|
Ein T-Test klärt die Frage "Unterscheiden sich meine zwei Gruppen nun, oder nicht?"
Die Nullhypothese lautet auf "keine Unterschiede", die Alternativhypothese, dass zwischen den Gruppen Unterschiede existieren.
Man möchte, die Nullhypothese verwerfen und die Alternativhypothese annehmen.Man braucht eine Zielvariable ("worin sollen sich meine Gruppen unterscheiden?"), am besten in 2 Spalten. Ein Beispiel: Zwei Gruppen werden einmal, z.B. Rückenschmerzabnahme als Score auf einer Skala von -10 (perfekte Abnahme) + 10 (unerträgliche Zunahme) vor und nach einem Rückentraining. Hier würde ein t-Test prüfen, ob es einen Gruppeneffekt gibt, speziell ob die Differenzen unterschiedlich sind. Interpretativ könnte man das am Ende so sagen (wenn p ≤ 0.05): "nach dem Training in einer Gruppe eine wesentlich stärkere Besserung". Tipp: Ersetzen Sie die die Messzeitpunkte aus dem obigen Beispiel einfach mit zwei Gruppen aus Ihren eigenen Daten, z.B. A vs. B und einen kontinuierlichen Messwert. | ||||||||||||||||||||
Sie möchten schnell einen t-Test rechnen, einen t-Test mit Python rechnen
Wenn Sie python gestartet haben, lassen Sie nun diese Zeilen laufen:
import numpy as np
from scipy.stats import ttest_ind group1 = np.array([-5,-10-8,-7]) group2 = np.array([-1,-3,-2,4,1]) t_stat, p_value = ttest_ind(group1, group2) print("Der t-Wert = ", t_stat, " und der p =", round(p_value, 4)) Schlussfolgerung: Der p-Wert fällt mit p= 0.0275 unter die Schranke von 0.05, d.h. hier könnte man die Nullhypothese ablehnen und die Alternative annehmen. Interpretation: Die erste Gruppe hat die signifikant stärkeren Rückgänge (p = 0.0275, t = -2.896, t-Test). SPSS, R anderes Rechengerät
SPSSPSPP als freie Alternative R als Alternative |