Mann Whitney U Test

Wissenschaft Sozialwissenschaften
#1

Hallo,

ich sitze grad an meiner Diplomarbeit und hätte eine Frage:

ich hab ein Experiment durchgeführt und hab dazu die Probanden verschiedene Autorennspiele auf der PlayStation spielen lassen. Die Experimentalgruppe spielte Spiele, die rücksichtsloses Fahren erfordern, die Kontrollgruppe solche bei denen man sich an Regeln halten musste… vor dem Hintergrund verschiedener Medienwirktheorien ging ich davon aus, dass die Inhalte eines Spiels aufgrund Lernprozesse etc entscheidend sind ob es möglicherweise zu Veränderungen im Selbstkonzept (als abhängige Variable) als Autofahrer kommt.

das Selbstkonzept hab ich mittels eines Fragebogens zu verkehrsrelevanten Einstellungen auf neun Subskalen erfasst. dabei konnten die VPs ankreuzen von 0 (stimme nicht zu) bis 10 (stimme voll zu). Je höher die angekreutzen Werte, desto risikobereiter sind sie.

Meine Hypothese: es existieren Unterschiede zwischen den Gruppen hinsichtlich verschiedener Dimensionen (Subskalen) zu verkehrsrelevanten Einstellungen als Autofahrer

…Gruppenvergleiche hab ich aufgrund des ordinalen Skalenniveaus mittels des Mann Whitney U Tests durchgeführt…

habe für zwei Skalen signifikante Ergebnisse und soll zu Vergleichszwecken den Median benutzen… Nun meine Frage: wenn ich den Test rechne und mir zusätzlich die deskriptiven Statistiken ausgeben lasse, dann ist zwar der Median angegeben, aber nur für die jeweilige Subskala, nicht für jede Gruppe… wie unterscheide ich dann, im Sinne von: die EG hat signifikant höhere Werte angegeben was heißt sie nimmt sich nach dem Spielen risikofreudiger wahr als die Kontrollgruppe??

und wie erstelle ich für die grafische Darstellung ein übersichtliches Balkendiagramm? muss ich ein gruppiertes verwenden? welche Werte kommen in die Spalten/Zeilen? möchte gern für jede Dimension zwei Balken haben (EG/KG) damit man die Unterschiede sieht… scheitere leider daran und hoffe jemand von euch kann mir helfen :smile:)

schon mal vielen herzlichen Dank im Voraus!

lg, Tina

#2

Hi Tina,

wenn ich deine schon recht gute Darstellung der Studie richtig verstehe, dann hast du

  1. die Probanden einen Fragebogen ausfüllen lassen um das Selbstkonzept herauszufinden
  2. die in Experiment- und Kontrollgruppe eingeteilt
  3. Experimentgruppe das agressive Autorennspiel und die Experimentalgruppe das zurückhaltende rennspile spielen lassen
  4. wieder den Selbstkonzptfrageboegen ausfüllen lassen
    ?

Meine Hypothese: es existieren Unterschiede zwischen den
Gruppen hinsichtlich verschiedener Dimensionen (Subskalen) zu
verkehrsrelevanten Einstellungen als Autofahrer

Ob Unterschiede existieren ist weniger interessant als wo diese herrühren. Demnach würde ich eine Hypothese erwarten wie folgt:
„Das Spielen des aggresiven Rennspiels verändert das Selbstkonzept hin zu höheren(?) Skalenwerten.“
dazu müsste man natürlich den Untersheid zwischen 1 und 4 evaluieren.

habe für zwei Skalen signifikante Ergebnisse und soll zu
Vergleichszwecken den Median benutzen… Nun meine Frage: wenn
ich den Test rechne und mir zusätzlich die deskriptiven
Statistiken ausgeben lasse, dann ist zwar der Median
angegeben, aber nur für die jeweilige Subskala, nicht für jede
Gruppe…

Das sind zwei schritte, die man getrennt voneinander machen muss.
Von der E- und K-Gruppe nimmst du nur die Werte einer subskala.
Innerhalb jeder Gruppe berechnest du dann von der subskala den Median (und am besten auch min, max, 25% und 75% Quantil) und vergleichst die beiden Zahlenreihen mit dem U-test.

