statistische tests worden gebruikt bij het testen van hypothesen. Ze kunnen worden gebruikt om:
- te bepalen of een voorspellende variabele een statistisch significante relatie heeft met een uitkomstvariabele.
- schat het verschil tussen twee of meer groepen.
statistische tests gaan uit van een nulhypothese van geen relatie of geen verschil tussen groepen. Dan bepalen zij of de waargenomen gegevens buiten het bereik van waarden vallen dat door de nulhypothese wordt voorspeld.,
als u al weet met welke soorten variabelen u te maken hebt, kunt u het stroomdiagram gebruiken om de juiste statistische test voor uw gegevens te kiezen.
statistische tests stroomdiagram
wat doet een statistische test?
statistische tests werken door het berekenen van een teststatistiek – een getal dat beschrijft hoeveel de relatie tussen variabelen in uw test verschilt van de nulhypothese van geen relatie.
Het berekent vervolgens een p-waarde (waarschijnlijkheidswaarde)., De p-waarde schat hoe waarschijnlijk het is dat je het verschil zou zien beschreven door de teststatistiek als de nulhypothese van geen relatie waar zou zijn.
als de waarde van de teststatistiek extremer is dan de op basis van de nulhypothese berekende statistiek, kunt u een statistisch significant verband tussen de voorspeller en de uitkomstvariabelen afleiden.
als de waarde van de teststatistiek minder extreem is dan die berekend op basis van de nulhypothese, kunt u geen statistisch significante relatie tussen de voorspeller en de uitkomstvariabelen afleiden.,
wanneer een statistische test moet worden uitgevoerd
u kunt statistische tests uitvoeren op gegevens die op een statistisch geldige manier zijn verzameld-hetzij door middel van een experiment, hetzij door middel van waarnemingen met behulp van waarschijnlijkheidsbemonsteringsmethoden.
om een statistische test geldig te laten zijn, moet uw steekproefgrootte groot genoeg zijn om de werkelijke verdeling van de onderzochte populatie te benaderen.
om te bepalen welke statistische test moet worden gebruikt, moet u weten:
- of uw gegevens aan bepaalde veronderstellingen voldoen.
- de typen variabelen waarmee u te maken hebt.,
statistische aannames
statistische tests maken een aantal gemeenschappelijke aannames over de gegevens die zij testen:
- onafhankelijkheid van waarnemingen (ook bekend als geen autocorrelatie): de waarnemingen/variabelen die u in uw test opneemt zijn niet gerelateerd (bijvoorbeeld meerdere metingen van één proefpersoon zijn niet onafhankelijk, terwijl metingen van meerdere verschillende proefpersonen onafhankelijk zijn).
- homogeniteit van variantie: de variantie binnen elke groep die wordt vergeleken is gelijk voor alle groepen., Als een groep veel meer variatie heeft dan andere, zal het de effectiviteit van de test beperken.
- normaliteit van gegevens: de gegevens volgen een normale verdeling (ook bekend als een belcurve). Deze aanname geldt alleen voor kwantitatieve gegevens.
als uw gegevens niet voldoen aan de veronderstellingen van normaliteit of homogeniteit van variantie, kunt u mogelijk een niet-parametrische statistische test uitvoeren, waarmee u vergelijkingen kunt maken zonder aannames over de verdeling van de gegevens.,
als uw gegevens niet voldoen aan de aanname van onafhankelijkheid van WAARNEMINGEN, kunt u mogelijk een test gebruiken die de structuur van uw gegevens aangeeft (tests met herhaalde metingen of tests met blokkeringsvariabelen).
typen variabelen
De typen variabelen die u gewoonlijk hebt bepalen welk type statistische test u kunt gebruiken.
kwantitatieve variabelen vertegenwoordigen hoeveelheden dingen (bijvoorbeeld het aantal bomen in een bos). Soorten kwantitatieve variabelen zijn:
categorische variabelen vertegenwoordigen groepen van dingen (bijvoorbeeld de verschillende boomsoorten in een bos)., Typen categorische variabelen zijn:
kies de test die past bij de typen voorspeller en uitkomstvariabelen die u hebt verzameld (als u een experiment uitvoert, zijn dit de onafhankelijke en afhankelijke variabelen). Raadpleeg de tabellen hieronder om te zien welke test het beste overeenkomt met uw variabelen.
het Kiezen van een parametrische test: regressie vergelijking, of de correlatie
Parametrische tests hebben meestal strengere eisen dan nonparametric tests, en zijn in staat om sterkere conclusies van de gegevens. Ze kunnen alleen worden uitgevoerd met gegevens die voldoen aan de gemeenschappelijke veronderstellingen van statistische tests.,
de meest voorkomende typen parametrische tests zijn regressietests, vergelijkingstesten en correlatietests.
regressietests
regressietests worden gebruikt om de oorzaak-en-effectrelaties te testen. Ze zoeken naar het effect van een of meer continue variabelen op een andere variabele.,
| Predictor-variabele | Uitkomst variabele | onderzoeksvraag voorbeeld | |
|---|---|---|---|
| Eenvoudige lineaire regressie |
|
|
Wat is het effect van het inkomen op de levensduur?, | meervoudige lineaire regressie |
|
|
Wat is het effect van inkomen en minuten inspanning per dag op de levensduur? | logistieke regressie |
|
Wat is het effect van de dosering van het geneesmiddel op de overleving van een proefpersoon?, |
vergelijkingstesten
vergelijkingstesten zoeken naar verschillen tussen groepsgemiddelden. Ze kunnen worden gebruikt om het effect van een categorische variabele op de gemiddelde waarde van een andere eigenschap te testen.
