Choosing the correct statistical test in R

In diesem Post soll zusammengefasst werden, unter welchen Umständen welcher (statistische) Test anzuwenden ist.

• Mittelwertsvergleiche

Fragestellung-	Normalverteilung-	Varianzhomogenität	Test
Vergleich von zwei Gruppen aus einer Stichprobe	ja	ja	“T-Test” für unabhängige Stichproben
s.o.	ja	nein	Welch Test
s.o.	nein	nein	“Wilcoxon Test”
Vergleich von mehr als zwei Gruppen aus einer Stichprobe	ja	ja	einfaktorelle Varianzanalyse (“ANOVA”) ohne Messwiederholung
s.o.	ja	nein	One-way-Test (Welch)
s.o.	nein	nein	“Kruskal Wallis Test”

• Zusammenhangsmaße

Skalierung	Test
zwei metrische Variablen:	“Person’s r”
eine metrisch & eine ordinalskalierte Variable:	“Spearman’s roh”
zwei ordinalskalierte Variablen:	“Kendall’s tau”
zwei nominalskalierten Vaiablen:	“Chi2 Test”

Anmerkung: ist eine metrisch skalierte Variable nicht normalverteilt, so muss das Zusammenhangsmaß mit niedrigerer Güte berechnet werden.

• Beziehungen zwischen unterschiedlichen Variablen

Prädiktor	Kriterium	Test
ein metrischer	ein metrisches	“Bivariate lineare Regression”
zwei metrische	ein metrisches	“Multiple lineare Regression”
ein metrischer + eine Moderatorvariable (metrisch)	ein metrisches	“Moderierte Regression”
kategorial + metrisch	ein metrisches	“Kovarianzanalyse”
ein metrischer	ein kategoriales	“Logistische Regression”

• Sonstige

Test auf	Test
Normalverteilung	“Lilliefors-Test”
Varianzhomogenität	“Levene Test”
Identifikation von Outliern	“Grubbs Test”