t-test in einer word datei darstellen??

[Sibil]

HILFE!!!

Ich schreibe meine Bachelorarbeit und muss dazu einige Daten auswerten, nur mit t-test und deskriptiver Statistik. Die Tests ausführen kann ich, aber was aus diesen Tabellen muss in die Arbeit eingefügt werden?? Und was bedeuten alle diese Werte?
Beim Levene-test (der ja irgendwie mit dem t-test zusammen automatisch gemacht wird..?) bekomme ich einen Signifikanz-Wert von 0.532. Mein Lehrbuch beschreibt aber nur, was ein Wert von 0.000 bedeutet.. Kann mir jemand erklären was ich mit diesem Wert anfangen soll? Und was die anderen Werte bedeuten?

Vielen Dank!!!

[Lipton-Ice]

Hallo Sibil,

1. Die ganzen Tabellen die beim T-Test dargestellt werden lassen sich einfach durch "rechtsklick" auf die jeweilige Tabelle und dann auf "exportieren" in word speichern. In dem Fenster, das dann aufgeht kannst du verschiedene Formate einstellen.

2. Der Levene-Test macht nichts anderes als zu überprüfen, ob die Varianzen deiner beiden "Stichproben" gleich sind. Im Prinzip eine Art T-Test für Varianzen. Gibt er dir einen Wert unter 0,05, kann man davon ausgehen, dass die Varianzen der beiden Stichproben sich signifikant voneinander unterscheiden. Sollte das der Fall sein, ist dementsprechend eine Grundannahme des Student-T-Test verletzt (nämlich Varianzgleichheit der Stichproben).
Normalerweise dürfte man dann keinen T-Test mit den Stichproben rechnen und müsste auf einen anderen Test (Welch-Test bspw.) zurückgreifen.
Soviel ich weiß sollte das aber bei dem SPSS-T-Test kein Problem sein.

3. Ja da gibt es noch ne Menge anderer Werte, für eine BA-Arbeit bzw. den Ergebnisteil sollten aber nur die df-Werte (Freiheitsgrade), T-Werte, und p-Werte wichtig sein.

P-Wert: Wie groß ist die Wahrscheinlichkeit, dass sich beide Stichproben voneinander unterscheiden (meist signifikant bei einem Wert von 0,05 der 0,01 je nachdem wie konservativ du testen möchtest)
T-Wert: Der vom T-Test errechnete Wert auf Grund dessen ein p-Wert angegeben werden kann

[Sibil]

Vielen Dank für die ausfühtrliche Erklärung, hat mir super geholfen!!

[Generalist]

"P-Wert: Wie groß ist die Wahrscheinlichkeit, dass sich beide Stichproben voneinander unterscheiden "

1. Die Wahrscheinlichkeit, dass sich die beiden Stichproben unterscheiden, ist hier = 1. Sie unterscheiden sich ja offensichtlich.

2. Es geht um Grundgesamtheiten (Inferenz von Stichproben auf Grundgesamheiten).

3. Spaßeshalber mal die falsche Formuierung wörtlich genommen: Ein p = 0,03 für die Wahrscheinlichkeit, dass sich die beiden "Stichproben" (Grundgesamtheiten vielmehr) voneinander unterscheiden wäre demnach ein Beleg dafür, dass sie sich unterscheiden? Je geringer die Wahrscheinlichkeit für die Hypothese, desto gültiger die Hypothese?

4. Gleichviel. Es geht NICHT um die Wahrscheinlichkeit von Hypothesen ("Hypothese ist, die beiden Gruppen sind [nicht] unterschiedlich, der p-Wert gibt mir die Wahrscheinlichkeit dafür"), sondern um die Wahrscheinlichkeit von DATEN.

5. Also p-Wert: "Wenn sich die beiden Grundgesamtheiten NICHT unterscheiden würden (= Nullhypothese), wie wahrscheinlich könnten dann solche Daten (Mittelwertsunterschiede) wie in der eigenen Stichprobe auftreten?" Wenn die Daten meiner Stichprobe eher unwahrscheinlich/selten wären bei Gültigkeit de Nullhypothese, kann ich entscheiden, ob ich die Nullhypothese nicht lieber fallen lasse.

[Lipton-Ice]

Entschuldige die flapsige und dementsprechend wörtlich nich korrekte Erklärung des P-Wertes.

Im Prinzip jedoch ist es das, was man einfachhalber darunter verstehen kann ohne groß ins Detail zu gehen.

