Statistical Assumptions (Statistische Vorannahmen)

Definition: Analytische Ansätze und Modelle gehen davon aus, dass die Daten, auf die sie angewendet werden, bestimmte Eigenschaften aufweisen (beispielsweise statistische Unabhängigkeit, Ziehung einer Zufallsstichprobe, Normalverteilung, Varianzhomogenität, …). Vor der Datenanalyse sollten diese Annahmen überprüft werden, da es die Ergebnisse und die Schlussfolgerung der Analyse ändern kann, wenn die Annahmen nicht erfüllt sind. Im Rahmen von offener, reproduzierbarer Forschung gehört es zur guten Praxis, das Testen der Annahmen zu dokumentieren und zu berichten, welche Annahmen geprüft wurden, durch welche Tests sie geprüft wurden, was die Ergebnisse waren und welche Maßnahmen oder Korrekturen durchgeführt wurden.

Verwandte Begriffe: Null Hypothesis Significance Testing (NHST), Statistical Significance, Statistical Validity, Transparency, Type I error, Type II error, Type M error, Type S error

Referenz: Garson (2012); Hahn and Meeker (1993); Hoekstra et al. (2012); Nimon (2012)

Verfasst und Überprüft von: Graham Reid, Jamie P. Cockcroft, Sam Parsons, Martin Vasilev, Julia Wolska

Wir arbeiten momentan daran, die Referenzen direkt zu verlinken. Momentan kann hier die vollständige Referenzliste eingesehen werden.