13.4
Vorzeichentest für gepaarte Proben
Der Vorzeichentest für gepaarte Proben bietet eine robuste Methode zum Vergleichen zweier gepaarter Proben, häufig hinsichtlich der Auswirkungen einer…
Betrachten Sie die Daten über die Geschwindigkeit von Hamstern vor und nach der Verabreichung eines Stimulans, was ein passendes Paar darstellt. Wie lässt sich die Behauptung überprüfen, dass das Stimulans die Geschwindigkeit des Hamsters beeinflusst?
Da die Verteilung der Grundgesamtheit unbekannt ist, kann der Vorzeichentest – ein nichtparametrischer Test – verwendet werden.
Das zentrale Konzept des Zeichentests besteht darin, dass übereinstimmende Paare mit gleichen Medianen ungefähr die gleiche Anzahl positiver und negativer Vorzeichen aufweisen.
Konvertieren Sie zunächst die Rohdaten in Vorzeichen, indem Sie den Wert der zweiten Variablen von der ersten Variablen subtrahieren. Nach dem Ausschluss von Nullen erhält man acht Zeichen: drei positive und fünf negative.
Die Nullhypothese postuliert, dass der Median der Differenzen Null ist, während die Alternativhypothese etwas anderes nahelegt.
Da n kleiner als 25 ist, ist die Teststatistik x die Zahl des weniger häufigen Vorzeichens. Aus der Tabelle ergibt sich, dass der kritische Wert bei einem Signifikanzniveau von 0,05 Null ist.
Da der Wert der Teststatistik nicht kleiner oder gleich dem kritischen Wert ist, gibt es keine ausreichenden Beweise, um die Behauptung zurückzuweisen, dass der Median der Differenzen Null ist.
View the full transcript and gain access to JoVE Core videos
Q1: When should you use the sign test for matched pairs instead of a parametric test?
Use the sign test when the underlying population distribution is unknown or cannot be assumed normal. This nonparametric test is particularly valuable for small sample sizes and paired data where you cannot verify normality assumptions. It compares pre- and post-treatment measurements on the same subjects to determine if median values differ significantly.
Q2: How do you convert raw data into signs for the sign test?
Subtract the second variable value from the first variable for each matched pair. Record the sign of each difference as positive, negative, or zero. Exclude all zero differences from the analysis, as they do not contribute to the test conclusion. Count the remaining positive and negative signs to determine your test statistic.
Q3: What do the null and alternative hypotheses represent in a sign test for matched pairs?
The null hypothesis posits that the median difference between matched pairs is zero, implying no treatment effect. The alternative hypothesis suggests the median difference is not equal to zero, indicating a significant treatment effect. The test determines whether sufficient evidence exists to reject the null hypothesis at your chosen significance level.
Q4: What is the test statistic in the sign test for matched pairs?
The test statistic is the count of the less frequent sign (positive or negative) among the paired differences. When sample size is less than 25, you compare this count directly against a critical value from a statistical table at your significance level, typically 0.05.
Q5: How do you interpret the results of a sign test for matched pairs?
If the test statistic is less than or equal to the critical value, the result is statistically significant, and you reject the null hypothesis at 95% confidence. This indicates a significant difference in median values between the paired samples. If the test statistic exceeds the critical value, there is insufficient evidence to reject the null hypothesis.
Q6: Why does the sign test ignore the magnitude of differences between paired observations?
The sign test analyzes only the direction of differences, not their size, making it robust to outliers and extreme values. This approach simplifies calculations and makes the test applicable when you cannot assume specific distributional properties. By focusing on signs rather than magnitudes, the test remains valid even with skewed or non-normal data distributions.
Q7: What advantages does the sign test offer for analyzing paired samples?
The sign test is simple to conduct, requires no normality assumptions, and works effectively with small sample sizes. It is particularly useful when data are ordinal or when the underlying distribution is unknown. The test's simplicity and versatility make it a practical choice for comparing pre- and post-intervention measurements in research studies.