Mathematische und statistische Methoden II

Transkript

1 Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum ) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de SS 2010 Fachbereich Sozialwissenschaften Psychologisches Institut Johannes Gutenberg Universität Mainz

2 Das Problem der Verteilungsannahme Die theoretische Verteilung ordinalskalierter Daten ist nicht nur unbekannt, sie ist auch als mathematische Formalisierung nicht ermittelbar, da das Merkmal nicht metrisch (intervallskaliert) ist. Das Problem entsteht, weil bei ordinalskalierten Daten nicht nur die gesamte Skala transformiert werden darf (z.b. von C zu F), sondern jeder einzelne Punkt separat, solange die Ordnung erhalten bleibt. Damit sind die numerischen Beobachtungen als Abszissenwerte (x-werte) in einer mathematischen Funktion nicht zu gebrauchen.

3 nach Mann-Whitney für unabh. Stichpr. Ziel: Test, ob sich zwei unabhängige Stichproben in ihrer Ausprägung auf einem ordinalskalierten Merkmal unterscheiden Beispiele: Sind mündliche Bewertungen von Schülern zwischen zwei Schulklassen unterschiedlich? Sind junge Frauen anders mit einem bestimmten Produkt zufrieden als ältere Frauen (Zufriedenheitseinschätzung z.b. von 0-100%) Voraussetzungen: Die Stichproben müssen unabhängig sein. Die dem Merkmal tatsächlich zugrunde liegende Verteilungsfunktion soll stetig sein.

4 nach Mann-Whitney für unabh. Stichpr. Datenlage: Man hat an zwei unabhängigen Stichproben der Größen n 1 und n 2 ein ordinalskaliertes Merkmal erhoben. Bewertet worden sei die Leistung von Studierenden mit ländlicher Sozialisation vs. urbaner Sozialisation in einer mündlichen Prüfung (Punkteskala von 0 50) X1: 22, 47, 50, 35, 33, 2, 48, 7, 8, 34, 41, 49, 45, 39, 23, 38 X2: 13, 16, 27, 24, 11, 12, 18, 17, 40, 19, 31, 32 Frage: Erreichen die Stichproben unterschiedliche Punktzahlen?

5 Wenn zwei Stichproben aus derselben Population stammen, sollten ihre Wahrscheinlichkeitsverteil- ungen p(x=x) bzw. ihre Verteilungsfunktionen p(x x) gleich sein (wenn auch unbekannt) nach Mann-Whitney für unabh. Stichpr. Testidee: Zwar kann keine theoretische Wahrscheinlichkeitsverteilung formal abgeleitet werden, aber die empirischen Verteilungen können verglichen werden. Sei x i ein Wert, der in Stichprobe 1 beobachtet wurde, und y j ein Wert aus Stichprobe 2, dann sollte für jedes Wertepaar gelten, dass p(x i >y j ) = 0.5,, wenn die Wahrscheinlichkeitsverteilungen gleich sind.

6 nach Mann-Whitney für unabh. Stichpr. Nun kann jeder Merkmalsträger in Stichprobe 1 paarweise verglichen werden mit jedem Merkmalsträger in Stichprobe 2 und festgestellt werden ob gilt Fall 1: X > Y Fall 2 : X < Y Fall 2:X X = Y Dies ist äquivalent mit der Prüfung, ob der Rang des Merkmalsträgers in Stichprobe 1 größer, kleiner oder gleich dem Rang des Vergleichssubjektes in Stichprobe 2 ist Fall 1: rg( X) < rg( Y ) Fall 2: rg ( X ) > rg ( Y ) Fall 2 : rg( X) = rg( Y ) Niedrigere Zahl, niedrigerer Rang

7 nach Mann-Whitney für unabh. Stichpr. Methode: Das x y x1, x2 Stichprobe Verfahren der Rangbildung beim Die Daten werden zunächst in eine Tabelle geschrieben und die Zugehörigkeit festgehalten

