Der Aufbau der statistischen Datenanalyse

Die statistische Datenanalyse ist aus mehreren Bausteinen aufgebaut. Die Basis bildet die deskriptive Statistik zusammen mit den Abbildungen. Darauf aufbauend wird dann die schließende Statistik mit den Signifikanztests gerechnet.

Dieser Aufbau – die deskriptive Statistik und Abbildungen als Basis für die schließende Statistik – ist entscheidend, denn nur mit einer fundierten deskriptiven Analyse

  • kannst Du sicher sein, dass die Daten passen (keine Tippfehler, keine extremen Ausreißer usw.),
  • kannst Du Deine Daten und Zusammenhänge/Unterschiede beschreiben und
  • kannst Du die passenden Methoden als Signifikanztests auswählen (z.B. parameterisch oder nichtparametrisch).

Weiterlesen

Der Boxplot

Der Boxplot ist mein Lieblingsmittel zur Darstellung der Lage und Streuung von Daten. Er beschreibt die Daten ohne eine Schiefe oder Ausreißer zu verstecken. Gruppenvergleiche sind leicht auf den ersten Blick zu interpretieren, wenn man einmal weiß, was der Boxplot macht. Deshalb hier eine kurze Beschreibung: Weiterlesen

Darstellung von Streuung in Abbildungen

Es gibt verschiedene Möglichkeiten, in einer Abbildung zu veranschaulichen, inwieweit sich zwei Stichproben unterscheiden. Bei nichtschiefen Verteilungen eignen sich dafür z.B. die Standardabweichung (standard deviation, SD), der Standardfehler des Mittelwerts (standard error of the mean, SEM) und das 95%-Konfidenzintervall (95% confidence interval, 95%-CI). Weiterlesen

Parametrisch oder nichtparametrisch? Das ist hier die Frage.

Wenn ich einen statistischen Test durchführen will, muss ich vorher wissen, ob meine Daten normalverteilt sind oder nicht. Sind sie normalverteilt, so kann ich einen parametrischen Test verwenden. Sind sie es nicht, so muss ein nichtparametrischer her. Für den Vergleich zweier Gruppen wäre das bei Normalverteilung der berühmte t-Test. Wenn keine Normalverteilung vorliegt, der Mann-Whitney-U Test. Weiterlesen