und wie erstelle ich für die grafische Darstellung ein
übersichtliches Balkendiagramm? muss ich ein gruppiertes
verwenden? welche Werte kommen in die Spalten/Zeilen? möchte
gern für jede Dimension zwei Balken haben (EG/KG) damit man
die Unterschiede sieht… scheitere leider daran und hoffe
jemand von euch kann mir helfen :smile:)

Ähm, Balken sind eh nicht so toll. Boxplots wären viel spanndender.
Wenn du die Gruppierst, dann hast du Subskala 1 bis 9 auf der x-achse und bei jeder wird dann EG und KG dargestellt und auf der y-achse sind die skalen(summen)werte.

viele Grüße,
JPL

#3

Hi JPL,
erstmal: vielen herzlichen dank für die antwort und die zeit die du dir genommen hast :smile: zu meinem versuchsaufbau:

wenn ich deine schon recht gute Darstellung der Studie richtig
verstehe, dann hast du

  1. die Probanden einen Fragebogen ausfüllen lassen um das
    Selbstkonzept herauszufinden
  2. die in Experiment- und Kontrollgruppe eingeteilt
  3. Experimentgruppe das agressive Autorennspiel und die
    Experimentalgruppe das zurückhaltende rennspile spielen lassen
  4. wieder den Selbstkonzptfrageboegen ausfüllen lassen
    ?

2-3 korrekt, nur vorher wurde das selbstkonzept nicht erhoben,
ich sollte lediglich das selbstkonzept nach dem spielen zwischen den gruppen vergleichen, daher hatte ich nur eine unterschiedshypothese so von wegen aufgrund der unterschiedlichen spiele müssten unterschiede im sk bestehen.

Ob Unterschiede existieren ist weniger interessant als wo
diese herrühren. Demnach würde ich eine Hypothese erwarten wie
folgt:
„Das Spielen des aggresiven Rennspiels verändert das
Selbstkonzept hin zu höheren(?) Skalenwerten.“
dazu müsste man natürlich den Untersheid zwischen 1 und 4
evaluieren.

daher muss ich nicht eruieren wo diese herrühren, sondern einfach ob welche bestehen, da ich das selbstkonzept mit einem fragebogen erfasst hab, den vorher noch keiner benutzt hat… auch die fragestellung ist völlig neu und es existieren leider keine vergleichsstudien…

für die darstellung meiner ergebnisse also dass unterschiede existieren soll ich ja den median benutzen… kann ich die medianwerte wenn ich diese errechnet habe für kg und eg miteinander vergleichen und sagen, die eg hat im durchschnitt höhere werte also eine größere akzeptanz zu riskanten Aussagen…

Innerhalb jeder Gruppe berechnest du dann von der subskala den
Median (und am besten auch min, max, 25% und 75% Quantil) und
vergleichst die beiden Zahlenreihen mit dem U-test.

?? sorry, aber wie geht das genau? bin eine ziemlcihe spss niete :frowning:

und wie erstelle ich für die grafische Darstellung ein
übersichtliches Balkendiagramm? muss ich ein gruppiertes
verwenden? welche Werte kommen in die Spalten/Zeilen? möchte
gern für jede Dimension zwei Balken haben (EG/KG) damit man
die Unterschiede sieht… scheitere leider daran und hoffe
jemand von euch kann mir helfen :smile:)

Ähm, Balken sind eh nicht so toll. Boxplots wären viel
spanndender.
Wenn du die Gruppierst, dann hast du Subskala 1 bis 9 auf der
x-achse und bei jeder wird dann EG und KG dargestellt und auf
der y-achse sind die skalen(summen)werte.

leider wurde mir vom lehrstuhl aufgetragen ich soll balkendiagramme erstellen… mach ich das dann mit den jeweiligen mittelwerten pro gruppe pro subskala? oder muss ich auch hier den median verwenden? die mittelwerte kann ich die obwohl anderes skalenniveau durch t-tests berechnen?

