Mehrfaktorielle Varianzanalyse R Commander

T-Test, U-Test, F-Test sowie weitere Tests und Gruppenvergleiche aller Art.

Mehrfaktorielle Varianzanalyse R Commander

Beitragvon Nils W. » Fr 11. Jan 2019, 18:57

Guten Tag,

zu der Auswertung meines Datensatzes mit dem R Commander habe ich ein paar Fragen.

Der Datensatz besteht aus 3 unabhängigen Variablen (Pokerskill, Pokerhand und Pokerlimit) und einer abhängigen Variablen (Gewinn)

Die 3 Faktoren haben unterschiedliche Faktorstufen.
Skill: Expert, average
Hand: Good, neutral, bad
Limit: Fixed, None

Somit ergeben sich 12 Kombinationsmöglichkeiten.

Der Datensatz ist in Excel folgendermaßen aufgebaut:
Versuchsperson Skill Hand Limit Gewinn
1-25 Expert Good Fixed xx,xx
26-50 Expert Good None xx,xx
51-75 Expert neutral Fixed xx,xx
76-100 Expert neutral None xx,xx
usw.
Natürlich steht in der Datei jede Person in einer einzelnen Zeile. Somit ist die Stichprobengröße 12 x 25 = 300.
Ist die Formatierung der Daten so in Ordnung?

Um die mehrfaktorielle Varianzanalyse durchzuführen muss sowohl Varianzhomogenität als auch eine Normalverteilung vorliegen.
Um dies zu testen nutze ich den Levene-Test und den Shapiro-Wilk-Test.
Über Statistik -> Varianzen -> Levene-Test komme ich in das Menü. Hier kann ich nun entweder eine UV markieren oder mehrere .

Kann ich den Test für all UVS gleichzeitig durchführen?

In diesem Fall erhalten ich folgendes Ergebnis:

Levene's Test for Homogeneity of Variance (center = "mean")
Df F value Pr(>F)
group 11 8.4877 5.789e-13 ***
288
Da der p-Wert sehr niedrig ist, müsste die Nullhypothese abgelehnt werden. Es liegt keine Varianzhomogenität vor.

Den Shapiro Wilk Test kann ich über Statistik - > Deskriptive Statistik -> Test auf Normalverteilung durchführen.

Hier kann ich entweder den Test nur für Gewinn durchführen oder "Test für die Gruppen..." (Skill, Hand, Limit) immer eine UV auswählen.
Muss ich den Shapiro für jede UV einzeln machen oder reicht mir das Ergebnis des Tests wenn ich nur die AV den Gewinn markiere.
Einige der p-Werte des Shapiro-Wilk-Tests für die einzenlen UVs sind ebenfalls sehr niedrig, sodass auch hier H0 abgelehnt wird und keine Normalverteilung vorliegt.

Da nun beide Voraussetzungen nicht erfüllt sind, darf keine ANOVA durchgeführt werden. Das Non-parametrische Äquivalent zu der ANOVA ist der Kruskal-Wallis-Test allerdings fordert auch der Kruskal-Wallis-Test (näherungsweise) identisch streuende Grundgesamtheiten.

Wie kann nun das weitere Vorgehen sein? Ich weiß leider nicht weiter.

Vielen Dank im Voraus.

Grüße
Nils
Nils W.
 
Beiträge: 1
Registriert: Fr 11. Jan 2019, 15:41
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Zurück zu Tests und Gruppenvergleiche

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 1 Gast

cron