F-Test (Varianzvergleich) in Excel durchführen - Daten analysieren in Excel (18)

[@swenehnert8227]

Hallo, vielen Dank erstmal für die hilfreichen Videos. Die sind echt super. Ich hätte aber mal noch eine Frage zu den Excel-Funktionen F.TEST und T.TEST. Was für einen Wert geben denn diese Funktionen aus und wie interpretiert man den. Wie hängen die Werte mit den F-Test und T-Test Ergebnissen zusammen, die man über das Datenanalyse-Tool von Excel erhält. Die Werte passen nämlich zu keinem der Werte, die vom Datananalyse-Tool ausgegeben werden. Vielen Dank schonmal im Voraus.

[@fetteameise]

gut erklärt!

[@jkoamot3585]

Danke für das Video! Wie erstellt man nach dem F-Test die F-Teststatistik?

[@AdamBrody18]

Hallo, ich stehe gerade auch vor einem Rätsel.. Bei mir ist zwar ide Prüfgröße > als der kritische F-Wert, jedoch ist der P-Wert ebenfalls P-Wert > Alpha. Widerspricht sich das nicht ein wenig? Ich hatte es vom Video her so verstanden, dass man mit dem P-Wert noch mal sein Ergebnis "überprüfe" könne, aber dieser sagt ja nun das Gegenteil aus? Wo ist mein Denkfehler oder wie sind meine Ergebnisse zu deuten? Über eine Antwort würde ich mich wirklich sehr freuen. Deine Videos sind super hilfreich! Liebe Grüße

[@StatistikamPC_BjoernWalther]

Hallo Karen, kannst du deine Stichproben bzw. Gruppen, die du für den F-Test verwendest, ein bisschen genauer beschreiben, damit ich nicht so ganz ins Blaue raten muss? Viele Grüße, Björn.

[@AdamBrody18]

Hallo Björn, danke für deine schnelle Antwort. Also an sich möchte ich einen unabhängigen T-test berechnen zwischen einer Gruppe von Männern und einer Gruppe von Frauen. Die Samplegrößen sind jedoch so unterschiedlich, dass ich zuerst checken muss, ob die Varianzen gleich sind. Dazu habe ich einen F-Test berechnet. Prüfgröße (F) = 0,898783613565169 P (einseitig) = 0,394118498928274 Kritischer F-Wert beim einseitigen Testen = 0,56136451416628 Nun frage ich mich wie mein Ergebnis zu deuten ist. In deinem Video hatte ich es so verstanden, dass Prüfgröße (F) > Kritschem F Wert sein müsste, damit ich die Nullhypothese verwerfen muss. Dieses lässt sich auch am P-Wert ablesen, der signifikant ist. (So habe ich es aus deinem Video verstanden) Daraus hatte ich geschlussfolgert, dass man entweder auf die F-Werte schauen kann oder auf den P-Wert, um zu bestimmen, ob man die Nullhypothese oder die Alternativhypothese annehmen muss. Jedoch ist es bei meinen Ergebnissen nun so, dass ebenfalls die Prüfgröße (F) > Kritischem F-Wert ist. Was nun vermuten lässt, dass ich die Nullhypothese ablehnen muss. Jedoch ist mein P-Wert NICHT signifikant. Dies würde meinem Verständnis aus deinem Video ja widersprechen. Welcher Wert bzw. Vergleich ist nun ausschlaggebend? Liegen bei mir gleiche Varianzen vor oder nicht? Über eine Antwort würde ich mich sehr freuen! Falls du noch mehr Infos brauchst, sag gerne Bescheid. Danke! :)

[@michaelkogler5177]

@@AdamBrody18 Ich habe eben auch so einen Fall. Wie wurde Dein Fall nun ausgelegt? Danke!

[@michaelkogler5177]

Ach so, größere Varianz muss V1 sein. Korrekt?

[@SV-nd7uq]

@@AdamBrody18 hi, stehe vor dem selben Problem. Wurde das Problem gelöst ?