Die Nullhypothese (beide Stichproben sind gleich) sollte bei einem p-Wert von <= 0,05 eben nicht angenommen werden, dementsprechend geht man von H1 aus (die Stichproben unterscheiden sich).
Liegt der p-Wert also <= 0,05 lässt sich ohne großes rumlabern einfachhalber sagen, die Stichproben untersscheiden sich.

Der P-Wert sagt nichts über die Wahrscheinlichkeit der Hypothesen aus (wie du richtig sagst) (sorry nochmal für meinen faux pas)

[Generalist]

Prinzip jedoch ist es das, was man einfachhalber darunter verstehen kann ohne groß ins Detail zu gehen

Bedaure, was Du da einfach nennst, ist schlicht falsch und irreführend. Und das muss nicht sein.

p sagt nicht, wie wahrscheinlich Hypothesen sind oder nicht, p sagt, wie wahrscheinlich die Daten sind. Das ist ein fundamentaler Unterschied.

p = 0,3 sagt nicht, die Nullhypothese ist zu 30% falsch. Es sagt, die Daten sind durchaus noch mit der Nullhypothese vereinbar.
Was selbst bei einer inkorrekten Nullhypothese leicht passieren kann, wenn die Fallzahl gering ist.

Die Nullhypothese (beide Stichproben sind gleich)

Nullhypothesen beziehen sich nicht auf Stichproben. Nullhypothesen beziehen sich auf Grundgesamtheiten.

[Lipton-Ice]

Du hast ja Recht, wie gesagt...

Aber ums genauer zu nehmen:
Heißt p=0,3 dann nicht einfach, dass die Wahrscheinlichkeit, die Nullhypothese fälschlicherweise abzulehnen, 30% beträgt.
Was soviel bedeuten würde wie, ein p-Wert von <= 0,05 heißt, die Wahrscheinlichkeit die Nullhypothese (Mittelwerte sind gleich) fälschlicherweise abzulehnen beträgt nur <= 5%, dementsprechend liegt doch die Wahrscheinlichkeit der korrekten Annahme der H1 (Mittelwerte unterscheiden sich) bei >= 95%.

Ein P-Wert bezieht sich demnach doch auf die Hypothesen, welche sich auf bestimmte Daten beziehen

Oder hab ich da was falsch verstanden?

PS: Das mit den Grundgesamtheiten ist eine schöne Annahme, kann aber nur unter den Bedingungen "Repräsentativität" gelten, was bei kleinen Stichproben unter Umständen nicht gegeben ist.
Da ich unter Umständen nicht selten auf Stichproben aus einer Masse an Daten (vgl. die Sonntagsfrage) angewiesen bin, kann ich primär erstmal nur Aussagen über die zu Grunde gelegten Daten (Stichproben aus der Masse) machen. Will aber natürlich (und das ist denk ich legitim wenn Repräsentativität gegeben ist) auf die Population schließen.


PS: Vielleicht kennst du eine Lösung für das in einem anderen Thread von mir formuliertes Problem
http://www.statistik-tutorial.de/forum/ ... .html#9189

[Generalist]

Heißt p=0,3 dann nicht einfach, dass die Wahrscheinlichkeit, die Nullhypothese fälschlicherweise abzulehnen, 30% beträgt.

Nur, wenn die Nullhypothese gültig ist. Wenn sie nicht gültig ist, dann besteht kein Risiko einer fälschlichen Ablehnung. Es ist ein Entscheidungsverfahren. Es kommt nichts zu der Frage heraus, wie wahrscheinlich die Nullhypothese ist. Allenfalls, ob man gute Gründe haben könnte, sie zurückzuweisen.

Das p=Wahrscheinlichkeit der Hypothese-Denken wird dann praktisch problematisch, wenn man niedrige Fallzahlen hat. Also, fiktiv: "wir testeten die Hebekraft von 6jährigen und 12jährigen, der Mittelwertsvergleich ergab p=0.55 . Was sagt das über die Wahrscheinlichkeit, dass 6- und 12jährige dieselbe Hebekraft besitzen? NB, n1=n2=3.

Ein P-Wert bezieht sich demnach doch auf die Hypothesen, welche sich auf bestimmte Daten beziehen

Ein p-Wert im Signifikanztest bezieht sich auf die Daten. p(Daten|Hypothese). Was Dir vorschwebt, leistet nur Bayes-Statistik, da geht es um p(Hypothese|Daten). Allerdings ist der Wahrscheinlichkeitsbegriff zwischen beiden Ansätzen fundamental unterschiedlich.