Wie teste ich Daten auf Normalverteilung (grafisch, analytisch)? - Daten analysieren in SPSS (17)

[@justjoe1669]

Du rettest meine Bachelorarbeit, sie bedankt sich ganz herzlich

[@StatistikamPC_BjoernWalther]

Freut mich! Grüße an die BA! ;-)

[@jakobschatt834]

Diese Videos sind einfach der Hammer! So schön nachvollziehbar und verständlich! Bitte immer weiter machen

[@StatistikamPC_BjoernWalther]

Hallo Jakob, danke für dein Lob! Das motiviert natürlich weitere Videos zu erstellen. Viele Grüße, Björn.

[@stefzen6930]

Ich bin so begeistert diesen Kanal gefunden zu haben! DANKE für deine ARBEIT & ZEIT - das hilft mir gerade so sehr!!! :D

[@StatistikamPC_BjoernWalther]

Hallo Stef, freut mich, wenn dir meine Videos weiterhelfen! Viele Grüße und weiterhin viel Erfolg in der Statistik Björn

[@magdalenalackner7626]

Diese Videos sind einfach Wahnsinn. Vielen vielen Dank für den kostenlosen Input. Schreibe gerade meine Doktorarbeit im Medizinstudium und wäre ohne Dich wirklich verloren. Empfehle das jeden Mitstudierenden weiter!! Du machst es alles leichter! LG!!😊

[@StatistikamPC_BjoernWalther]

Hallo Magdalena, freut mich zu hören, dass dir meine Videos helfen und du sie weiterempfiehlst. :-) Über meine Homepage und deren Inhalte bist du ja sicher auch schon gestolpert. ;-) Viele Grüße und viel Erfolg weiterhin! Björn

[@finn8579]

Du bist gerade mein Lebensretter für meine Statistikklausur. Danke!

[@StatistikamPC_BjoernWalther]

Hallo Firewings, freut mich, wenn dich das/die Videos voranbringen. ;-) Viele Grüße, Björn.

[@sebastianortmann]

Richtig starkes Video! Für alle, die an Statistik verzweifeln, aber ganz akut Hilfestellung benötigen genau die richtigen Schwerpunkte gesetzt.

[@StatistikamPC_BjoernWalther]

Hallo Sebastian und danke für die lobenden Worte! Freut mich, wenn du die Videos hilfreich findest! :-) Viele Grüße, Björn.

[@angelikasiegl4146]

Die Videos sind großartig gemacht und auch für Laien sehr gut verständlich. Ich war anfangs unsicher, wie ich die quantitative Auswertung zu meiner Master Thesis schaffen soll, aber mit Hilfe deiner Videos hat sich eine Frage nach der anderen geklärt. SPSS ist mir richtig vertraut geworden! Heute habe ich meinen empirischen Teil abgeschlossen - DANKE!

[@vooo9500]

Not all heros wear capes!

[@LoloHelloElo]

Vielen Dank dafür! Es ist alles so einfach erklärt, ich habe das Gefühl, dass ich alles verstanden habe!

[@OrlOko]

Toller Erklär-Stil und sehr übersichtliche Darstellung !

[@fine33]

Danke für deine Videos, es hilft mir gerade so sehr bei meiner Masterarbeit! In der Vorlesung hatte ich nur die Hälfte verstanden weil mir alles zu schnell ging und zu viel Input auf einmal war. Dein Video kann ich zum Glück immer wieder zurückspulen und keiner ist genervt 😁

[@StatistikamPC_BjoernWalther]

Freut mich, wenn ich helfen konnte! ;-) Viele Grüße, Björn.

[@exceptionnellle]

Danke für dieses informative Video. Hat mir sehr geholfen. Herzlichen Dank 🌻

[@georghoffmann2449]

Deine Videos haben mir sehr bei meiner Masterarbeit geholfen. Vielen Dank!

[@StatistikamPC_BjoernWalther]

Das freut mich sehr und vielen Dank für den Super Thanks, Georg! Viele Grüße, Björn.

[@gretka3789]

Tausend Dank für deine Videos! Sie helfen wirklich sehr!!

[@frolleinneubeginn1715]

Super danke, dass du das so toll erklärst! :-)

[@StatistikamPC_BjoernWalther]

Gerne, danke für dein Lob! :-) Viele Grüße, Björn.

[@franziskabockisch6154]

You made made my day. DAAAANKE für deine Videos.

[@danieldings296]

Das ist so cool dass Sie diese Videos alle machen. Es hilft mir gerade sehr👍 Danke

[@StatistikamPC_BjoernWalther]

Hallo Daniel, danke für dein Lob! Viele Erfolg weiterhin! Viele Grüße, Björn.

[@piaw.1709]

Mega vielen Dank für deinen Content!!! Einfach hammer!

[@WalkingLISAsterArea]

Sehr gut nchvollziehbar erklärt. Mithilfe Deiner Videos bringe ich mir nach Möglichkeit selbst statistische Auswertungen mittels SPSS bei. In unserem Projekt benötigen wir davon deutlich mehr, als wir bisher im Rahmen unseres Studiums vermittelt bekommen haben/ bekommen konnten. Daher herzlichen Dank für diese tolle Arbeit!

[@StatistikamPC_BjoernWalther]

Freut mich, wenn dir meine Videos helfen! Viel Erfolg weiterhin und viele Grüße,! Björn

[@johannestolle9164]

Sehr schönes Video, hat mir sehr geholfen. Vielen Dank!

[@StatistikamPC_BjoernWalther]

Hallo Johannes, danke für dein Lob! Viele Grüße, Björn.

[@PeterNeuwerkmann]

Die besten Videos auf KZbin!!

[@StatistikamPC_BjoernWalther]

Freut mich zu hören! :-) Viele Grüße, Björn.

[@GuitarGoone]

4:20 der running gag in jeder Statistikübung

[@Angelusloco15]

Großartig erklärt! Vielen Dank!!!!

[@StatistikamPC_BjoernWalther]

Dankeschön! :-) Viele Grüße, Björn.

[@TheExecuter94]

Hallo, vielen Dank erstmal für dein Video! Bei mir ändert sich allerdings die Signifikanz beim Shapiro Wilk Test, je nachdem wieviele Variabeln ich hinzufüge. Ich weiß nun nicht, welchen Ergebnissen ich trauen soll oder ob ich alles einzeln testen muss..

[@StatistikamPC_BjoernWalther]

Hallo, der p-Wert ändert sich quasi immer, wenn sich die Anzahl an Beobachtungen ändert - das gilt für alle statistischen Hypothesentests. Der p-Wert wird zudem stets kleiner, wenn die Anzahl der Beobachtungen steigt (sofern es kein Effekt von genau 0 ist). Das ist eine Folge größerer Power (=Teststärke). Um dir aber noch einen konkreten Rat zu geben: schätze dein vollständiges Modell (ich vermute, das tust du, deinem Kommentar nach) und verwende dessen Residuen zur Prüfung auf Normalverteilung. Am besten mittels Q-Q-Plot. Siehe hierzu auch meine Blogbeitrag und das darin am Ende verlinkte Video: bjoernwalther.com/kolmogorov-smirnov-und-shapiro-wil-test-nur-bedingt-einsetzbar/ Viele Grüße, Björn.

[@MultiMo73]

Lieber Björn Vielen Dank für Ihre lehrreichen Videos! Ich habe eine dumme Frage: Ich werte einen Fragebogen aus dem Bereich Psychologie mit 60 Items aus (habe 2 unabhängige, kleine Stichproben n > 30). Die Items habe ich zu verschiedenen Kategorien zusammengefasst und teste auf Unterschiede der beiden Gruppen. Teste ich nun die gruppierten Kategorien der beiden Gruppen, so habe ich in allen Kategorien eine Normalverteilung. Teste ich alle Items der beiden Gruppen einzeln, so liegt bei manchen keine Normalverteilung vor (also wie erwartet kann hier die H0 verworfen werden). Ich möchte ja aber nicht alle Items einzeln, sondern die gruppierten testen und habe damit in allen Kategorien eine Normalverteilung. Das verstehe ich nicht?! Kann dann zur weiteren Auswertung der T Test herangezogen werden und die Signifikanz /Unterschied dargestellt werden? Sorry für die komplizierte Frage, aber in meinem Fernstudium war Statistik nur ein marginaler Teil und aus Büchern lerne ich so was nicht. Danke und viele Grüsse Monika

[@StatistikamPC_BjoernWalther]

Hallo Monika, danke für dein Lob! Dumme Fragen gibt es nicht. ;-) Grundlegend ist der t-Test recht robust bei Abweichung der Normalverteilung. Jetzt ist die Frage, was normalverteilt sein muss. Beim t-Test bei abhängigen Stichproben sind es die Differenzen der zu testenden Variable (kzbin.info/www/bejne/haiXmY2hosSGrsU). Ansonsten ist beim t-Test für unabhängige Stichproben die abhängige Variable je Gruppe auf Normalverteilung zu testen. Wenn es jeweils deutliche Abweichungen gibt, solltest du daher lieber die nicht parametrische Alternative rechnen. Mann-Whitney (kzbin.info/www/bejne/sICQd2mOpsRnm80) oder Wilcoxon (kzbin.info/www/bejne/pKrMhmZsfqlnotk) Viele Grüße, Björn.

