Hallo
Ich habe für die gleichen Daten einen Fisher exact test und eine Spearman correlation (resp. Kendall's tau) berechnet. Dabei habe ich verschiedene Resultate erhalten (einmal p-value von 0.06 und einmal p-value von 0.2).
Bei Y habe ich drei Kategorien und bei X 5 Kategorien, wobei beide sehr schief (viele Beobachtungen in den tiefen Rängen) verteilt sind.
Woran liegt dieser Unterschied? Prinzipiell messen ja beide Masse das gleiche?
Danke für die Hilfe!
Rank correlation vs. test of independence
-
mikewochner
- Beiträge: 7
- Registriert: 26.05.2011, 13:59
Rank correlation vs. test of independence
not everything that can be counted counts, and not everything that counts can be counted
-
drfg2008
- Beiträge: 2391
- Registriert: 06.02.2011, 19:58
re
Spearman gehört zu den linearen Rangstatistiken. Kendall's tau misst Proversion/Inversion. Beide Verfahren setzen also völlig andere Datenstrukturen voraus als Fishers exakter Test (als exakte Variante des Chi-Quadrat Tests).Woran liegt dieser Unterschied? Prinzipiell messen ja beide Masse das gleiche?
Gruß
drfg2008
-
mikewochner
- Beiträge: 7
- Registriert: 26.05.2011, 13:59
Danke für die Antwort.
Die Datenstruktur, welche die Ausganslage für die Tests bildet ist verschieden, das stimmt. Die Daten für den Fisher Test sind schon höher aggregiert (contingency table) als beim einer rank correlation (pairwise).
Dies ist mir bewusst.
Meine Frage ist vielleicht, wieso der Fisher test mehr evidenz findet für eine Abhängigkeit als Kendals tau, da ja doch im zweiten die Rangierung berücksichtigt wird und im Fisher exakt test nicht.
Und grundsätzlich habe ich mir gedacht, dass die Resultate näher beieinander liegen, da die Methoden doch beide die Abhängigkeit messen.
Die Datenstruktur, welche die Ausganslage für die Tests bildet ist verschieden, das stimmt. Die Daten für den Fisher Test sind schon höher aggregiert (contingency table) als beim einer rank correlation (pairwise).
Dies ist mir bewusst.
Meine Frage ist vielleicht, wieso der Fisher test mehr evidenz findet für eine Abhängigkeit als Kendals tau, da ja doch im zweiten die Rangierung berücksichtigt wird und im Fisher exakt test nicht.
Und grundsätzlich habe ich mir gedacht, dass die Resultate näher beieinander liegen, da die Methoden doch beide die Abhängigkeit messen.
not everything that can be counted counts, and not everything that counts can be counted
-
drfg2008
- Beiträge: 2391
- Registriert: 06.02.2011, 19:58
re
Die Daten für den Fisher Test sind schon höher aggregiert (contingency table) als beim einer rank correlation (pairwise).
Genau, und bei Fisher wird auch weder eine lineare noch eine monotone Reihenfolge vorausgesetzt. Die Darstellung der Reihenfolge in der Tabelle ist völlig unerheblich. Es handelt sich folglich um andere Testverfahren (und auch andere Fragestellungen).
Gruß
drfg2008
