Kruskal-Wallis-Test
Nichtparametrischer Test zur Analyse von Unterschieden zwischen mehr als zwei unabhängigen Stichproben
Kruskal Wallis Test Der Kruskal-Wallis-Test ist ein nichtparametrischer Test zur Überprüfung, ob mehrere unabhängige Stichproben aus der gleichen Verteilung stammen, ohne Annahme einer Normalverteilung.
Das Wichtigste auf einen Blick
- Der Kruskal-Wallis-Test ist ein nichtparametrischer Test für k unabhängige Stichproben.
- Er prüft, ob die Stichproben aus der gleichen Verteilung stammen, ohne Normalverteilungsannahme.
- Der Test basiert auf Rangwerten der Daten, nicht auf den Rohdaten.
- Er ist eine Verallgemeinerung des Mann-Whitney-U-Tests für mehr als zwei Gruppen.
- Signifikante Ergebnisse deuten darauf hin, dass mindestens eine Gruppe sich unterscheidet.
- Post-hoc-Tests sind notwendig, um spezifische Gruppenunterschiede zu identifizieren.
- Der Test ist robust gegenüber Ausreißern und Verteilungsabweichungen.
Überblick: Kruskal Wallis Test
Der Kruskal-Wallis-Test dient als Alternative zur Einweg-ANOVA, wenn die Daten nicht normalverteilt sind oder die Varianzhomogenität nicht gegeben ist. Er basiert auf Rangwerten und prüft, ob mindestens eine Stichprobe sich signifikant von den anderen unterscheidet. Der Test ist besonders in den Sozialwissenschaften, Medizin und anderen Forschungsbereichen verbreitet, in denen ordinalskalierte oder nicht normalverteilte Daten vorliegen.
Was ist der Kruskal-Wallis-Test?
Der Kruskal-Wallis-Test ist ein nichtparametrisches Verfahren zur Analyse von Unterschieden zwischen drei oder mehr unabhängigen Stichproben. Er wird angewandt, wenn die Voraussetzungen für die klassische Varianzanalyse (ANOVA), wie Normalverteilung und Varianzhomogenität, nicht erfüllt sind.
Grundprinzip und Funktionsweise
Der Test ordnet alle Beobachtungen aller Gruppen zusammen und ersetzt die Rohwerte durch Rangwerte. Anschließend wird geprüft, ob die mittleren Ränge der Gruppen signifikant voneinander abweichen. Die Teststatistik H folgt approximativ einer Chi-Quadrat-Verteilung mit k-1 Freiheitsgraden, wobei k die Anzahl der Gruppen ist.
Voraussetzungen für den Kruskal-Wallis-Test
Die Stichproben müssen unabhängig voneinander sein. Die Messwerte sollten mindestens ordinalskaliert sein. Es wird keine Normalverteilung vorausgesetzt, jedoch sollten die Verteilungen der Gruppen ähnlich geformt sein, um die Aussagekraft zu erhöhen.
Vergleich: Kruskal-Wallis-Test vs. Einweg-ANOVA
| Merkmal | Kruskal-Wallis-Test | Einweg-ANOVA |
|---|---|---|
| Testtyp | Nichtparametrisch | Parametrisch |
| Voraussetzung Normalverteilung | Nicht erforderlich | Erforderlich |
| Datenart | Ordinal oder metrisch | Metrisch |
| Robustheit gegenüber Ausreißern | Hoch | Gering |
| Teststatistik | H-Statistik (Chi-Quadrat) | F-Statistik |
Anwendungsbeispiele
Der Kruskal-Wallis-Test wird häufig in der Psychologie zur Analyse von Fragebogendaten verwendet, wenn mehrere Gruppen verglichen werden sollen. Auch in der Medizin kommt er zum Einsatz, etwa beim Vergleich von Behandlungsergebnissen verschiedener Patientengruppen mit nicht normalverteilten Messwerten.