[@annikamartin162]

Erst mal vielen lieben Dank für die ganzen tollen Videos die wirklich super hilfreich sind! Mir fehlen leider noch einige Basics zum Thema Normalverteilung. Habe ich richtig verstanden, dass ich jede metrische Variable die ich habe und mit der ich statistische Tests machen will auf Normalverteilung in meiner Stichprobe prüfen muss bevor ich entscheiden kann welchen parametrischen Test ich machen kann? Was wenn eine Variable davon normalverteilt ist und die anderen nicht, dann kann ich nur nicht-parametrsiche Tests machen? Und was mache ich wenn ich vor allem kategoriale Variablen habe? Da weiß ich dann einfach nicht wie die Verteilung aussieht und ich kann sowieo nur nicht-parametrische Tests anwenden? Ich bin leider noch ziemlich verwirrt was das Thema angeht. Vielen Dank auf jeden Fall!

[@StatistikamPC_BjoernWalther]

Hallo Annika, danke für dein Lob! Bei parametrischen Tests sind es fast immer nur die Residuen, die normalverteilt sein müssen. Beim t-Test für unabhängige Stichproben ist es allerdings tatsächlich die abhängige Variable je Gruppe. Kurz gesagt: es hängt immer vom Test ab, was normalverteilt sein muss, zumeist die Residuen, wie bei der Regression. Die Variablen an sich müssen es fast nie sein. Viele Grüße, Björn.

[@kathrindruke3070]

Hallo Björn, vielen Dank für deine tollen Videos! Sie sind alle sehr hilfreich. :-) Ich habe eine Frage zu der Normalverteilung (ich arbeite allerdings mit R Studio): Für eine Variable, bei der eine 7 Stufige Likert Antwortskala vorliegt habe ich vor der Berechnung der Korrelationen / Regressionen die Normalverteilung erst einmal über ein Boxplot geprüft, hier wurden mir schon einige Ausreißer angezeigt. Anschließend habe ich einen Shapiro-Wilk Test vorgenommen, hier kam jedoch die Fehlermeldung " Fehler: $ operator is invalid for atomic vectors", habe es dann mit dem Anderson-Darling Test gemacht und keine Fehlermeldung mehr erhalten. Siehst du ein Problem darin, dass ich Anderson-Darling verwendet habe? Mein p value war kleiner als 0,05, daher gehe ich nicht von einer Normalverteilung aus. Habe ich neben dem Löschen der Variablen eine andere Alternative eine Regression zu berechnen? Falls die einzige Option Löschen der Ausreißer ist, wie kann ich mir in R anzeigen lassen, welche der Ausreißer oberhalb meines Boxplots und welche unterhalb liegen? Die Darstellung ist nicht sehr übersichtlich. Liebe Grüße Kathrin

[@Mehmet_2]

Können Sie bitte dehn Cramer von Mises test durchführen für testen der Normalität?

[@lucaasvn4639]

Hey, ich habe eine Verteilung mit Daten welche näher an 0 liegen als dein. Schiefe = 0,281 und Kurtosis = 0,074. Der Test auf Normalverteilung sagt aber nach Kolmogorov 0,002 und nach Shapiro-Wilk 0,040. Wie kann das sein?

[@StatistikamPC_BjoernWalther]

Hallo, du hast sicherlich eine größere Stichprobe, wo die Sensitivität der Tests höher ist und unbedeutende Abweichung als signifikant eingestuft werden. Lieber grafisch (Q-Q-Plot) verenden, der ist davon unbeeindruckt. Viele Grüße, Björn.

[@lucaasvn4639]

@@StatistikamPC_BjoernWalther Okay werde ich mal versuchen. Vielen Dank für deine Videos, waren unfassbar hilfreich!

[@Mimi-ks7hy]

Vielen Dank für deine super informativen Videos!! Ich hätte nur eine Frage: kann man zB. die Normalverteilung gruppenweise anzeigen lassen? Ich habe z.B. einen Datensatz, wo sie in 3 Gruppen aufgeteilt und auch kodiert sind. Wenn ich eine Normalverteilung prüfe gibt mir das Programm nur das gesamte wieder und nicht gruppenweise. Ich wäre sehr dankbar um eine Antwort. Bin mir sicher dass es sehr simpel sein muss...

[@esper7522]

Hallo, ich habe gestern in SPSS entdeckt, dass es einen weiteren KS-Test gibt, außer den unter "explorative Datenanalyse". Unter "nicht-parametrische Tests" gibt es noch "K-S-Test bei einer Stichprobe". Da kann man auch Normalverteilung messen. Was ist bei beiden der Unterschied? Ich kann ja mit der Methode unter der explorativen Datenanalyse ja eigentlich auch für eine Stichprobe testen und muss z. B. auch nicht nach einem Faktor (z. B. Geschlecht) trennen.

[@StatistikamPC_BjoernWalther]

Hallo Esper, ja, man kann auch über die nicht-parametrischen Tests gehen. Wie ich hier aber noch mal zeige, ist das Testergebnis mit Vorsicht zu genießen: kzbin.info/www/bejne/fnzZgH-ej5hpepI Viele Grüße, Björn.

[@esper7522]

@@StatistikamPC_BjoernWalther Hallo, abgesehen von dem Manko der großen Stichproben wollte ich eben wissen, ob es da einen Unterschied zwischen den beiden KS-Tests gibt. Ich habe nämlich mal bei beiden Versionen Variablen reingeschmissen und bei dem KS-Test, der bei den nicht-parametrischen Tests war, wurden zwei der 7 Variablen plötzlich normalverteilt. Eigentlich müsste es doch, wenn es dasselbe wäre, dasselbe Ergebnis erhalten, unabhängig von der Interpretation aufgrund großer Stichproben z. B. Abgesehen vom KS/SW Test ergaben bei mir auch die Histogramme und QQ-Diagramme nicht wirklich Normalverteilungen (N=270).

[@StatistikamPC_BjoernWalther]

Hallo Esper, die unterschiedlichen Ergebnisse liegen schlicht an den unterschiedlichen Berechnungen und sind ein weiterer Grund sich nahezu alleinig auf grafische Diagnose zu verlassen. Hierfür empfehle ich dir folgenden Artikel: B. W. Yap & C. H. Sim (2011) Comparisons of various types ofnormality tests, Journal of Statistical Computation and Simulation, 81:12, 2141-2155, DOI:10.1080/00949655.2010.520163 Viele Grüße, Björn.

[@hr-marketingtine4708]

Ich habe eine Frage: ich führe gerade für meine BA eine Multiple Regressionsanalyse mit 161 VPN durch. Habe 3 Prädiktoren und eine AV. Nun beim Prüfen der Voraussetzung bin ich darauf gestoßen, dass die Voraussetzung der Normalverteilung nicht gegeben ist.. Ich weiß nicht, was ich nun tun soll.. Habe gelesen Bootstrapping (finde aber keine gute Anleitung für SPSS), habe gelesen ist nicht so schlimm, wenn diese Voraussetzung verletzt ist.. Bin wirklich überfragt

[@StatistikamPC_BjoernWalther]

Hallo, sind die Residuen nicht normalverteilt? In 9 von 10 Fällen wird das mit Normalverteilung von UV+AV verwechselt. Viele Grüße, Björn.

[@jennynyr]

Deine Videos retten gerade meine Bachelorarbeit - Danke!😃 Aber eine Frage: Wenn ich einen t-Test für unabhängige Stichproben durchführe, muss ich vorher die Datei in die beiden Gruppen aufteilen und dann für jede Gruppe auf Normalverteilung prüfen oder?