T-tests worden gebruikt bij het vergelijken van de gemiddelden van precies twee groepen (bijvoorbeeld de gemiddelde hoogte van mannen en vrouwen). ANOVA-en MANOVA-tests worden gebruikt bij het vergelijken van de middelen van meer dan twee groepen (bijvoorbeeld de gemiddelde hoogte van kinderen, tieners en volwassenen).,
| Predictor-variabele | Uitkomst variabele | onderzoeksvraag voorbeeld | |
|---|---|---|---|
| Gepaarde t-test |
|
|
Wat is het effect van twee verschillende test prep programma ‘ s op het gemiddelde van de examens voor de leerlingen van de klas?, | onafhankelijke t-test |
|
Wat is het verschil in gemiddelde examenscores voor studenten van twee verschillende scholen? | Anova |
|
Wat is het verschil in gemiddelde pijnniveaus tussen postoperatieve patiënten die drie verschillende pijnstillers kregen?, | MANOVA |
|
Wat is het effect van bloemsoorten op de lengte, breedte en lengte van de stengel? |
Correlatietests
Correlatietests controleer of twee variabelen gerelateerd zijn zonder oorzaak-en-effectrelaties aan te nemen.
Deze kunnen worden gebruikt om te testen of twee variabelen die u wilt gebruiken in (bijvoorbeeld) een meervoudige regressietest autocorrelatief zijn.,
| Predictor variable | Outcome variable | Research question example | |
|---|---|---|---|
| Pearson’s r | Continuous | Continuous | How are latitude and temperature related?, |
het kiezen van een niet-parametrische test
niet-parametrische tests maken niet zoveel aannames over de gegevens, en zijn nuttig wanneer een of meer van de gemeenschappelijke statistische aannames worden geschonden. Echter, de gevolgtrekkingen die ze maken zijn niet zo sterk als met parametrische tests.,h>Wilcoxon Rank-Sum test
- Categorie
- 2 groepen
- Kwantitatieve
- groepen komen uit verschillende populaties
- Categorie
- 2 groepen
- Kwantitatieve
- groepen komen uit dezelfde populatie
Stroomschema: het kiezen van een statistische test
Dit schema helpt u bij het kiezen tussen de parametrische tests., Voor niet-parametrische alternatieven, check de tabel hierboven.
Veelgestelde vragen over statistische tests
statistische tests gaan er gewoonlijk van uit dat:
- de gegevens worden normaal verdeeld
- de groepen die worden vergeleken hebben een vergelijkbare variantie
- de gegevens zijn onafhankelijk
als uw gegevens niet aan deze veronderstellingen voldoen, kunt u nog steeds een niet-parametrische statistische test gebruiken, die minder vereisten heeft, maar ook zwakkere gevolgtrekkingen maakt.,
een teststatistiek is een getal dat door een statistische test wordt berekend. Het beschrijft hoe ver uw waargenomen gegevens is van de nulhypothese van geen relatie tussen variabelen of geen verschil tussen steekproefgroepen.
de teststatistiek geeft aan hoe verschillend twee of meer groepen zijn van het totale populatiegemiddelde, of hoe verschillend een lineaire helling is van de helling die door een nulhypothese wordt voorspeld. Verschillende teststatistieken worden gebruikt in verschillende statistische tests.
statistische significantie is een term die door onderzoekers wordt gebruikt om aan te geven dat het onwaarschijnlijk is dat hun waarnemingen hebben plaatsgevonden onder de nulhypothese van een statistische test. Betekenis wordt meestal aangeduid met een p-waarde, of waarschijnlijkheidswaarde.
statistische significantie is willekeurig – Het hangt af van de drempel, of alfawaarde, gekozen door de onderzoeker. De meest voorkomende drempel is p < 0,05, wat betekent dat de gegevens waarschijnlijk minder dan 5% van de tijd zullen voorkomen onder de nulhypothese.,
wanneer de p-waarde onder de gekozen alfa waarde valt, dan zeggen we dat het resultaat van de test statistisch significant is.
kwantitatieve variabelen zijn variabelen waarbij de gegevens bedragen vertegenwoordigen (bijvoorbeeld lengte, gewicht of leeftijd).
categorische variabelen zijn variabelen waarbij de gegevens groepen vertegenwoordigen. Dit omvat rankings (bijvoorbeeld finishplaatsen in een race), classificaties (bijvoorbeeld merken van granen), en binaire resultaten (bijvoorbeeld munt flips).,
u moet weten met welk type variabelen u werkt om de juiste statistische test voor uw gegevens te kiezen en uw resultaten te interpreteren.
Discrete en continue variabelen zijn twee typen kwantitatieve variabelen:
- Discrete variabelen vertegenwoordigen tellingen (bijvoorbeeld het aantal objecten in een verzameling).
- continue variabelen vertegenwoordigen meetbare hoeveelheden (bv. watervolume of-gewicht).
