Transformationen – wozu und wie?

Wozu brauchst Du eine Transformation Deiner Daten?

Wenn sich Deine Daten als nicht normalverteilt herausstellen, kannst Du versuchen, sie durch Transformation in eine annähernde Normalverteilung umzuformen. Wenn das gelingt, rechnest Du anschließend die weiteren Analysen wie Signifikanztests mit den transformierten Daten. Dann ist es möglich, parametrische Methoden, die Normalverteilung fordern, anzuwenden.

Auch andere Probleme mit der Verteilung, wie zum Beispiel Hetereskedastizität, Nicht-Linearität oder Ausreißer können eventuell mit Transformationen behoben werden. Weiterlesen

Korrelationen vergleichen

Manchmal ist es sinnvoll, zwei Korrelationskoeffizienten miteinander zu vergleichen, um herauszufinden, ob sich die Stärke zweier Zusammenhänge signifikant unterscheidet.

Dazu verwendet man die z-Transformation von Fisher und berechnet für jeden Korrelationskoeffizienten ein Konfidenzintervall. Wenn sich diese beiden Konfidenzintervalle nicht überschneiden, so unterscheiden sich die beiden Korrelationskoeffizienten signifikant. 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