bin echt am verzweifeln weil ich mich null auskenne!
schon mal vielen dank!

liebe grüße

#4

Hi,

wenn ich deine schon recht gute Darstellung der Studie richtig
verstehe, dann hast du

  1. die Probanden einen Fragebogen ausfüllen lassen um das
    Selbstkonzept herauszufinden
  2. die in Experiment- und Kontrollgruppe eingeteilt
  3. Experimentgruppe das agressive Autorennspiel und die
    Experimentalgruppe das zurückhaltende rennspile spielen lassen
  4. wieder den Selbstkonzptfrageboegen ausfüllen lassen
    ?

2-3 korrekt, nur vorher wurde das selbstkonzept nicht erhoben,
ich sollte lediglich das selbstkonzept nach dem spielen
zwischen den gruppen vergleichen, daher hatte ich nur eine
unterschiedshypothese so von wegen aufgrund der
unterschiedlichen spiele müssten unterschiede im sk bestehen.

Okay, das änder aber im Grunde an der Hypothese nur wenig, lediglich die Daten sind dann etwas anders.
(Nur am Rande: wie hast du die probane den eigentlich randomisiert, also den beiden Gruppen zugeordnet?)

„Nach dem Spielen des aggresiven Rennspiels sind die Skalenwerte des Selbstkonzepts größer.“

für die darstellung meiner ergebnisse also dass unterschiede
existieren soll ich ja den median benutzen… kann ich die
medianwerte wenn ich diese errechnet habe für kg und eg
miteinander vergleichen und sagen, die eg hat im durchschnitt
höhere werte also eine größere akzeptanz zu riskanten
Aussagen…

Im Prinzip schon. Bei SPSS kannst du dir unter „deskriptive“ aber auch noch andere Werte angeben lassen, mean, SD, min, max,… mit denen man dann etwas seher kann, woher die Unterschiede kommen.
Denn: auch wenn der Mann-Whitney-U-test signifikant ist bedeutet das noch nicht, dass die Mediane verschieden sein müssen. Der test spricht allgemein auf alle Verteilungsunerschiede verscheiden stark an.
Gerade die Balkendarstellung kann da irreführend sein, weil sie eben nur eine Facette beleuchtet.

Innerhalb jeder Gruppe berechnest du dann von der subskala den
Median (und am besten auch min, max, 25% und 75% Quantil) und
vergleichst die beiden Zahlenreihen mit dem U-test.

?? sorry, aber wie geht das genau? bin eine ziemlcihe spss
niete :frowning:

schau ,al z.B. hier: http://www.quantitative-methoden.de/Dateien/Auflage3…

und wie erstelle ich für die grafische Darstellung ein
übersichtliches Balkendiagramm? muss ich ein gruppiertes
verwenden? welche Werte kommen in die Spalten/Zeilen? möchte
gern für jede Dimension zwei Balken haben (EG/KG) damit man
die Unterschiede sieht… scheitere leider daran und hoffe
jemand von euch kann mir helfen :smile:)

Ähm, Balken sind eh nicht so toll. Boxplots wären viel
spanndender.
Wenn du die Gruppierst, dann hast du Subskala 1 bis 9 auf der
x-achse und bei jeder wird dann EG und KG dargestellt und auf
der y-achse sind die skalen(summen)werte.

leider wurde mir vom lehrstuhl aufgetragen ich soll
balkendiagramme erstellen…

Naja, wie gesagt, Balkendiagramme stellen nur eine Facette der Werte dar.

mach ich das dann mit den
jeweiligen mittelwerten pro gruppe pro subskala? oder muss ich
auch hier den median verwenden? die mittelwerte kann ich die
obwohl anderes skalenniveau durch t-tests berechnen?

Man nmacht am besten alles aus einem Guß: Will man Mediane vergleichen um Unterschiede festzustellen, dann testet man diese und stellt diese dann auch dar.

bin echt am verzweifeln weil ich mich null auskenne!
schon mal vielen dank!

ein Lob an deine Betreuer :wink:
wird das eine eigentlich eine Bachelorarbeit oder was vergleichbares?

