Auf dieser Seite gibt es einige Tipps und Tricks zur Statistik. Dabei behandle ich vor allem Themen, die bei mir in der statistischen Beratung sehr häufig auftauchen, weil zum Beispiel Doktorandinnen und Doktoranden viel danach fragen (zum Beispiel: Auswahl des richtigen Tests).
Datentypen: nominal, ordinal oder metrisch?
Ich sage es in meinen Inhouse-Schulungen zur Datenanalyse immer: Das Wichtigste, das man jemals im Bereich der Datenanalyse oder Statistik lernen kann, ist die Frage nach dem Datentyp. Für jede Datenanalyse ist der Datentyp von zentraler Bedeutung, da das korrekte Vorgehen (Kennzahlen, Methodenwahl, grafische Darstellungen etc.) immer vom Datentyp abhängt.
In der Statistik-Vorlesung haben Sie vielleicht eine etwas längere Liste an Datentypen gelernt, aber ganz ehrlich: Wirklich relevant ist (fast immer) nur die Unterscheidung der drei Datentypen
- nominal: Kategorien ohne Rangfolge
- ordinal: Kategorien mit Rangfolge
- metrisch: echte Zahlen
Auswahl des korrekten statistischen Tests
Die Auswahl, welcher statistische Test der richtige ist, gehört mit Sicherheit zu den häufigsten (und schwierigsten) Problemen bei statistischen Auswertungen. Entsprechend oft ist das ein wichtiges Thema in meiner statistischen Beratung für Doktorand:innen.
Auf die Frage nach dem richtigen Test ist meine Antwort zumeist: „Das lässt sich so nicht sagen, ich brauche mehr Hintergrundinformationen zur Datenerhebung und zum eigentlichen Zweck der Analyse. Und ich muss mir die Daten erst angesehen haben.“
Warum das so ist, das erfahren Sie hier:
Überprüfen der Normalverteilungsannahme
Wohl kaum ein anderer Bereich der Statistik ist stärker von Missverständnissen geprägt als das Thema der Normalverteilungsannahme. Generell wird die Bedeutung der Normalverteilungsannahme vielfach überschätzt. Dank des zentralen Grenzwertsatzes kommt es nicht darauf an, dass die Daten wirklich normalverteilt sind. Die Daten dürfen nur nicht zu schief verteilt sein und es darf keine allzu schlimmen Ausreißer geben. Aus diesem Grund sind Normalverteilungs-Tests wie der Shapiro-Wilk-Test kaum geeignet, um die Anwendbarkeit zum Beispiel eines t-Tests zu prüfen. Der Test prüft nicht das, worauf es ankommt. Folglich bedeutet ein signifikantes Ergebnis beim Shapiro-Wilk-Test nicht automatisch, dass eine nichtparametrische Alternative zum t-Test verwendet werden muss. Andererseits bedeutet ein nicht-signifikantes Ergebnis beim Shapiro-Wilk-Test keineswegs, dass der t-Test bedenkenlos anwendbar wäre.
Einlesen von Daten in die Software R
Der Einstieg in statistische Auswertungen mit der Software R fällt vielen erstmal schwer. Die größte Hürde ist dabei zu Beginn sicherlich das Einlesen der Daten. Um Ihnen den Einstieg etwas zu erleichtern, habe ich hierzu ein ausführliches Video erstellt:
