t-Test
Der t-Test wird verwendet, um Mittelwerte zu vergleichen. Es gibt verschiedene Varianten:
Unabhängiger t-Test (Independent t-Test)
→ Vergleicht die Mittelwerte zweier unabhängiger Gruppen, um festzustellen, ob diese signifikant unterschiedlich sind.
Skalenniveau:
- Abhängige Variable: Intervall- oder Verhältnisskala.
- Unabhängige Variable: Nominalskala (mit zwei Kategorien).
Voraussetzungen:
Normalverteilung: Die abhängige Variable muss in beiden Gruppen normalverteilt sein.
- wenn die Stichprobe groß genug ist (N > 30 pro Gruppe) kann auf einen Test der Normalverteilung verzichtet werden
bei N < 30: Normalverteilung in R prüfen - Björn Walther
Varianzhomogenität: Die Varianzen der beiden Gruppen sollten gleich sein. Wenn diese Voraussetzung nicht erfüllt ist, kann der Welch-Test verwendet werden, der die Varianzen nicht als gleich voraussetzt.
- Überprüfung der Varianzhomogenität. Levene-Test in R berechnen und interpretieren - Björn Walther
Unabhängigkeit der Beobachtungen: Die Datenpunkte in den beiden Gruppen sollten unabhängig voneinander sein.
Beispiel: Vergleich der durchschnittlichen Testergebnisse von zwei verschiedenen Klassen.
Abhängiger t-Test (Dependent t-Test, Paired t-Test)
→ Vergleicht die Mittelwerte von zwei verbundenen Messungen, wie Vorher-Nachher-Messungen oder gepaarte Stichproben.
Skalenniveau:
- Abhängige Variable: Intervall- oder Verhältnisskala.
- Unabhängige Variable: Nominalskala (mit zwei verbundenen Messungen).
Voraussetzungen:
- Normalverteilung der Differenzen: Die Differenzen zwischen den gepaarten Messungen sollten normalverteilt sein.
- Abhängige Messungen: Die Messungen sollten gepaart oder verbunden sein.
Beispiel: Vergleich der Testergebnisse vor und nach einem Training.
Der Forschungsprozess
Quantitative vs. Qualitative Forschung
Quantitative Unterrsuchungsmethoden
- Experiment
- Quasi-Experiment
- Korrelative Untersuchungsdesigns
- Querschnitt-Studie
- Längsschnitt-Studie
- Trend-Studie
Quantitative Auswertung