8 nach Mann-Whitney für unabh. Stichpr. Nun werden Rangplätze für die Daten vergeben Achtung: Datei erhält die kleinste Zahl den kleinsten Rang. Bei Ties (Rang- bindungen) wird ein mittlerer Rang vergeben x1, x2 Stichprobe Rangplatz

9 nach Mann-Whitney für unabh. Stichpr. Die Anzahl dieser Vergleiche jedes Merkmalsträgers in Stichprobe 1 mit jedem in Stichprobe 2 ist N = n n paarweise 1 2 Aus dem Vergleich der Ränge erhält man nun die Summen der Rangunterschreitungen, der Rangüberschreitungen sowie der Ties. Man definiere ( ( ) ( )) ( ( ) ( )) ( ) ( ) U = h rg X < rg Y Summe d. Rangunterschreitungen U' = h rg X > rg Y Summe d. Rangüberschreitungen ( ) Summe d. Rangbindungen Tie = h rg X = rg Y Lässt man Ties außer acht, so muss gelten: U + U' = n n U = n n U '

10 nach Mann-Whitney für unabh. Stichpr. Man kann nun einen Binomialtest durchführen, um folgende Hypothesen zu prüfen: H 0 : p ( rg ( X ) < rg ( Y )) = 0.5; H 1 : p ( rg ( X ) > rg ( Y )) 0.5 H : p( rg( X) < rg( Y)) 0.5; H : p( rg( X) > rg( Y)) < H0 : p( rg( X) < rg( Y)) 0.5; H1 : p( rg( X) > rg( Y)) > Oft wird dies gleichgesetzt mit der Prüfung, ob der Median der einen Stichprobe anders ist als der Median der anderen. Dies trifft nur zu, wenn die Wahrscheinlichkeits-, verteilungen von X und Y gleich sind.

11 nach Mann-Whitney für unabh. Stichpr. Hinweis: Für den Binomialtest wäre die Rangbildung noch nicht erforderlich, man könnte auch die Rohdaten selbst vergleichen und auszählen. Problem: Die Zahl der notwendigen paarweisen Vergleiche wird bei zunehmendem Stichprobenumfang sehr schnell sehr groß (n 1 n 1 2 ). Zur vereinfachten Berechnung wird das Verfahren von Mann-Whitney verwendet.

12 nach Mann-Whitney für unabh. Stichpr. Grundidee: Unter der H0 sollten in beiden Stichproben die Ränge ähnlich (bzw. gleich) sein Damit sollten auch die Summen der Ränge ähnlich (bzw. gleich) sein Seien R1 und R2 die Rangsummen der beiden Stich- proben und R die gesamte Rangsumme, so muss gelten R = R + R = 1 2 N ( N + 1) 2 mit N = n 1 +n 2 Wir haben zudem bereits gesehen, dass gilt U = n1 n2 U'

13 nach Mann-Whitney für unabh. Stichpr. Daraus lassen sich Berechnungsformeln für Anzahl der Rangunter-/überschreitungen herleiten. Es gilt: n1 ( n1+ 1) U = n1 n2 + R1 2 n2 ( n2 + 1) U' = n n + R Der kleinere der U-Werte ist bereits die Prüfgröße. Sie ist U-verteilt mit den Parametern n 1 und n 2. Die U-Verteilung ist tabelliert für kleine n.

14 nach Mann-Whitney für unabh. Stichpr. Bei größeren Stichproben (mindestens ein n > 10) ist die Prüfgröße U approximativ normalverteilt. Der Erwartungswert ist die Hälfte aller möglichen Vergleiche (dies ist der Wert, wenn U = U ) μ U = n n Die Standardabweichung lautet σ U = ( ) n n n n

15 nach Mann-Whitney für unabh. Stichpr. Damit ergibt sich die Prüfgröße (mit Yates-Korrektur) z = U μ U σ U 0.5 Dabei ist U der kleinere oder größere beider U-Werte. Sie ist standardnormalverteilt mit μ=0 und σ=1. Bei Ties berechnet sich der korrigierte Standardfehler als k 3 3 i σ n1 n 2 i = 1 U, Korr N N t ti = N N 1 12 ( ) mit t i = Personen, die sich Rang i teilen (Länge der Rangbindung) k = Anzahl der Gruppen mit Rangbindungen

16 und Rangsummentest Hinweis: Der nach Mann-Whitney ist mathematisch äquivalent zum so genannten Rangsummentest, der von einer ähnlichen Testidee ausgeht. Der wird daher manchmal auch als MWW-Test (Mann-Whitney- Test) bezeichnet. Er ist nicht zu verwechseln mit dem für abhängige Stichproben.