[@luisboehm7465]

Ich habe die gleichen Schritte durchgeführt wie Du, jedoch bekomme ich bei den Daten der explorativen Analyse andere Werte für Schiefe und Kurtosis (bei gleichen Daten). Wie kann das sein?

[@StatistikamPC_BjoernWalther]

Hallo Luis, das sollte eigentlich nicht sein. Bist du sicher, das es die selben Daten sind? Hast du dir die Arbeit gemacht sie abzutippen? Viele Grüße, Björn.

[@MElman-bo1vp]

Das Problem habe ich leider auch! könntest du mir verraten, ob und wie du das Problem gelöst hast?

[@anna-lena3226]

Sehr sehr gute Erklärung und sehr hilfreiches Video :) Eine Frage. Wenn ich 2 Variablen/ Gruppen habe, die ich auf Normalverteilung teste und eine normalverteilt ist, die andere aber nicht normalverteilt ist, was nehme ich dann an? Ich möchte die beiden Gruppen ja vergleichen. Liebe Grüße und vielen Dank im Voraus.

[@StatistikamPC_BjoernWalther]

Hallo Anna, in dem Fall solltest du prüfen ob Bootstrapping beim t-Test für unabhängige Stichproben eine Alternative ist. Ansonsten bleibt dir immer noch die nichtparametrische Alternative, der Mann-Whitney-Wilcoxon-Test. Viele Grüße, Björn.

[@lynelaus]

Hallo, vielen Dank für das Video. Gibt es eine Quelle für die Cut-off Werte der ZSchiefe und ZKurtosis?

[@StatistikamPC_BjoernWalther]

Hallo Evelyn, z.B. Kerr et al. (2002) Doing Statistics With SPSS, S. 50-52. Viele Grüße, Björn.

[@simonausting1810]

Moin Björn, meine Gruppen, die ich auf Normalverteilung testen möchte, haben jeweils immer nur 3 Werte. Beim Kolmogorov-Smirnov-Test bleibt das Signifikanzfeld dann einfach leer. Beim Shapiro-Wilk-Test beträgt die Signifikanz bei der ersten Gruppe 1,0, damit muss die HO dann ja angenommen werden, die Werte sind normalverteilt. Ich verlass mich also einfach auf den Shapiro-Wilk-Test und fertig? Vielen Dank für deine Hilfe, die Videos sind echt super.

[@StatistikamPC_BjoernWalther]

Hallo Simon, dein Kommentar schien irgendwie durchgerutscht zu sein. Bei 3 Werten kann man eigentlich keinen sinnvollen Test auf Normalverteilung machen, weil bei 3 Werten faktisch keine Normalverteilung vorliegen kann. Entweder kommen alle Ausprägungen einmal, eine Ausprägung dreimal oder eine Ausprägung zweimal und eine Ausprägung einmal vor. Du solltest auf einen nichtparametrischen Test zurückfallen, sonst kommt Murks bei deinen Ergebnissen raus. Viele Grüße, Björn.

[@chrisbod4564]

Ist das bei vier Werten auch so? Denn bei mir sind laut Tests auch alle bei ,000. Grafisch sieht es ganz passabel aus. Vielen dank schon mal für die Antwort.

[@lenazeller6477]

Welchen Korrelations-Test nehme ich denn her, wenn eine der beiden Variablen nicht normalverteilt ist und die andere aber schon? Nehme ich dann den Spearman bzw. Kendall-Test?

[@StatistikamPC_BjoernWalther]

Hallo Leni, im Zweifel lieber Spearman statt Pearson nehmen, gerade wenn keine bivariate Normalverteilung (die Variablen an sich können beliebig verteilt sein) vorliegt. kzbin.info/www/bejne/kIHSioCcrZWUf7s Viele Grüße, Björn.

[@camillamorabito9814]

Hallo vielen Dank für das tolle Video! Ich hätte aber noch eine Frage, die mich mittlerweile in den Wahnsinn treibt, weil ich keine passende Lösung finde. Ich habe zwei Stichproben à 329 und 164 auf die Normalverteilung geprüft. Beide Tests zeigen auf, dass keine Normalverteilung vorliegt. Aber wenn ich das Q-Q- Diagramm anschaue, sind die Punkte sehr eng bei der Linie. Wie muss ich das interpretieren? Habe ich jetzt eine Normalverteilung oder nicht? Vielen Dank im Voraus.

[@StatistikamPC_BjoernWalther]

Hallo Camilla, die Tests sind bei großen Stichprben wie deinen nicht mehr zu gebrauchen: kzbin.info/www/bejne/fnzZgH-ej5hpepI Viele Grüße, Björn.

[@vrnmr-f2y]

Hallo :) ich gucke gerade - etwas verheult, weil SPSS mich zuvor schier verrückt gemacht hat - deine Videos und hatte gerade soooo viele "Ahaaa"-Momente... DANKE!!! Als Statistik-Neuling habe ich aber trotzdem ein paar doofe Fragen... :/ Meine Variable in einer Umfrage war im Stil einer Likert-Skala aufgebaut und hat die Antwortmöglichkeiten 100%,75%,50%,25% und 0% enthalten. Gleich die erste Frage: darf ich das als Metrisch bewerten? Und falls ja: was mache ich, wenn diese Daten dann nicht normalverteilt sind? Anders herum: wenn das ein ordinales Skalenniveau ist, was tu ich dann? Kann ich das irgendwie umwandeln, dass es doch metrisch wird? LG!

[@dirkrolfes6664]

Habe eine Frage: Wenn ich das Alter auf Normalverteilung prüfe und in meinem Fragebogen aber nur Personen mitmachen dürfen, die zwischen 18 und 65 sind, muss ich SPSS das mitteilen? Also dass ich per se einen "Cut" ab 18 und bei 65 habe? Wisst ihr, was ich meine?

[@StatistikamPC_BjoernWalther]

Hallo Dirk, nein, das spielt keine Rolle. Viele Grüße, Björn.

[@therightsidebrain9903]

Danke für dieses tolle Video! Leider habe ich dadurch erkannt, dass ich die einfaktorielle Varianzanalyse nicht anwenden kann, weil meine Daten nicht normalverteilt sind. Hat einer vielleicht eine Idee welches Verfahren ich stattdessen nehmen sollte? Vielleicht den Kruskal Wallis Test? Ich habe eine nominal skalierte UV in 4 verschiedenen Ausprägungen und eine intervallskalierte AV.

[@StatistikamPC_BjoernWalther]

Hallo, du kannst alternativ den Kruskal-Wallis-Test rechnen. Wenn deine Residuen nur geringfügig von der Normalverteilung abweichen, kannst du aber auch trotzdem eine ANOVA rechnen, da diese in dem Fall noch recht robust ist. Wenn deine Stichprobe recht groß ist, kann der analytische Test auch zu falschen Schlüssen führen: kzbin.info/www/bejne/fnzZgH-ej5hpepI Evt. lohnt sich daher ein zweiter Blick. Viele Grüße, Björn.

[@troth2355]

Hi :) erstmal 1000 Dank für deine mega hilfreichen Videos!!! So kann ich trotz Corona meine statistische Auswertung angehen! Nun aber eine Frage.. wenn ich meine Variablen auf Normalverteilung testen möchte über die explorative Datenanalyse erscheint im Output die Anzahl der verarbeiteten Fälle. Hier werden mir aber jede Menge fehlende Fälle angezeigt, obwohl meine Variable keine fehlenden Fälle besitzt. Weiß du zufällig was da passiert ist? Viele Grüße

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Freut mich, wenn du mit den Videos in dieser Ausnahmezeit vorankommst! Das hört sich danach an, als ob unter deinem letzten Fall noch leere Fälle exisiteren. Die erkennst du an dem . in der jeweiligen Zelle. Die kannst du einfach vorn über die Nummer markieren und löschen. Viele Grüße, Björn.

[@JJ-sz8wf]

Wie zitiere ich die Rechnung?

[@themultibigo]

Bei mir zeigt die Glockenkurve eine Normalverteilung der Variable an und der Shapiro Wilk sagt mir das es keine Normalverteilung gibt. Was kann ich tun? Gehe ich eher von einer Normalverteilung aus oder vertraue ich dem Shapiro test?