Viele Grüße,
JPL

2 Like
#5

hi, vielen dank für deine weiteren erklärungen! …steh aber bei manchen sachen leider immer noch auf dem schlauch :confused:

für die darstellung meiner ergebnisse also dass unterschiede
existieren soll ich ja den median benutzen… kann ich die
medianwerte wenn ich diese errechnet habe für kg und eg
miteinander vergleichen und sagen, die eg hat im durchschnitt
höhere werte also eine größere akzeptanz zu riskanten
Aussagen…

Im Prinzip schon. Bei SPSS kannst du dir unter „deskriptive“
aber auch noch andere Werte angeben lassen, mean, SD, min,
max,… mit denen man dann etwas seher kann, woher die
Unterschiede kommen.
Denn: auch wenn der Mann-Whitney-U-test signifikant ist
bedeutet das noch nicht, dass die Mediane verschieden sein
müssen. Der test spricht allgemein auf alle
Verteilungsunerschiede verscheiden stark an.
Gerade die Balkendarstellung kann da irreführend sein, weil
sie eben nur eine Facette beleuchtet.

Innerhalb jeder Gruppe berechnest du dann von der subskala den
Median (und am besten auch min, max, 25% und 75% Quantil) und
vergleichst die beiden Zahlenreihen mit dem U-test.

?? sorry, aber wie geht das genau? bin eine ziemlcihe spss
niete :frowning:

schau ,al z.B. hier:
http://www.quantitative-methoden.de/Dateien/Auflage3…

Berechne ich dann den Median über analysieren - desrkiptive statistiken - explorative datenanalyse (da ich ja bei häufigkeiten nur den median für die skala bekomme, aber nicht aufgeteilt für die subskala und nach eg und kg) … dann würde so etwas rauskommen

Deskriptive Statistik
Gruppe Statistik Standardfehler
GefaeFahr Experimental Mittelwert 5,6823 ,22424
95% Konfidenzintervall des Mittelwerts Untergrenze 5,2346
Obergrenze 6,1300
5% getrimmtes Mittel 5,7232
M edian 5,8571
Varianz 3,369
Standardabweichung 1,83551
Minimum 1,29
Maximum 8,71
Spannweite 7,43
Interquartilbereich 2,71
Schiefe -,374 ,293
Kurtosis -,598 ,578
Kontroll Mittelwert 5,3147 ,23205
95% Konfidenzintervall des Mittelwerts Untergrenze 4,8510
Obergrenze 5,7784
5% getrimmtes Mittel 5,3408
Median 5,5714
Varianz 3,446
Standardabweichung 1,85639
Minimum 1,29
Maximum 9,14
Spannweite 7,86
Interquartilbereich 2,64
Schiefe -,149 ,299
Kurtosis -,554 ,590

wäre das richtig? kann ich diese mediane dann nehmen und sagen, dass die probanden der eg risikofreudiger waren, da sie im mittel (Median= … SD = …) höhere werte auf der skala angekreuzt haben…

für das gewünschte balkendiagramm würde ich dann die median werte für die beiden gruppen pro skala in excel übertragen und dort das diagramm erstellen… kann man das so machen?

Naja, wie gesagt, Balkendiagramme stellen nur eine Facette der
Werte dar.

welche Facetten der werte stellen balkendiagramme dar? du merkst schon bin eine völlige statistik niete!!

versteh auch den zushang zwischen man u und den medianen nicht… überhaupt die bedeutung des median, der ja die verteilung in zwei hälften teilt… kann ich dann mit dem wert überhaupt sagen dass die experimentalgruppe höhere werte auf der subkala angekreutzt hat??

liebe grüße von einer verwirrten studentin!

#6

Hi,

hi, vielen dank für deine weiteren erklärungen! …steh aber
bei manchen sachen leider immer noch auf dem schlauch :confused:

Kein problem.