17 für abhängige Stichproben Oft ist man bei einem ordinalskalierten Merkmal bei abhängigen Stichproben lediglich an einem höher/niedriger Urteil interessiert. Beispiele: Verringert sich eine Zwangsstörung nach einer Therapie? Verbessert sich Führungsverhalten infolge eines Outdoor-Selbstfindungstrainings? Hier findet der Anwendung, der aufgrund seiner Einfachheit sehr rasch zu berechnen ist.

18 für abhängige Stichproben Datenlage: Bei abhängigen Stichproben liegen zwei Messungen vor, für die eine Höher/Niedriger/Gleich Beziehung formuliert werden kann. Beispiel: Bei N = 13 Probanden urbaner Herkunft wird ein Rhetoriktraining für mündliche Prüfungsleis- tungen angewandt und die Verbesserung gemessen. Verbesserungen werden mit + kodiert, Verschlechterungen mit -, konstante Konzentrastionsleistungen mit =. Daten: -, +, +, -, =, -, +, +, +, +, +, +, +

19 für abhängige Stichproben Sei n + die Anzahl von + Beobachtungen und n - die Anzahl von - Beobachtungen, so sollte unter der H 0 gelten, dass n = n = N n + + N = N m= n + n m mit (m = Anzahl = ) + Gleiche Beobachtungen ( = ) werden beim ignoriert, da sie ohnehin die H 0 (kein Unterschied) unterstützen

20 für abhängige Stichproben Die Wahrscheinlichkeit für + (ebenso wie die für - ) sollte nun binomialverteilt sein mit p=0.5 und n = N* Man könnte nun einen 1-Stichproben Binomialtest durchführen, um folgende Hypothesen zu prüfen: H : p = p ; H : p p H : p p ; H : p > p H : p p ; H : p < p Man nimmt nun an, dass wegen der Symmetrie von p und q unter H 0 praktisch immer die Normalverteilungsapproximation verwendet werden kann.

21 für abhängige Stichproben Der Erwartungswert der Summe positiver (bzw. negativer) Vorzeichen ist En ( ) En ( ) N* + p = = = N * 2 Die Standardabweichung ist σ ( n ) N* + = p q = N * 4

22 für abhängige Stichproben Man gelangt zu der Prüfgröße (mit Yates-Korrektur): n z = 2 N 2 N 4 mit n = n + oder n z ist standardnormalverteilt mit μ=0 und σ=1. Es gelten also zur Bewertung der Prüfgröße beim g g g die üblichen kritischen Werte

23 Vorzeichenrang Test für abh. Stichpr. Ziel: Test, ob sich zwei abhängige Stichproben in ihrer Ausprägung auf einem ordinalskalierten Merkmal unterscheiden Beispiele: Verbessert sich die Leistung in mündlichen Prüfungen nach einem Rhetorik-Training? Sinkt das subjektive Laustärke-Empfinden von Bewohnern in der Einflugschneise des Frankfurter Flughafens nach einem Volkshochschulkurs Zen-Meditation? Voraussetzungen: Die Merkmalsträger in den Stichproben müssen paarweise zuordenbar sein. Die dem Merkmal tatsächlich zugrunde liegende Verteilungs- funktion soll stetig sein.

