Article
Nichtparametrische Analyse faktorieller Experimente
Search Medline for
Authors
Published: | September 2, 2009 |
---|
Outline
Text
Die meisten Versuche und Studien in den Biowissenschaften haben eine faktorielle Struktur, d.h. mehrere Faktoren beeinflussen gleichzeitig den interessierenden Messwert. Des Weiteren werden häufig nicht – normalverteilte Daten (wie z.B. ordinale Daten) erhoben, so dass die Anwendung parametrischer Verfahren nicht gerechtfertigt ist.
In der Literatur haben sich Rangverfahren als Auswertungsmethode faktorieller Studien durchgesetzt [1], [2]. Die Hypothesen werden hier in den Verteilungsfunktionen gestellt [3], [4], [5]. Die Interpretation möglicher Alternativen ist sehr abstrakt.
Die Verteilungsaussage der Prüfgrößen beruht auf der (asymptotischen) Verteilung von Punktschätzern relativer Effekte pi, die anschaulich interpretierbar sind: Sie bezeichnen die Wahrscheinlichkeit, dass eine zufällige Messung der Stichprobe i zu kleineren Werten als eine zufällige Messung aller anderen Stichproben tendiert.
In diesem Vortrag stellen wir Testverfahren zum Überprüfen von Hypothesen in relativen Effekten in faktoriellen Studien vor. Als Motivation wird ein reales Datenbeispiel ausgewertet.
Literatur
- 1.
- Kruskal WH. A nonparametric test for the several sample problem. Annals of Mathematical Statistics. 1952;23:525--540.
- 2.
- Brunner E, Munzel U. Nichtparametrische Datenanalyse. Berlin: Springer; 2002.
- 3.
- Akritas MG, Arnold SF. Fully nonparametric hypotheses for factorial designs I: multivariate repeated measures designs. Journal of the American Statistical Association. 1994;89:336-343.
- 4.
- Akritas MG, Arnold SF, Brunner E. Nonparametric hypotheses and rank statistics for unbalanced factorial designs. Journal of the American Statistical Association. 1997;92:258-265.
- 5.
- Akritas MG, Brunner E. A unified approach to rank tests for mixed models. Journal of Statistical Planning and Inference. 1997;61:249-277.