Dies ist meine persönliche Frage zu einem allgemeinen statistischen Thema. Es handelt sich nicht um eine Benutzerfrage zu JMP. Möglicherweise ist diese Frage hier nicht ganz passend, aber ich finde keinen besseren Ort innerhalb der JMP-Community, um sie zu stellen. Die Frage steht in engem Zusammenhang mit meinem Beitrag von vor zwei Jahren ( Einfache und ehrliche Erklärung des t-Tests für zwei Stichproben? – JMP-Benutzergemeinschaft ).
Sind die statistischen Analysen mittels Flussdiagrammen in Ihrem Land noch verbreitet?
In den 60er- bis 90er-Jahren fanden sich in vielen Kochbüchern unumstößliche Regeln für statistische Tests. (Ich vermute, viele davon wurden von Nicht-Statistikern wie Medizinern, Soziologen, Psychologen usw. verfasst.) Beispielsweise sah das Vorgehen beim Vergleich zweier unabhängiger Stichproben folgendermaßen aus:
(1) Führen Sie für jede Gruppe einen Normalitätstest durch.
(2) Ist einer der beiden Tests signifikant, führen Sie den Wilcoxon-Test durch.
(3) Falls nicht, führen Sie einen Homogenitätstest für Varianzen durch.
(4) Ist das Ergebnis signifikant, führen Sie den Welch-Test durch.
(5) Falls nicht, führen Sie einen Student'schen t-Test durch.
Diese Flussdiagramm-Rituale wurden von vielen Statistikern stark betont.
Die Kritik an allen allgemeinen Ablaufdiagrammverfahren findet sich beispielsweise auf den Seiten 1-4 in McElreath, R. (2020:2nd ed.) Statistical Rethinking: A Bayesian Course with Examples in R and Stan (2nd ed.),CRC Press.
Bezüglich des Welch-, Student- und Wilcoxon-Tests versuchen Sie bitte die folgende Aufgabe in Copilot, ChartGPT usw. Es gibt zu viele Testunterlagen, daher kann ich keine davon auswählen.
----------------------
Könnten Sie einige Artikel besorgen, um das Ablaufdiagramm zu kritisieren, den Wilcoxon-Test durchzuführen, wenn der Normalitätstest signifikant ist, den Welch-Test durchzuführen, wenn der Homogenitätstest für Varianzen signifikant ist, und andernfalls den Student-Test durchzuführen?
Könnten Sie außerdem einige Artikel heraussuchen, die erklären, dass der Student'sche t-Test annähernd äquivalent zu einem Permutationstest ist und als nichtparametrischer Test zum Testen von H0:F1(y) = F2(y) für alle y verwendet werden kann (obwohl der Student'sche t-Test als nichtparametrischer Test nicht zu einem Test für H0:mu1=mu2 wird).
----------------------
Was den vorläufigen Normalitätstest vor t-Tests betrifft, schrieb John Sall-san vor etwa 20 Jahren in einem Artikel mit einem einzigartigen Titel im JMPer Cable über die Robustheit des t-Tests.
Leptokurtosiphobie: Irrationale Angst vor dem Nicht-Normalen
Bezüglich des vorläufigen Homogenitätstests der Varianzen vor t-Tests wird GEP Box' berühmtes Wort zitiert: „Einen vorläufigen Test auf Varianzen durchzuführen ist in etwa so, als würde man mit einem Ruderboot aufs Meer hinausfahren, um herauszufinden, ob die Bedingungen ruhig genug sind, damit ein Ozeandampfer den Hafen verlassen kann!“ ( SAS Help Center: Homogenität der Varianz in Einwegmodellen ).
In Bezug auf die Analyse von DOE-Daten sagt GEP Box auch: „‚Blockieren Sie, was Sie können, und randomisieren Sie, was Sie nicht können‘ kann eine Analyse annähernd rechtfertigen, ‚als ob‘ Standardannahmen wahr wären.“
In Japan wird die statistische Flussdiagrammanalyse meines Erachtens immer noch häufig von Nicht-Statistikern, Bloggern oder Influencern unreflektiert übernommen und verbreitet. Auch wenn meine Sichtweise möglicherweise voreingenommen ist, glaube ich, dass nur noch sehr wenige japanische Statistiker diese Methode empfehlen.
Ich habe mir die Präsentation von Herrn David Meintrup auf dem Discovery Summit Europe 2026 angesehen. Ich bin sehr überrascht, dass die oben dargestellte statistische Flussdiagrammanalyse als Expertenanalyse präsentiert wird. Ich befürchte außerdem, dass LearnBot und Assistant diese Art von Vorgehensweisen aus Internet-Memes in Blogartikeln von Nicht-Statistikern übernommen haben.