[@StatistikamPC_BjoernWalther]

Hallo Paul, in diesem Video diskutiere ich das ausführlich: kzbin.info/www/bejne/fnzZgH-ej5hpepI Kurz gesagt aber immer auf die grafische Auswertung schauen, warum erzähle ich auch ausführlich mit Beispielen im Video. Viele Grüße, Björn.

[@themultibigo]

@@StatistikamPC_BjoernWalther super Danke dir!😊

[@adsbjoern]

Vielen Dank für deine Videos, die sind wirklich super hilfreich! Eine Frage habe ich zu dem Video: Meine Stichprobe ist relativ klein (je nach Variable liegt das n zwischen 7 und 12). Nun habe ich mir zunächst Schiefe & Kurtosis angeschaut. Am nächsten der 0, ist eine Variable mit Schiefe -0,21 und Kurtosis -1,234 bzw. eine andere mit Schiefe -0,403 und Kurtosis -1,098. Alle anderen Werte sind noch höher, weshalb ich eine Normalverteilung zunächst ausgeschlossen habe. Auch nach Betrachtung der Q-Q-Diagramme hätte ich eine Normalverteilung ausgeschlossen. Nun liegt aber laut Shapiro-Wilk-Test bei vier Variablen eine Normalverteilung vor (Werte von 0,281 und höher) und laut Kolmogorov-Smirnov-Test sogar bei sechs Variablen! Lehne ich nun eine Normalverteilung aufgrund der Werte bei Schiefe & Kurtosis sowie der Q-Q-Diagramme ab oder vertraue ich trotzdem auf die Ergebnisse des Shapiro-Wilk-Tests und nehme jedenfalls bei den vier Variablen eine Normalverteilung an? Vielen Dank im Voraus!

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Bei so einer kleinen Stichprobe würde ich mich eher auf eine visuelle Prüfung (z.B. Histogramm, Q-Q-Plot) verlassen. Die analytischen Tests sind zwar objektiver, aber bei sehr großen und sehr kleinen Stichproben kommt es häufig zu Fehler 1. bzw. 2. Art. Viele Grüße, Björn.

[@adsbjoern]

Sehr cool, vielen Dank für deine zeitnahe Antwort! :) Freundliche Grüße aus Hannover!

[@Mehmet_2]

Wie viel Beobachtungen mindestens muss man haben um dehn Jarque-Bera test durchzuführen zu können?

[@StatistikamPC_BjoernWalther]

Hallo, >50 sind empfehlenswert, darunter verliert man Power: Thadewald, Thorsten; Büning, Herbert (2004) : Jarque-Bera test and its competitors for testing normality. Mit zunehmender Stichprobengröße begeht man allerdings zunehmender Fehler 1. Art: Lantz, B. (2013). The large sample size fallacy. Scandinavian journal of caring sciences, 27(2), 487-492. Viele Grüße, Björn.

[@Mehmet_2]

@@StatistikamPC_BjoernWalther In welchem Bereich muss meine Stichproben größe sein? Zumbeispiel sollte meine Stichproben größe zwischen 50

[@StatistikamPC_BjoernWalther]

Die Stichprobe sollte für Analysen immer so groß wie möglich sein (Stichwort: Power). Ist sie >50 würde ich aber aufgrund der o.g. Quelle keinen Test zur Diagnose von Normalverteilung oder ähnlichem rechnen, weil unbedeutende Abweichungen bereits zur Verwerfung der Normalverteilung führen werden. Ein Q-Q-Diagramm ist hier die beste Wahl. Viele Grüße, Björn.

[@Mehmet_2]

Sehr vielen Dank für die Antworte. Ich habe eine Stichpribengröse von 65 Beobachtungen. Ist es in ordnung dehn JB test durchzuführen?

[@BlubbFischIch]

Vielen dank für die tollen Videos, damit habe ich die Hoffnung meine Statistik hinzubekommen nicht ganz verworfen. Was mache ich denn nun, wenn meine Analyse nach Kolmogorov für zwei Variablen nur knapp mit 0,058 bzw 0,078 eine Normalverteilung suggeriert, Shapiro test mit 0,006 und

[@BlubbFischIch]

Der Q-Q Plot weicht erst in den Randgebieten von der Linearen ab.... im unteren bis mittleren Bereich läuft es schön auf der linearen...

[@StatistikamPC_BjoernWalther]

Bei n von 150 ist die Chance recht groß mit dem K-S-Test einen Fehler 1. Art zu begehen. Grafisch ist hier die vorzuziehende Methode der Beurteilung. An den Rändern hat man immer Abweichungen, die Frage ist, wie viele und wie gravierend sind jene? Leichte Abweichungen hat man immer und sind tolerierbar. Im Zweifel spricht aber nichts gegen die Wahl eines Verfahrens das bei Verletzung von Normalverteilung eingesetzt wird. Die geringere Power solcher ist eher ein Mythos als ein Fakt. Viele Grüße, Björn.

[@BlubbFischIch]

@@StatistikamPC_BjoernWalther Vielen dank für die Rückmeldung - schade, dass keine Termine Zur Beratung im Dezember mehr frei sind...danach ist es leider aufgrund personeller Wechsel zu spät für mich, sonst wäre es nach den tollen Videos sicher sinnvoll inverstiertes Geld :) Bitte weiter mit der guten Arbeit!

[@StatistikamPC_BjoernWalther]

Melde dich mal über mein Kontaktformular (bjoernwalther.com/kontakt/) mit dem Codewort Blubbfisch. ;-) Ein Workshop verschiebt sich nach hinten und damit werden ein paar Termine frei. Viele Grüße, Björn.

[@BlubbFischIch]

@@StatistikamPC_BjoernWalther Danke, Nachricht ist raus, das Kontaktformular spuckt allerdings eine kryptische Meldung bzgl "Meldung vom Server OK; unklar ob zugestellt" raus :) Sollte die Nachricht nicht angekommen sein, bitte nochmal kurz hier bescheid geben! Vielen lieben Dank!

[@Misichen]

Hallo Björn, sehr cooles Video. Vielen Dank! Welchen Test würde man denn verwenden, wenn man anstelle einer unabhängigen Variable, 2 solche Variablen hätte und die Daten ordinal und metrisch und nicht normalverteilt sind? Vielen Dank!

[@StatistikamPC_BjoernWalther]

Hallo Matthias, danke! Meinst du eine Korrelation? Bei ordinalen Variablen wählst du dann Spearman. Viele Grüße, Björn.

[@rabea8352]

Wirklich ein absolut hilfreiches Video! Herzlichen Dank für die Mühe. Eine Frage habe ich - der zentraler Grenzwertsatz, bezieht er sich auf die Gesamtgröße der Stichprobe oder muss jede Gruppe > 30 sein? (Bsp: Studie mit insgesamt N = 40 Probanden, 1:1 in Kontrolle & Verumgruppe randomisiert, sprich zwei Gruppen mit n = 20. Kann ich da vom Grenzwertsatz gebrauch machen?) Liebe Grüße!

[@StatistikamPC_BjoernWalther]

Hallo Rabea, der zentrale Grenzwertsatz gilt ja streng genommen nur für die Verteilung der Mittelwerte bei wiederholter Durchführung einer Befragung und nicht für die Verteilung selbst. Du kannst im Falle von parametrischen Mittelwertvergleichen wie t-Test oder ANOVA eher mit deren Robustheit bei Verletzung der Normalverteilungsannahme argumentieren. Beim t-Test für unabhängige Stichproben bzw. der ANOVA prüft man aber ohnehin je Gruppe die Normalverteilung der abhängigen Variable bzw. der Residuen. Viele Grüße, Björn.

[@rabea8352]

Herzlichen Dank für die hilfreiche Antwort!@@StatistikamPC_BjoernWalther

[@louisas.3146]

Ich bin auch ein großer Fan dieser Videos, die Art des Erklärens ist super! Eine kleine Frage habe auch ich: Wenn ich meine Daten auf Normalverteilung teste mit dem Ziel danach einen t-Test zu rechnen, muss ich die Normalverteilung dann getrennt für Gruppe 1 und 2 feststellen oder nur allgemein ohne Gruppierung?

[@StatistikamPC_BjoernWalther]

Hallo Lousia, danke für die lobenden Worte! Wenn du auf Normalverteilung testest, ist dies für die Residuen zu tun. Ich habe das glaube ich in den Videos nicht richtig betont. Man sagt häufig, auf Normalverteilung testen bei Mittelwertvergleichen - meint damit aber die Residuen auf Normalverteilung testen. Ich glaube ich werde da auch noch mal ein paar Videos zu machen müssen. Hast du abhängige oder unabhängige Stichproben, für die du einen t-Test rechnen willst? Viele Grüße, Björn.