Berechne ich dann den Median über analysieren - desrkiptive
statistiken - explorative datenanalyse (da ich ja bei
häufigkeiten nur den median für die skala bekomme, aber nicht
aufgeteilt für die subskala und nach eg und kg) … dann würde
so etwas rauskommen

 Deskriptive Statistik
 Gruppe Statistik Standardfehler
GefaeFahr Experimental Mittelwert 5,6823 ,22424
 95% Konfidenzintervall des Mittelwerts Untergrenze 5,2346 
 Obergrenze 6,1300 
 5% getrimmtes Mittel 5,7232 
 M **edian 5,8571** 
 Varianz 3,369 
 Standardabweichung 1,83551 
 Minimum 1,29 
 Maximum 8,71 
 Spannweite 7,43 
 Interquartilbereich 2,71 
 Schiefe -,374 ,293
 Kurtosis -,598 ,578
 Kontroll Mittelwert 5,3147 ,23205
 95% Konfidenzintervall des Mittelwerts Untergrenze 4,8510 
 Obergrenze 5,7784 
 5% getrimmtes Mittel 5,3408 
 **Median 5,5714**
 Varianz 3,446 
 Standardabweichung 1,85639 
 Minimum 1,29 
 Maximum 9,14 
 Spannweite 7,86 
 Interquartilbereich 2,64 
 Schiefe -,149 ,299
 Kurtosis -,554 ,590

wäre das richtig? kann ich diese mediane dann nehmen und
sagen, dass die probanden der eg risikofreudiger waren, da sie
im mittel (Median= … SD = …) höhere werte auf der skala
angekreuzt haben…

Ja, das könnte man dann so sagen.
Allerdings ist der Unterscheid nicht übermässig groß.

für das gewünschte balkendiagramm würde ich dann die median
werte für die beiden gruppen pro skala in excel übertragen und
dort das diagramm erstellen… kann man das so machen?

ja, das geht.

Naja, wie gesagt, Balkendiagramme stellen nur eine Facette der
Werte dar.

welche Facetten der werte stellen balkendiagramme dar? du
merkst schon bin eine völlige statistik niete!!

eben nur den Median. Sie geben aber z.b. keinen Hinweis auf die Streuung in den Gruppen oder wie die Daten verteilt sind. Im Grunde ist sogar ein scatter-plot aufschlußreicher als ein Balkendiagramm.

versteh auch den zushang zwischen man u und den medianen
nicht… überhaupt die bedeutung des median, der ja die
verteilung in zwei hälften teilt… kann ich dann mit dem wert
überhaupt sagen dass die experimentalgruppe höhere werte auf
der subkala angekreutzt hat??

Korrekt, der Median ist der Wert, der die Stichprobe in 2 gleich größe Hälften teilt. Insofern weißt du, dass 50% der Leute werte oberhalb diesem Wert angekreuzt haben. Bei einem höheren Median ist es also auch wahrscheinlicher, dass die Werte im schnitt auch höher sind.
aber deine Bedenken sind korrekt - das muss nicht der Fall sein. Betrachte z.B. die Werte
1,1,1, 1 ,9,9,9
und
1,1,1, 2 ,2,2,2

in der 1. Probe ist der Median 1, in der 2. 2. Dennoch gibt es Werte in der 1. Gruppe, die deutlich größer sind als die in der 2.
Daher ist es eben wichrig, nicht nur den Median per Balken dazustellen, sondern eben mehr.

Viele Grüße,
JPL

2 Like
#7

Hi,

hi, vielen dank für deine weiteren erklärungen! …steh aber
bei manchen sachen leider immer noch auf dem schlauch :confused:

Kein problem.

wow, du bist toll! :smile:)) du hast mir jetzt schon 1000000000 mal mehr geholfen als meine betreuer! das dunkel lichtet sich langsam :smile:

kann ich diese mediane dann nehmen und

sagen, dass die probanden der eg risikofreudiger waren, da sie
im mittel (Median= … SD = …) höhere werte auf der skala
angekreuzt haben…

Ja, das könnte man dann so sagen.
Allerdings ist der Unterscheid nicht übermässig groß.