24 Vorzeichenrang Test für abh. Stichpr. Datenlage: Man hat an zwei abhängigen Stichproben der Größe N ein ordinalskaliertes Merkmal erhoben. Es werden die Leistungen von N=13 Schülern in zwei äquivalenten Mathematiktests tikt t beurteilt (von einem Prüfer). Vor der Korrektur des zweiten Tests erhält der Prüfer die Information, die Schüler stammten aus einer Hochbegabtenklasse. X1: 22, 47, 50, 35, 33, 12, 48, 17, 18, 34, 41 X2: 13, 16, 27, 24, 11, 12, 18, 17, 40, 19, 35 Frage: Werden die Leistungen im 2. Test besser beurteilt?

25 Vorzeichenrang Test für abh. Stichpr. Testidee: Für jede Beobachtungseinheit können Differenzen zwischen den beiden Stichproben berechnet werden (d i = y i x). i Zwar ist der absolute Betrag dieser Differenzen nicht interpretierbar, die Differenzen sind aber ordinalskaliert. Größere Differenzen bedeuten also größere Veränderungen zwischen den Stichproben. Unter der H 0, d.h. bei gleichen Wahrscheinlichkeitsverteilungen in beiden Stichproben, sollten nun die Verbundwahrscheinlichkeiten, dass eine gegebene Differenz ein positives bzw. negatives Vorzeichen hat, identisch sein (p(d=d d>0) = 0.5)

26 Vorzeichenrang Test für abh. Stichpr. Methode: Zur Durchführung des Vorzeichenrang ng Tests werden nun n zunächst die Differenzen d i zwischen beiden Stichproben gebildet. Nr. t1 t2 d

27 Vorzeichenrang Test für abh. Stichpr. Dann werden die Absolutwerte d dieser i Differenzen gebildet. Nr. t1 t2 d d

28 Vorzeichenrang Test für abh. Stichpr. Nun erhalten diesen Absolutwerte Rangplätze rg( d ). i Achtung: Dabei erhält die kleinste Differenz den kleinsten Rang. Nr. t1 t2 d d rg(d)

29 Vorzeichenrang Test für abh. Stichpr. Schließlich werden die Vorzeichen der Differenzen fetgetellt festgestellt. Diee Diese werden edenfür diebeehnngde Berechnung der Prüfgröße Nr. t1 t2 d d rg(d) + - = =

30 Vorzeichenrang Test für abh. Stichpr. Nulldifferenzen (Anzahl: m) werden a priori i von der Rangplatzvergabe ausgeschlossen. Damit reduziert sich die Anzahl zu berücksichtigender Differenzen auf N* = N m Sei T + die Rangsumme der Differenzen mit positivem Vorzeichen und T - die Rangsumme der d i mit negativem Vorzeichen, so gilt für die Summe aller Ränge R R = T + T = + N ( N + 1) 2 * * Der kleinere der beiden T-Werte ist bereits die Prüfgröße. Die Verteilung ist tabelliert für kleine N.

31 Vorzeichenrang Test für abh. Stichpr. Bei größeren Stichproben (N>25) ist die Prüfgröße T approximativ normalverteilt. Der Erwartungswert ist die Hälfte aller möglichen Vergleiche (dies ist der Wert, wenn T + = T - ) μ T = N ( N ) * * Die Standardabweichung lautet σ T = ( 2 1) ( 1) * * * N N + N + 24

32 Vorzeichenrang Test für abh. Stichpr. Damit ergibt sich die Prüfgröße (mit Yates-Korrektur) z = T μ T σ T 0.5 T = T + oder T -. Sie ist standardnormalverteilt mit μ=0 0 und σ=1. Bei Ties berechnet sich die korrigierte Standardabw. als = k * * * 1 3 ( 2 1 ) ( 1 ) ( i i ) N N + N + 2 t t 24 i= 1 σ TKorr, mit t i = Personen, die sich Rang i teilen (Länge der Rangbindung) k = Anzahl der Gruppen mit Rangbindungen

33 Methodenlehre e e Relevante Excel Funktionen Tests für Nominal- und Ordinaldaten ANZAHL() und ANZAHL2() WENN() ZÄHLENWENN() ABS() RANG() und dexcel-korrekturformel lk l für Rangbindungen