[@sonphan4602]

Hallo, das Video finde ich super! Könntest mir evtl. erklären ob bei solchen Datensets kann auch physikalischer Herkunft sein, es Sinn macht die Variablen einzeln zu testen oder hälst du es für sinnvoller solche Daten nach mehrdimensionale normalverteilung zu prüfen (falls möglich). Grüße

[@StatistikamPC_BjoernWalther]

Hallo Son, danke für dein Lob! Das muss man immer vom jeweiligen Erkenntnisziel abhängig machen. Pauschal braucht man nicht auf Normalverteilung testen. Bei parametrischen Verfahren schaut man sich die Residuen an. Multionomiale Normalverteilung ist zudem in SPSS nicht prüfbar, wohl aber in R. Viele Grüße, Björn.

[@friederikewoerner6713]

Hey Björn, ich danke dir ebenfalls für das Video und nicht nur dieses sondern auch deine vielen anderen. Jetzt oute ich mich als total Statstikanfänger aber du kannst mir sicher helfen. Wenn ein Datensatz normalverteilt ist und der andere nicht, welchen statischen Test führe ich dann durch um die Signifikanz zu überprüfen? Die für Normalverteilung oder die für nicht normalverteilte Datensätze? Ich danke dir im Voraus. Liebe Grüße Rieke

[@StatistikamPC_BjoernWalther]

Hallo Friederike, kein Problem, jeder fängt mal an. ;-) Ich nehme an, du möchtest einen Mittelwertvergleich durchführen und hast zwei Stichproben - nicht Datensätze? Wenn dies der Fall ist und nur eine deiner beiden Stichproben Normalverteilung aufweist, kannst du keinen parametrischen Mittelwertvergleich machen sondern musst auf einen nichtparametrischen zurückgreifen. In diesem Video geht es ausführlich darum, wann welcher Vergleich durchzuführen ist. Ich hoffe es hilft dir weiter. Viele Grüße, Björn.

[@katharinas.589]

Hi, vielen Dank für das informative Video. Wie kann ich die Normalverteilung auf Unternehmensbasis auswerten? Ich habe über 1000 Datensätze zugehörig zu 80 Unternehmen - ich möchte nun für N = 80 die Normalverteilung erstellen. Danke für eine Rückmeldung

[@StatistikamPC_BjoernWalther]

Hallo Katharina, du müsstest eine gruppenweise Auswertung vornehmen. Wie man dies einstellt, zeigt dieses Video: kzbin.info/www/bejne/g2Kcp5uld5qabsU Viele Grüße, Björn.

[@anna1601001]

Hallo Björn, vielen Dank für Deine Videos - die haben mich schon mehrmals gerettet! Ich hätte jetzt folgende Fragen zum Thema Normalverteilung. Mein n=201 und ich habe 96 Variablen, für die ich t-Tests bzw. die ANOVA benötige. Die Variablen basieren alle auf einer 1-6 Likert Skala und sehen im Hinblick auf die Diagramme normalverteilt aus - jedoch kommt bekomme ich bei allen Variablen eine Signifikanz von .000 in beiden Tests zur Normalverteilung. Könnte das an der kleinen Skala liegen? Muss so eine Skala für die Tests normalverteilt sein? Außderdem dazu auch noch: Damit der Test alle verfügbaren Werte mit einbezieht, musste ich in den Optionen bei der Explorativen Datenanalyse "Paarweiser Fallausschluss" auswählen. Hätte ich das nicht gemacht, wären fast 50% meiner Werte ausgeschlossen worden. Woran kann das liegen?

[@StatistikamPC_BjoernWalther]

Hallo Anna, danke für dein Lob! :-) Prinzipiell zum Thema großer Stichproben und analytischen Tests auf Normalverteilung empfehle ich dieses Video: kzbin.info/www/bejne/fnzZgH-ej5hpepI Im Fall ordinal skalierter abhäniger Variablen braucht man dies allerdings nicht beachten und verwendet automatisch nicht parametrische Alternativen. Wenn die AV metrisch ist, wäre es allerdings zu testen mit dem Hinweis aus dem verlinkten Video und nur bei Nichtnormalverteilung die nichtparametrischen Tests vorzuziehen. Hast du denn viele fehlende Werte in den Variablen? Ansonsten sollte eigentlich kein so großer Ausschluss stattfinden. Viele Grüße, Björn.

[@luisajotten6679]

Ich habe auch eine Frage :) wann ist es besser, den KS-Test zu verwenden und wann den Chi 2 Test als Anpassungstest?

[@StatistikamPC_BjoernWalther]

Hallo Luisa, der K-S-Test funktioniert für kleine Stichproben besser. Ich persönlich würde aber weder KS noch Chi²-Anpassungstest wählen sondern eher mit dem Shapiro-Wilk-Test auf Normalverteilung testen. Viele Grüße, Björn.

[@cantkeepitin]

KS testet gut bei Abweichungen im Zentrum der Verteilung, wenn die Raender wichtig sind dann wuerde ich Jarque-Bera wählen.

[@MultiMo73]

Schon wieder eine Frage: Teste ich denn auf Normalverteilung die gesamte Stichprobe (N 27) oder jeweils die einzelnen Gruppen aus dieser Stichprobe, die ich vergleichen möchte (also je 12 und 15 Teilnehmer), oder beide :-) ? Viele Grüsse

[@StatistikamPC_BjoernWalther]

Hallo Monika, wenn du unabhängige Stichproben hast, dann testest du gruppenweise die abhängige Variable auf Normalverteilung. Bitte aber auch die Einschränkungen bei Kolmogorov-Smirnov und Shapiro-Wilk beachten: kzbin.info/www/bejne/fnzZgH-ej5hpepI Viele Grüße, Björn.

[@MultiMo73]

@@StatistikamPC_BjoernWalther Ok, vielen Dank. Eine letzte Frage noch : wenn ich likert Items (60 Fragen) zu mehreren Skalen (17) zusammengefasst habe - teste ich dann alle Items einzeln durch oder teste ich gleich die gruppierten Skalen?

[@Grimscribe732]

Sehr hilfreiches Video! Muss man für eine Faktoranalyse die Voraussetzung normalverteile Daten zu haben erfüllen? Ich finde in der Literatur keine klaren Antworten auf diese Frage und habe hier einen recht großen Datensatz (n=470) bei dem einige Items hohe Schiefe (>1.5) und Kurtosis (>2,2) Werte aufweisen, die auch sachlogisch zu erklären sind. Ich habe (vermutlich) deshalb Probleme mit den Faktorladungen der eigentlich dargestellten Konstrukte

[@StatistikamPC_BjoernWalther]

Hallo jamako und danke für dein Lob! Ich arbeite aufgrund meines Faches kaum mit Faktorenanalyse. Dennoch kann ich dir auf deine Frage eine Antwort geben. "In der Praxis sind Daten aber äußerst selten multivariatnormalverteilt und weichen oft bereits univariat deutlichvon Normalverteilung ab (Micceri,1989). Sozialwissenschaftliche Variablen, z. B.Antwortskalen in Fragebögen, sind außerdem oft relativ grobstufig und weichen damitschon grundsätzlich von einer kontinuierlichen Normalverteilung ab. Schließlich umfassen Stichproben z. B. in der Psychologie oftmals bestenfalls einige hundert Fälle, während die mathematische Ableitung der ML-Schätzung auf asymptotisch großen Stichproben (d. h. gegen unendlich gehendem Umfang) beruht. Dennoch werden Strukturgleichungsmodelle in der Praxis oft auch danneingesetzt, wenn diese formalen Voraussetzungen nicht erfüllt sind." (Döring, Bortz (2016), S 966 - amzn.to/2P7919D). Man kann also in deinem Falle sicherlich eine KFA rechnen. Die Kurtosis ist jetzt auch nicht so weit von der gerade noch akzeptablen 2 entfernt. Viele Grüße, Björn.