[@clarastockmann8893]

Hey :) danke für das Video. Ich habe folgendes Problem: ich rechne meine empirischen Daten gegen eine Normstichprobe von der ich nur die Varianz und n habe. Ich rechne hier auf Einzelitemebene und muss daher 12 f-tests durchführen. Um einer alphafehlerkumularion entgegenzuwirken muss ich eigentlich jetzt noch eine bonferroni-holm Korrektur über alle p-werte rechnen. Jetzt habe ich bisher aber nur die kritischen f-werte mit meiner Teststatistik vergleichen können und darauf kann ich ja nicht bonferroni-holm-korrigieren. Wie bekomme ich denn jetzt die genauen p-werte des jeweiligen Tests raus? Danke für eine Antwort!!

[@StatistikamPC_BjoernWalther]

Hallo Clara, die F-Statistik ist mit dem kritischen F-Wert zu vergleichen. Der senkt sich natürlich für jeden zusätzlichen Vergleich. Du kannst neben den Tabellen, die du irgendwann nicht mehr finden wirst die Formel "=F.INV" verwenden. Als Wahrscheinlichkeit trägst du 1-Alpha ein und die Freiheitsgrade sind ja die selben. Alternativ kannst du die "F.VERT"-Funktion nehmen. Du schreibst 1-F.VERT(Prüfgröße, Df1, Df2, WAHR). Dann hast du die Signifikanz, die du nun aber noch anpassen musst. Viele Grüße, Björn.

[@leoniehummel7157]

Hallo, das Video ist super. Jetzt bin ich mir nur nicht sicher, ob es relevant ist welche Gruppe ich beim F-Test als erste und welche als zweite angebe. Ich habe es ausprobiert und bei mir kommen unterschiedliche Ergebnisse raus. Denn je nach dem wie rum ist einmal F größer und einmal keiner als der kritische F-Wert. Wie muss ich da vorgehen? Vielen Dank für die Hilfe. :-)

[@StatistikamPC_BjoernWalther]

Hallo Leonie, Danke für das Lob! :-) Prinzipiell ist die Prüfgröße der Quotient aus der Varianz der ersten Variable und der zweiten Variable. Wenn du die Variablen in ihrer Reihenfolge vertauschst, ändert sich auch der Quotient und damit die Prüfgröße. Der kritische Wert ist dann ebenfalls das inverse. Prinzipiell kannst du frei entscheiden, welche deine erste Variable ist, du solltest aber die Variable als erste nehmen, bei der du die größere Varianz vermutest, weil deine Alternativhypothese standardmäßig so gestellt ist. Solltest du die Reihenfolge der Variablen umdrehen, musst du auch die Alternativhypothese umdrehen, demnach muss die Prüfgröße kleiner als der kritische Wert sein, um signifikante Unterschiede nachzuweisen. Die F-Tabelle ist übrigens für den Fall aufgestellt, dass die Varianz der 1. Variable größer ist als die der 2. Variable, wie im Video auch zu sehen ist. Hilft dir das? Viele Grüße, Björn

[@leoniehummel7157]

super vielen Dank. Du hast mir sehr geholfen. :-)

[@floriansilvaalegria7137]

vielen Dank für die Erklärung, hatte die gleiche Frage und besten Dank für all Deine Videos @@StatistikamPC_BjoernWalther

[@naomikoch6666]

Hallo! Müssen meine Stichproben unabhängig sein? Habe eine Stichprobe > 100, abhängig. Liebe Grüße :)

[@StatistikamPC_BjoernWalther]

Hallo Naomi, Voraussetzungen für einen F-Test sind 1) normalverteilte Daten, 2) unabhängige Stichproben und 3) metrisch skalierte Variablen. Steht auch in der Beschreibung des Videos. ;-) Viele Grüße, Björn.

[@naomikoch6666]

kann ich dann die Varianzhomogenität nur mittels Levene-Test prüfen?

[@StatistikamPC_BjoernWalther]

Was ist denn dein Untersuchungsziel? Viele Grüße, Björn.

[@naomikoch6666]

ich brauche die Varianzhomogenität, da ich einen t-Test, andernfalls Welch-Test durchführen will. Die Voraussetzungen sind gegeben, bis auf die Varianzhomogenität, welche ich wohl fälschlicherweise mit dem F-Test getestet habe. Liebe Grüße.

[@StatistikamPC_BjoernWalther]

Hallo Naomi, nur bei unabhängigen Stichproben ist Varianzhomogenität notwendig, bei einem Mittelwertvergleich bei abhängigen Stichproben können die Varianzen auch ungleich sein. Viele Grüße, Björn.