Skip to main content

t-Tests und Varianzanalysen

  • Chapter
  • First Online:
R kompakt
  • 3803 Accesses

Zusammenfassung

Mit t-Tests und Varianzanalysen lassen sich Hypothesen über Erwartungswerte von Variablen in mehreren Gruppen prüfen. Für die statistischen Grundlagen dieser Themen vgl.  Eid, Gollwitzer und Schmitt (2017) sowie Maxwell, Delaney und Kelley (2017). Für eine Beschreibung der in diesem Kapitel verwendeten Daten vgl. Abschn. 6.3. Die Tests setzen voraus, dass die Variable in allen Gruppen normalverteilt mit derselben Varianz ist. Bevor auf Tests zum Vergleich von Erwartungswerten eingegangen wird, sollen deshalb zunächst Tests für Normalverteilung und Varianzhomogenität vorgestellt werden.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Subscribe and save

Springer+ Basic
$34.99 /Month
  • Get 10 units per month
  • Download Article/Chapter or eBook
  • 1 Unit = 1 Article or 1 Chapter
  • Cancel anytime
Subscribe now

Buy Now

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Diese Variante wird auch als Brown-Forsythe-Test bezeichnet. Mit leveneTest(..., center=mean) können alternativ die Differenzen zum jeweiligen Gruppenmittelwert gewählt werden.

  2. 2.

    Für Einzelvergleiche in Form allgemeiner Kontraste vgl. die Funktion glht() aus dem Paket  multcomp (Hothorn, Bretz, und Westfall 2008) sowie  ScheffeTest() aus dem PaketDescTools.

  3. 3.

    Da keine Interaktion von Treatment-Variable und Kovariate berücksichtigt wird, sind die Quadratsummen vom Typ II und III hier identisch.

  4. 4.

    Die absolute Höhe der Gruppe der y-Achsenabschnitte lässt sich aus den Daten nicht unabhängig schätzen, während ihre Abstände untereinander eindeutig bestimmt sind.

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Daniel Wollschläger .

Rights and permissions

Reprints and permissions

Copyright information

© 2021 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Wollschläger, D. (2021). t-Tests und Varianzanalysen. In: R kompakt. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-63075-4_8

Download citation

Publish with us

Policies and ethics