[@Vervel10]

Hey, danke für das Video. Leicht und gut strukturiert erklärt. Ich habe allerdings zwei Fragen: Zum Einen: Wie streng muss ich bei der grafischen Beurteilung der Verteilungen vorgehen und was tue ich, wenn allem Interpretationsspielraum zum Trotz die Voraussetzung der Normalverteilung verletzt ist? Ist sowas wie eine z-Standardisierung wirklich notwendig oder ist es bei Varianz-/Regressionsanalysen meistens okay, die Voraussetzungsverletzung zu berichten, aber weiter zu rechnen? Viele Grüße!

[@StatistikamPC_BjoernWalther]

Hallo, sollten deine unabhängigen Variablen nicht normalverteilt sein, gibt es drei mögliche Wege. Der eine wäre, wenn es nicht um eine Regression geht, mit nicht-parametrischen Verfahren zu arbeiten, zumindest um Unterschiede zwischen den unabhängigen Stichproben bzw. Gruppen festzustellen. Da bieten sich Mann-Whitney-U-Test und Kruskal-Wallis-Test an (kzbin.info/www/bejne/sICQd2mOpsRnm80, kzbin.info/www/bejne/b3ivaneEZ5eqeMk). Der andere wäre, dass ANOVA und t-Tests (= parametrische Verfahren) oder auch Regression angewendet werden können, aber nur dann, wenn der zentrale Grenzwertsatz erfüllt ist. Je größer die Stichprobe ist, desto eher kann man davon ausgehen, dass die Verteilung gegen die Normalverteilung konvergiert. Dazu wird ein n>30 empfohlen, manche Autoren auch schon ab n=20. Der dritte aber nicht so schöne Weg wäre eine Transformation der Variablen - auf Kosten der Interpretierbarkeit der Koeffizienten. Für eine hinreichend große Stichprobe kann man also auch unter Verletzung dieser Voraussetzung und dem Argument des zentralen Grenzwertsatzes fortfahren. Hilft dir das entsprechend weiter? Viele Grüße, Björn.

[@Vervel10]

Danke, das hilft sehr. Ich habe eine Stichprobe von n=150 und werde dann vermutlich einfach mit der Analyse fortfahren. Die Abweichung von der Normalverteilung hält sich auch relativ in Grenzen. Tausend Dank für die schnelle Antwort!

[@Bollenbomber]

Hallo und auch danke von mir für die tollen Videos! Hast du auch für die Argumentation mit dem zentralen Grenzwertsatz eine Quelle mit dem n>30 bzw. 20 parat? Danke und viele Grüße :)

[@mareneiberger5826]

Muss man Nominal Skalierte daten auch auf normalverteilung prüfen?

[@StatistikamPC_BjoernWalther]

Hallo Maren, nominalskalierte Daten können per Definition nicht normalverteilt sein. Die Prüfung braucht es also nicht. Im Rahmen der z.B. Regression prüfst du ohnehin nur die Residuen auf Normalverteilung. Viele Grüße, Björn.

[@mareneiberger5826]

@@StatistikamPC_BjoernWalther Danke für die schnelle Antwort. Hast du mir hierzu vielleicht eine Quelle. Man muss in der Masterarbeit ja alles belegen

[@carlasimon190]

Wieder ein super Video. Danke :) Ich hatte mich gefragt, ob die Verteilungseigenschaften einer kleinen Stichprobenumfang (z.B. n= 10) auch mit dem Histogramm beschreiben werden können? Da entstehen ja eigentlich schnell mal "Lücken". Oder gibt es geeignetere graphisches Hilfsmittel für kleine Stichprobenumfänge? Ganz liebe Grüße! Super Kanal :)

[@StatistikamPC_BjoernWalther]

Hallo Maileen und danke für dein Lob! :-) Bei kleinen Stichproben eignet sich das Histogramm bedingt auch. Meist ist es auf dem Q-Q-Diagramm etwas schöner erkennbar. Die Lücken sind auch vernachlässigbar, solange sie nicht zu groß sind. Viele Grüße, Björn.

[@celinelie60]

Vielen Dank für das super Video! Du sprichst in deinem Video davon, dass "große" Stichproben die Signifikanz vom Shapiro-Wilk Test verfälschen können. Ab wann würde man eine Stichprobe denn als groß bezeichnen? Ich habe eine Stichprobe mit 120 Probanden vorliegen und die Variablen sind alle hochsignifikant und ich frage mich nun, ob es zum Teil auch an der Stichprobe liegen könnte. Lieben Dank im Voraus! :)

[@StatistikamPC_BjoernWalther]

Hallo Celine und danke für dein Lob! 120 wäre definitiv schon groß genug. Teilweise reichen da schon 50-70 aus. Wenn du dir mal Histogramm und Q-Q-Plot anschaust, wirst du evt. zum Schluss kommen, dass doch eine Normalverteilung vorliegt - hoffentlich. ;-) Viele Grüße, Björn.

[@Michelle-cn4jf]

Meine Signifikanz liegt bei p = 0.045, würde man dann sagen es ist signifikant oder nicht?

[@StatistikamPC_BjoernWalther]

Hallo Michelle, wenn du das Alpha auf 5% setzt, dann wäre es signifikant. Beim Test auf Normalverteilung würde ich aber das Augenmerk eher auf das Histogramm legen. Bei kleinen Stichproben fehlt den Tests die Power, bei großen Stichproben sind sie zu sensitiv gegenüber unbedeutenden Abweichungen. Viele Grüße, Björn.

[@s0904818]

Hi, Ich habe noch eine Frage, die womöglich etwas kompliziert ist. Ich möchte SPSS wissen lassen, dass meine erhobenen Rohwerte Tage sind. also, dass ein Wert unter null für alle Berechnungen, die daraus hervorgehen sinnlos ist. Im Moment glaubt SPSS, dass meine Werte auch unter null streuen können. Kann ich das anders regeln, als über eine Datumsdifferenz? Kann ich SPSS nicht direkt sagen, dass dieser Wert immer größer null sein muss oder, dass dieser Wert ein Zeitraum ist? Vielen Dank im Voraus!

[@StatistikamPC_BjoernWalther]

Hallo, ich würde rigoros die Fälle, in denen die Variable

[@s0904818]

Statistik am PC Hallo Björn, danke für die Hilfe und die Antwort auf dem anderen Video und das gute Timing mit dem Filter. Verstehe ich das richtig, meine abhängige Variable wird ja nie kleiner null, da Fehltage. Wenn ich hierauf den Filter größer/gleich null anwende, dann beschränkt SPSS automatisch die Verteilungskennwerte? Vielen Dank nochmals

[@StatistikamPC_BjoernWalther]

Hallo, nicht ganz richtig, wenn ich dich korrekt verstanden habe. SPSS hat die Möglichkeit gewisse Fälle auszuschließen, die dann in keiner Analyse beachtet werden. Wenn du also nach "fehltage >= 0" filterst und nur diese Fälle zulässt, sollte es funktionieren. Sollten aber bei deiner abhängigen Variable (fehltage?) ohnehin nur >=0 Werte existieren? Viele Grüße, Björn.

[@s0904818]

Statistik am PC Hi Björn, Genau das ist auch der Fall, wenn er jedoch Standardabweichung, Varianz etc. berechnet, dann nimmt er an, es könnte auch Werte unter Null geben. Auch wenn ich nicht parametrische Tests mache. Er gibt mir dann dezidiert Wahrscheinlichkeiten, dass jemand -1,5 Fehltage hatte. Und ich will ihm verklickern, dass es prinzipiell sinnlos ist, meine Verteilung unter null zu ergänzen. Die abhängige Variable kann nicht unter Null, aber SPSS tut so als ob. Das möchte ich abstellen. Vielen Dank. PS: Dein Channel ist besser als mein Kurs an der Uni es war

[@StatistikamPC_BjoernWalther]

Hallo, danke für das Lob! Was für eine Untersuchung/Test führst du genau durch? Viele Grüße, Björn.

[@amandalouisey]

Hallo! Bei mir wird bei dem Test auf Normalverteilung bei Ausgabe der Statistik immer für alle ausgewählten Variabeln " fehlend : n=12" angezeigt. Weißt du wo das Problem liegt? Es sind nämlich keine Werte fehlend. LG!

[@StatistikamPC_BjoernWalther]

Hallo Amanda, bei welchem Test auf Normalverteilung hast du diese Meldung? Viele Grüße, Björn.