Durchführung des Kruskal-Wallis-Tests
Die Durchführung umfasst folgende Schritte:
- Daten sammeln und Gruppen definieren
- Alle Beobachtungen zusammenfassen und Rangwerte zuweisen
- Summe der Ränge je Gruppe berechnen
- Teststatistik H berechnen
- Signifikanz anhand der Chi-Quadrat-Verteilung prüfen
- Bei Signifikanz Post-hoc-Tests durchführen
Vorteile und Nachteile des Kruskal-Wallis-Tests
| Vorteile | Nachteile |
|---|---|
| Keine Normalverteilungsannahme | Keine Angabe, welche Gruppen sich unterscheiden |
| Robust gegenüber Ausreißern | Geringere Teststärke im Vergleich zur ANOVA bei Normalverteilung |
| Anwendbar bei ordinalen Daten | Post-hoc-Analysen erforderlich |
Wichtig
Bei signifikantem Ergebnis des Kruskal-Wallis-Tests sollten Post-hoc-Tests wie der Dunn-Test durchgeführt werden, um herauszufinden, welche Gruppen sich signifikant unterscheiden.
Zusatzinformationen
Begriff: Kruskal-Wallis-Test
Testtyp: Nichtparametrisch
Anwendungsbereich: Vergleich von mehr als zwei unabhängigen Stichproben
Voraussetzungen: Unabhängige Stichproben, ordinalskalierte oder metrische Daten, keine Normalverteilungsannahme
Teststatistik: H-Statistik basierend auf Rangwerten
Hypothesen: H0: Alle Stichproben stammen aus der gleichen Verteilung; H1: Mindestens eine Stichprobe unterscheidet sich
Alternativen: Einweg-ANOVA bei Normalverteilung
Post-hoc-Tests: Dunn-Test, Conover-Test
Synonyme und alternative Bezeichnungen
Häufige Fragen zu Kruskal Wallis Test
Wann wird der Kruskal-Wallis-Test angewendet?
Er wird verwendet, um Unterschiede zwischen drei oder mehr unabhängigen Stichproben zu prüfen, wenn die Daten nicht normalverteilt sind oder ordinalskaliert vorliegen.
Welche Voraussetzungen müssen erfüllt sein?
Unabhängige Stichproben und mindestens ordinalskalierte Daten sind erforderlich. Eine Normalverteilung der Daten ist nicht notwendig.
Was zeigt ein signifikanter Kruskal-Wallis-Test an?
Er zeigt an, dass mindestens eine Gruppe sich signifikant von den anderen unterscheidet.
Wie interpretiert man die Teststatistik H?
Die H-Statistik wird mit einem kritischen Wert aus der Chi-Quadrat-Verteilung verglichen. Liegt H darüber, wird die Nullhypothese verworfen.
Welche Alternativen gibt es zum Kruskal-Wallis-Test?
Bei normalverteilten Daten kann die Einweg-ANOVA verwendet werden. Für zwei Gruppen ist der Mann-Whitney-U-Test eine Alternative.
Sind Post-hoc-Tests nach dem Kruskal-Wallis-Test notwendig?
Ja, um festzustellen, welche Gruppen sich unterscheiden, sind Post-hoc-Tests wie der Dunn-Test erforderlich.
Kann der Kruskal-Wallis-Test bei kleinen Stichproben verwendet werden?
Ja, der Test ist auch bei kleinen Stichproben anwendbar, allerdings kann die Teststärke eingeschränkt sein.
Quellen & weiterführende Informationen
Quellenvorschläge und Nachweise zum Artikel. Bitte externe Inhalte eigenständig prüfen.
- 01Multiagentensysteme: Grundlagen und Anwendungen ↗
Grundlagen und Anwendungen des Kruskal-Wallis-Tests
https://www.springer.com/de/book/9783662561234 - 02Nichtparametrische Verfahren in der Statistik ↗
Theoretische Grundlagen und Beispiele
https://www.springer.com/de/book/9783662521233 - 03Kruskal-Wallis-Test – Statistik verstehen ↗
Anwendungsbeispiele und Interpretation
https://www.statistik-portal.de/kruskal-wallis-test
Diese Seite in Zahlen
Alle Werte in diesem Abschnitt beziehen sich ausschließlich auf diesen Artikel.
Wissensplattform in Zahlen
Diese Werte beziehen sich auf die gesamte Plattform und alle veröffentlichten Artikel.