Äquivalenz der Standardabweichungen bei unterschiedlichen StichprobengrößenEin Kunde möchte wissen, wie man die Äquivalenz der Standardabweichung testet. Die Hilfedokumentation zum Test der Äquivalenz der Standardabweichung ist etwas verwirrend und enthält kein Beispiel (nur für die Äquivalenz der Mittelwerte).
Hat jemand ein gutes Beispiel dafür?
Und wie wirkt sich die Stichprobengröße auf diesen Test aus? Die Stichprobengrößen sind recht unterschiedlich, ohne dass man weiß, was „recht“ genau bedeutet. S
Und um noch einmal auf die Stichprobengrößen zurückzukommen: Welche Rolle spielen ungleiche Stichprobengrößen beispielsweise beim Test auf ungleiche Varianzen, beim Welch-Test für Mittelwerte mit ungleicher Varianz, beim Games-Howell-Test (gefunden durch das Add-In für einen Vergleich von mehr als zwei Mittelwerten mit ungleichen Varianzen) und beim Test auf Mittelwertäquivalenz?
Betreff: Äquivalenz von Standardabweichungen bei unterschiedlichen StichprobenumfängenDie Stichprobengröße kann die Varianz des Datensatzes im Allgemeinen beeinflussen. Für den Test der Varianzgleichheit zwischen den Gruppen ist jedoch keine identische Stichprobengröße erforderlich. Unterschiedliche Stichprobengrößen führen zu einer unausgewogenen ANOVA. Wenn die Stichprobengrößen zwischen den Gruppen stark voneinander abweichen, ist der Test auf ungleiche Varianzen höchstwahrscheinlich signifikant. In diesem Fall empfiehlt sich die Verwendung der Welch-ANOVA.
Die reguläre ANOVA geht von gleichen Varianzen aus und verwendet die gepoolte Standardabweichung für den F-Test. Die Welch-ANOVA geht nicht von gleichen Varianzen aus; sie verwendet die individuelle Varianz jeder Gruppe, um den F-Test durchzuführen.
Betreff: Äquivalenz von Standardabweichungen bei unterschiedlichen StichprobenumfängenDanke, Rashmi, für deine Antwort.
Da für den Welch-Test keine gleiche Stichprobengröße erforderlich ist, gehe ich davon aus, dass dies auch für den Games-Howell-Test gilt, der meines Wissens ein Welch-korrigierter Tukey-Kramer-Paarvergleichstest ist, richtig?
Mit der Annahme ungleicher Varianzen und ungleicher Stichprobengrößen scheint dieser Games-Howell-Test ein sehr praktisches und relevantes Werkzeug zum Vergleich von Mittelwerten zu sein. Warum ist dies in JMP nicht standardmäßig enthalten? Weiß das jemand?
Hat außerdem jemand ein gutes Beispiel dafür, wie man den Äquivalenztest für die Standardabweichung (nicht für den Mittelwert) durchführt und interpretiert?
Betreff: Äquivalenz von Standardabweichungen bei unterschiedlichen StichprobenumfängenDer Games-Howell-Test ist ein nichtparametrischer Test , der dem Tukey-Kramer-Test entspricht. Er funktioniert gut bei ungleichen Varianzen. Der Kruskal-Wallis-Test ist ein nichtparametrisches Äquivalent zur ANOVA. Diese Tests eignen sich gut bei ungleichen Varianzen. Allerdings erfordern nichtparametrische Tests in der Regel große Stichproben aller Gruppen.
Ich habe dieses Beispiel zur Interpretation des Äquivalenztests für Varianzen gefunden (der Test bezieht sich auf die Varianz statt auf die Standardabweichung).
Beispiel für die Option „Ungleiche Varianzen“
Betreff: Äquivalenz von Standardabweichungen bei unterschiedlichen StichprobenumfängenIch verwende die Datentabelle „Prozessphasen“ aus dem Training Starter (JMP 17 > JMP > Äquivalenzverbesserungen). Die in der Datentabelle gespeicherten Skripte scheinen in der richtigen Reihenfolge sinnvoll zu sein.
Betreff: Äquivalenz von Standardabweichungen bei unterschiedlichen StichprobenumfängenIch habe vergessen, im Schulungsstarter nachzuschauen! Es wäre toll, wenn auch in der JMP-Dokumentation für Kunden ein Beispiel verfügbar wäre.