[@amandalouisey]

@@StatistikamPC_BjoernWalther Entschuldige. Es geht um die Ausführung: Explorative Datenanalyse->Normalverteilungsdiagramme mit Tests. Dann wird ja der Kolmogorow Test und der Shapiro Wilk test ausgeführt, aber vorher noch eine Deskriptive Statistik mit ausgegeben. Wenn ich mehrere Variabeln gleichzeitig durch diese Funktion laufen lasse, dann wird mir für alle getestete Variabeln bei der deskriptiven Statistik die selbe "Fehlend" Anzahl ausgegeben, obwohl das nicht so stimmt. Wenn ich die Variabeln einzelnd teste kommt dies nicht vor. Weißt du warum?

[@StatistikamPC_BjoernWalther]

Hallo Amanda, das klingt sehr ungewöhnlich. Wie sind die Daten beschaffen, also wie viele Fälle gibt es, wie sind sie skaliert usw.? Viele Grüße, Björn.

[@amandalouisey]

@@StatistikamPC_BjoernWalther Die Variabeln, die ich auf Normalverteilung testen wollte sind alle metrisch. Also zum Beispiel Blutverlust in ml. VG!

[@amandalouisey]

@@StatistikamPC_BjoernWalther Hey! Die Variabeln sind alle metrisch, also zb Blutverlust in ml. LG. Hatte auf einmal aber auch nur ca 5 ausgewählt

[@ulrikef78]

Ist es wirklich so, dass man eher den Shapiro-Wilk verwendet? Hast du dazu Quellenbelege? Ich frage nur, weil wir an der Uni gelernt haben, dass wir den Kolmogorov-Smirnov nehmen sollen und nur bei Stichproben N < 50 den Shapiro-Wilk. LG :)

[@StatistikamPC_BjoernWalther]

Hallo Ulrike, eine Quelle hierfür wäre Field, A. (2013), Discovering Statistics using IBM SPSS Statistics, S. 188. Der Shapiro-Wilk-Test ist aufgrund seiner generell höheren Teststärke vorteilhaft, bei n

[@ulrikef78]

Super Danke!

[@seerobbe]

Hallo Björn. Erstmal vielen Dank für das tolle Video. Wie würdest du das bei n=20 sehen? Hier wird der Shapiro p=0.021, wohingegen der KS-Test p=0.2 anzeigt. Insofern könnte ich ja jetzt nur den KS-Test berichten oder ist es in diesem Fall (auch nach Prüfung der Z-Kurtosis, Z-Schiefe -> beide verletzen Normalverteilungsannahme) nicht mehr möglich nur KS-Test zu berichten? Würdest du hier direkt zur Transformierung raten? Ich glaube anderen würde es zukünftig helfen, wenn du auch noch die Transformierung ergänzend erwähnst und aufzeigst wie man mit Nicht-Normalverteilung umgehen sollte. Das n ist deshalb so klein, weil es auf mehreren Stufen betrachtet werden muss. Stimmst du Andy Fields ebenso zu, dass man einen Ausreißer immer rausnehmen/anpassen sollte, auch wenn der Wert plausibel erscheint? Zum Beispiel "besonders gut gelaunt" oder "besonders groß" im Vergleich zu den anderen Stichproben. Wie gesagt, mir gefällt das Video sehr gut. Mach weiter so :)

[@StatistikamPC_BjoernWalther]

Hallo Seerobbe, danke für das Lob und die Anregung! Zur Transformation werde ich mir mal was kurz und knackiges überlegen. Wenn deine Normalverteilungsannahme sowohl bei Kurtosis und Schiefe verletzt ist und auch beim S-W-Test, der K-S-Test aber nicht signifikant ist, würde ich den gar nicht mehr mit anführen. Das zeigt ja einmal mehr, warum inzwischen sehr viel häufiger der S-W-Test statt dem K-S-Test angegeben wird. Ich würde noch mal grafisch schauen, was das Q-Q-Plot sagt, wie du es aber beschreibst, läuft es auf Verletzung der Normalverteilungsannahme hinaus. Daher würde schauen, je nachdem, was für einen Test du vorhattest, eine nicht parametrische Alternative zu wählen. Wenn es um eine Regression geht, ist die Verletzung noch vertretbar; Hauptsache die Residuen sind normalverteilt (www.jstor.org/stable/20061201?seq=1#page_scan_tab_contents). Wie man dies testet, zeige ich hier: kzbin.info/www/bejne/f5PPZGZjmpppi5I Ich persönlich bin kein Fan davon Daten rauszunehmen, wenn sie einem nicht passen. Solange sie plausibel sind, wäre ein Löschen eine Manipulation und wissenschaftliches Arbeiten ächtet solche Praktiken. Ich würde bei der Erhebung noch mal schauen bzw. bei der Übertragung. Wenn aber die Plausibilitätstests positiv sind, sehe ich keinen Grund zu Löschen. Die von dir angesprochenen Beispiele sind ja wohl auch eher auf einer Skala zu finden, die Werte zwischen 1und 7 oder 1 und 5 vorsieht. Da wären es auch gar keine so großen Ausreißer. Klärt das deine Fragen so in etwa? Viele Grüße, Björn.

[@seerobbe]

Hallo Björn, vielen herzlichen Dank für deine ausführliche Antwort. So etwas sieht man selten auf KZbin und hebt dich von vielen ab - im positiven Sinne. Vielen Dank auch für das genaue Eingehen auf das Rauslöschen von Datensätzen. Ein Punkt, auf welchen sehr selten genauer eingegangen wird. Bei einer kleinen N-Zahl ist das natürlich schon bedeutend. Ich hatte vor eine 3-fak ANOVA mit MW auf einem Faktor (jeweils 2 Stufen) zu rechnen. Ein Ausweichen auf eine parametrische Alternative würde daher sehr schwer fallen. So wie ich das aus deiner Antwort entnehme, muss ich somit also entweder Transformieren oder Winsorisieren. Hast du da einen Liebling, welchen du bevorzugst? Ich verstand es so: Bei einer 2 bzw. 3-fak ANOVA muss die Normalverteilung der AV und die Normalverteilung der AV für jede Gruppe gegeben sein. Ich frage mich dabei, ob ich nicht nur die Normalverteilung der AV prüfen könnte oder ob ich auch zwingend die Normalverteilung der AV für jede Gruppe prüfen müsste. Beispielsweise der Fall (2 UV, 1 AV): AV: Einkommen in € UV: Geschlecht - Weiblich, Männlich UV: Beruf - Pilot, Student N = 80, Weiblich 20, Männlich 20, Pilot 20, Student 20 Muss ich also die Normalverteilung für AV und für AV für Gruppe-Weiblich und AV für Gruppe-Männlich rechnen? Dadurch sollte die Power ja viel geringer werden. Allein schon wegen dem kleineren n von 20. Eine Verletzung der Normalverteilung wäre durch das n=20 ja nicht mehr robust dagegen (da n

[@johanneswagner4802]

gibt es die verwendeten Daten als Muster zum selber Üben :) ?

[@StatistikamPC_BjoernWalther]

Hallo Johannes, leider hat sich der Datensatz in den etwas mehr als zwei Jahren immer wieder mal geändert und es kommen bei den Tests z.T. andere Ergebnisse heraus. Viele Grüße, Björn.

[@cantkeepitin]

Was ist eigentlich wenn zB. KS sagt nichtnormal, und SW koennte normal sein. Muesste man dann die Normalverteilung verwerfen??

[@StatistikamPC_BjoernWalther]

Der KS-Test hat weniger Power, Abweichungen von der Normalverteilung zu erkennen als der SW-Test, was dein Beispiel eher unwahrscheinlich werden lässt. Ich würde im Zweifel aufgrund der Power-Eigenschaft ohnehin eher auf das Ergebnis des SW-Test vertrauen, zumal das in der Literatur auch häufig so empfohlen wird. Viele Grüße, Björn. Anmerkung: Es empfiehlt sich ohnehin die Tests in Verbindung mit ein paar Grafiken anzuschauen, da bei großen Stichproben selbst kleine Abweichungen von der Normalverteilung die analytischen Tests signifikant werden lassen und sie damit Normalverteilung verwerfen.

[@LI-gr4gy]

Hallo! Super Video, vor allem weil alles detailliert erklärt wird - danke! Ich habe trotzdem noch eine Frage: Macht es Sinn, diesen Test auf Normalverteilung auch für Rating-Skalen Items zu nutzen? Ich habe dann nämlich keine Normalverteilung, weiß aber nicht welchen Hypothesentest ich dann nutzen kann, um mir Signifikanzen berechnen zu lassen (ich setze eine Intervallskala voraus). Lieben Dank im Voraus! :-)

[@StatistikamPC_BjoernWalther]

Hallo Lara, danke für dein Lob! eine ordinal-skalierte Variable wird wohl in der Regel nicht normalverteilt sein können. Dafür nutzt man dann, wenn es sich um die abhängige Variable handelt, ein nicht parametrisches Verfahren. Viele Grüße, Björn.