hab noch effektstärken berechnungen mit cliffs delta durchgeführt und da kam auch raus dass es lediglich geringe effekte sind…

Naja, wie gesagt, Balkendiagramme stellen nur eine Facette der
Werte dar.

welche Facetten der werte stellen balkendiagramme dar? du
merkst schon bin eine völlige statistik niete!!

eben nur den Median. Sie geben aber z.b. keinen Hinweis auf
die Streuung in den Gruppen oder wie die Daten verteilt sind.
Im Grunde ist sogar ein scatter-plot aufschlußreicher als ein
Balkendiagramm.

die streuung ist die varianz, oder? das könnte ich dann im text angeben bei der interpretation der ergebnisse… was würde das an einem beispiel bedeuten?

vielen herzlcihen dank!!! was würde ich nur ohne dich tun!!! :smile:

ganz liebe grüße!

#8

Hi,

wow, du bist toll! :smile:)) du hast mir jetzt schon 1000000000 mal
mehr geholfen als meine betreuer! das dunkel lichtet sich
langsam :smile:

Das freut mich :smile:

kann ich diese mediane dann nehmen und

sagen, dass die probanden der eg risikofreudiger waren, da sie
im mittel (Median= … SD = …) höhere werte auf der skala
angekreuzt haben…

Ja, das könnte man dann so sagen.
Allerdings ist der Unterscheid nicht übermässig groß.

hab noch effektstärken berechnungen mit cliffs delta
durchgeführt und da kam auch raus dass es lediglich geringe
effekte sind…

Ich persönlich halte nicht viel von Effektstärken, aber sei’s drum.
am besten du päsentierst dann den Unterscheid zwischen den Medianen (~0.3) und die Effektstärken zusammen, dann noch den p-wert vom U-test dazu und alles wird klar.

die streuung ist die varianz, oder? das könnte ich dann im
text angeben bei der interpretation der ergebnisse… was würde
das an einem beispiel bedeuten?

Steuung ist alles, was variabilität beschreibt. Von daher sind range (=max-min), Varianz, standardabweichung (=Wurzel(Varianz)), Interquartilsabstand (=75% Perzentil - 25% Perzentil*), und derlei Kennzahlen alle geeignet, um Variabilität zu beschreiben.

daher macht es immer sinn zu allererst mit der deskriptiven zu beginnen, d.h. in deinem Fall: N, mean, median, SD, min, max von den subskalen pro Gruppe anzugeben.

dann ist wie gesagt eine Grafik immer praktisch, ein Boxplot (http://mars.wiwi.hu-berlin.de/mediawiki/statwiki/ind…) liefert da am meisten Infos.

* ein x%Perzentil trennt die Stichprobe so, dass x% unterhalb liegen und 100-x% darüber. Damit ist der Median also ein 50%Perzentil.

vielen herzlcihen dank!!! was würde ich nur ohne dich tun!!!

)

Keine Ursache. :smile:

viele Grüße,
JPL

1 Like
#9

so, hab jetzt mal versucht mit Hilfe einer Tabelle und im Text mit den Medianen etc die Ergebnisse zu interpretieren… das kam dabei raus:

4.2 Untersuchung der Gruppenunterschiede im Selbstkonzept
Je nach Spielbedingung (racing games vs. drive` em up games) wurden Unterschiede im Selbstkonzept zwischen den Gruppen, hinsichtlich verschiedener Subskalen zur Einstellung als Autofahrer erwartet. Nach der statistischen Analyse ergab sich kein signifikanter Unterschied zwischen den Gruppen für das Fahrverhalten insgesamt über alle Subskalen (p= .071), aber es konnten signifikante Ergebnisse hinsichtlich zweier Subskalen identifiziert werden. Tabelle 5 zeigt die einzelnen Werte nach Durchführung des Mann-Whitney-U-Tests.

