Statistische Vorannahmen [Statistical Assumptions]

Also available in: Arabic | English | Turkish
 

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

Referenzen:

  • Garson, G. D. (2012). Testing Statistical Assumptions (2012th ed.). North Carolina State University.
  • Hahn, G. J., & Meeker, W. Q. (1993). Assumptions for Statistical Inference. The American Statistician, 47(1), 1–11. https://doi.org/10.1080/00031305.1993.10475924
  • Hoekstra, R., Kiers, H., & Johnson, A. (2012). Are assumptions of well-known statistical techniques checked, and why (not)? Frontiers in Psychology, 3(137), 1–9. https://doi.org/10.3389/fpsyg.2012.00137

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