[@annain9297]

Ich bin ziemlich ratlos. Meine Stichprobe besteht nur aus 8 Leuten, und davon haben viele Leute das selbe Ergebnis erzielt. Insgesamt gibt's 5 verschiedene erzielte Ergebnisse. Kolmogrov sagt es ist keine normalverteilung, Shapiro sagt es ist normalverteilt, beim histogram bin ich mir sehr unsicher. Hat irgendwer einen Tipp?

[@StatistikamPC_BjoernWalther]

Hallo Anna, wozu brauchst du eine Normalverteilung bei deiner Variable? Was möchtest du für einen Test rechnen? Bei so einer kleinen Stichprobe wäre es wohl ohnehin besser qualitativ und deskriptiv zu arbeiten als mit analytischen bzw. inferenzstatistischen Tests, die kaum geeignet sind (Stichwort fehlende Teststärke). Viele Grüße, Björn.

[@ella0854]

Vielen herzlichen Dank! Das Video hat mir gerade total weitergeholfen. Nur, was ich nicht ganz verstehe, bei dem trendbereinigten Diagramm bei der Größe: aus meiner Sicht liegen da die Werte überhaupt nicht auf der Geraden...ich verstehe nicht, warum du sagst, dass man dabei noch eine Normalverteilung annehmen würde? Aber ansonsten super gemacht! LG

[@ella0854]

Ich habe jetzt einmal selbst Aufgaben dazu gemacht, und mein Eindruck ist, dass bei dem "normalen" QQ Diagramm die Werte sich immer der Geraden annähern, und die Werte beim trendbereinigten QQ Diagramm immer verstreut sind, egal ob es sich um eine Normalverteilung handelt oder nicht. Vielleicht habe ich da auch einen Denkfehler, aber ich verstehe deshalb nicht, wie eine solche Grafik helfen soll, eine Normalverteilung zu bestätigen oder abzulehnen. Würde mich sehr freuen, wenn du mir da einen Tipp geben könntest :-) LG

[@StatistikamPC_BjoernWalther]

Hallo Ella, danke für dein Lob! Vielleicht sollte man noch etwas einschränken und sagen, das besonders im Mittelteil des trendbereinigten Q-Q-Diagramms die Punkte auf oder um die Gerade liegen sollten. Ausreißer gibt es eigentlich immer. Das sind dann die Punkte, die bzgl. der x-Achse ziemlich weit links bzw. rechts liegen. Viele Grüße, Björn.

[@ella0854]

@@StatistikamPC_BjoernWalther Hallo Björn, Vielen Dank für deine Antwort! Das hat mir jetzt schon weitergeholfen, ich werde demnächst mehr auf den Mittelteil achten. Viele Grüße, Ella

[@StatistikamPC_BjoernWalther]

Hallo Ella, hier sieht man auch noch mal sehr gut, wie sehr ein trendbereinigtes Q-Q-Diagramm trotz sehr gut normalverteilter Daten aussehen kann: www.bjoernwalther.com/test_normalverteilung/ Viele Grüße, Björn.

[@ella0854]

@@StatistikamPC_BjoernWalther Hallo Björn, Vielen Dank für deine Mühe! Habe es mir gerade angesehen, und auch da sieht man, wie du ja schon erklärt hast, dass sich die Werte im Mittelteil schon weitestgehend auf der Geraden befinden, obwohl die Werte an den Seiten abweichen. Das ist denke ich ein guter Anhaltspunkt... Viele Grüße, Ella

[@tomxtonic]

Ich schreibe gerade meine MA und deine Videos helfen mir sehr! Super erklärt! Eine Frage habe ich aber zur Normalverteilung: Muss das Skalenniveau immer metrisch sein, oder kann ich auch ordinale Daten (Likert-Skala mit 5 Skalenpunkten) auf Normalverteilung prüfen? Habe leider nur eine Stichprobengröße von n=42, die ich nochmal jeweils in drei Gruppen aufteile und jede einzelne Gruppe dann auf Normalverteilung untersuche.

[@StatistikamPC_BjoernWalther]

Hallo Tom, danke für dein Lob! Die erste Frage, die ich stellen muss, ist, was du mit deinen Daten machen möchtest, nachdem du auf Normalverteilung getest hast. Daten einer Likert-Skala sind nämlich diskret verteilt, was mit einer stetigen Normalverteilung in Kontrast steht. Viele Grüße, Björn.

[@tomxtonic]

@@StatistikamPC_BjoernWalther Ja das stimmt. Dann kann ich meine Daten auch nicht auf Normalverteilung überprüfen. Meine Daten sind leider auch nicht "quasimetrisch".

[@StatistikamPC_BjoernWalther]

Hallo Tom, was für eine Untersuchung möchtest du denn durchführen? Viele Grüße, Björn.

[@tomxtonic]

@@StatistikamPC_BjoernWalther Ich untersuche den Unterschied zwischen drei Gruppen anhand einer ordinalskalierten Variable. Dabei wollte ich schauen, ob die Antworten jeweils in den drei Gruppen normalverteilt sind. Aber da die Variable die ich untersuche 5 Skalenpunkte hat und meine Stichprobe insgesamt nur bei N = 42 liegt, kann eigentlich keine Normalverteilung vorliegen. Habe mich da nochmal belesen.

[@StatistikamPC_BjoernWalther]

Hallo Tom, dann wird dir sicherlich folgendes Video weiterhelfen: kzbin.info/www/bejne/pIfFqICkqdWfiqM Viele Grüße, Björn.

[@pferdfan1]

Ab wann ist denn eine Stichprobe "sehr groß"?

[@StatistikamPC_BjoernWalther]

Hallo, das ist pauschal nicht exakt zu beziffern. Sobald es vierstellig ist, ist es aber definitiv sehr groß. Viele Grüße, Björn.

[@punchline9131]

müssen unabhängige und abhängige variablen beide normalverteilt sein?

[@StatistikamPC_BjoernWalther]

Hallo Sören, normalerweise die unabhängigen nicht, wenn es eine Regression ist. Bei Mittelwertvergleichen muss es die abhängige Variable sein. Bei einer Regression die Residuen. Viele Grüße, Björn.

[@nsi4047]

Hallo Björn, dazu habe ich auch eine Frage: ich möchte für meine Masterarbeit eine Regressionsanalyse durchführen und davor noch eine explorative Faktoranalyse (EFA). (N = 77) Bevor ich jedoch mit der EFA anfange, sollte ich prüfen, ob die Daten normalverteilt sind. Nachdem ich nun Schiefe und Kurtosis untersucht habe, hat sich herausgestellt dass mehr als die hälfte meiner Items nicht normalverteilt sind. Nun habe ich zwei konkrete Fragen: 1. müssen wirklich nur die abhängigen Variablen normalverteilt sein und kann ich den Rest rauslassen? 2. Gibt es Verfahren oder Tricks, dass ich die Werte doch noch verwenden kann, obwohl nicht normalverteilt? Ich habe da was von einem zentralen Grenzwertsatz gehört..... Danke schon mal im Voraus!!! :)

[@StatistikamPC_BjoernWalther]

Hallo, es gibt bei einer Stichprobengröße von n>30 den zentralen Grenzwertsatz, der dafür sorgt, dass du trotz nicht normalverteilter AV eine Regression rechnen kannst. Die sonst verzerrten Schätzer sind es in dem Falle nicht mehr. Du kannst also getrost mit Verweis darauf arbeiten. Viele Grüße, Björn.

[@cantkeepitin]

Kleiner Fehler im Text: auch wenn man viele Daten hat werden die nicht automatisch irgendwann normalverteilt.

[@StatistikamPC_BjoernWalther]

Hallo Stephan, ja, da hast du Recht. Eine etwas unglückliche Formulierung für das, was der zentrale Grenzwertsatz beschreibt. Viele Grüße, Björn.

[@cantkeepitin]

Super gemacht, aber reines Excel könntes das auch.

[@anissahadhri932]

das würde mich interessieren wie mann nur mit excel auf Normalverteilung prüft