Tabelle 5: Mann-Whitney-U-Test Einstellung als Autofahrer
Subskala Bedingung Median Mann-Whitney-U Asymptotische Signifikanz
(2-seitig)
Fahrverhalten gesamt Experimental 4.632 3631.000 .071
Kontroll 4.237
Mit gefährlichem Fahrer fahren Experimental 5.857 3958.500 .221
Kontroll 5.571
Geschwindigkeitsüberschreitung Experimental 7.000 3596.000 .008
Kontroll 6.100
Besorgt sein, jemand zu verletzen Experimental 7.667 4047.000 .209
Kontroll 7.667
Trinken und Fahren Experimental 2.667 4267.500 .916
Kontroll 3.000
Mit den Fahrfertigkeiten angeben Experimental 5.000 4164.000 .376
Kontroll 5.333
Verkehrsfluss vs. Regelhörigkeit Experimental 4.222 3989.500 .129
Kontroll 3.778
Joyriding Experimental 4.333 3804.000 .018
Kontroll 3.333
Risiko für Unfälle Experimental 1.000 4259.000 .745
Kontroll 1.000
Verstoß gegen Verkehrsregeln Experimental 5.500 4085.000 .091
Kontroll 7.000
Signifikanzniveau α = .05

Die Hypothese, dass kurzfristige Unterschiede im Selbstkonzept zwischen Gruppen hinsichtlich ihrer Einstellung als Autofahrer existieren, kann für die Subskalen „Geschwindigkeitsüberschreitung“ (p = .008) und „Joyriding“ (p = .018) bestätigt werden. Probanden der Experimentalgruppe erzielten auf der Subskala „Geschwindigkeitsüberschreitung“ einen signifikant höheren Wert (p = .008), das heißt sie stimmten Aussagen schnell zu fahren oder Geschwindigkeitsbegrenzungen zu überschreiten stärker zu (M = 7.000; SD = 1.748) als Probanden der Kontrollgruppe (M = 6.100; SD = 1.710) und zeigten somit eine größere Risikobereitschaft. Auch auf der Subskala „Joyriding“ ließen sich signifikante Unterschiede identifizieren. Die Experimentalgruppe vergab signifikant höhere Werte (M = 4.333; SD = 1.771) bzw. stimmte stärker mit Aussagen zum „Joyriding“, also fahren um Spaß zu haben, überein (p = .018). Das bedeutet, dass sie im Vergleich zur Kontrollgruppe (M = 3.333; SD = 1.500) verstärkt der Ansicht waren, Geschwindigkeitsüberschreitung und Aufregung gehören zusammen wenn man Auto fährt, dass Autofahren mehr bedeutet als nur von A nach B zu kommen und dass Heranwachsende ein Bedürfnis nach Spaß und Aufregung im Straßenverkehr haben. Jedoch konnten für beide Subskalen lediglich geringe Effektstärken nachgewiesen werden (Geschwindigkeitsüberschreitung: p = .008, d = .271; Joyriding: p = .018, d = .238). Im Hinblick auf die Risikowahrnehmung für Unfälle (p = 0.745) unterscheiden sich die Gruppen überhaupt nicht (Experimentalgruppe: M = 1.000, SD = 0.766; Kontrollgruppe: M = 1.000, SD = 0.712). Das gleiche gilt für die Subskala „Besorgt sein, jemand zu verletzen“ (p = 0.209). Beide Gruppen (Experimentalgruppe: M = 7.667, SD = 2.886; Kontrollgruppe: M = 7.667, SD = 1.743) waren übereinstimmend der Ansicht, dass es bei ihnen Wunden hinterlassen würde, sollten sie jemand im Straßenverkehr verletzen. Auch auf den restlichen Subskalen ergaben sich, wie der Tabelle 5 zu entnehmen ist, keine signifikanten Unterschiede zwischen den Gruppen, wobei sich auf der Subskala „Verstoß gegen Verkehrsregeln“ deutliche Unterschiede im Median zeigen, die aber nach dem Mann-Whitney-U Test nicht signifikant (p = 0.91; d = -0.170) werden. Die Kontrollgruppe (M = 7.000; SD = 2.290) war verstärkt der Ansicht, dass man Verkehrsregeln und Gesetzen unabhängig von den Verkehrsbedingungen immer folgen sollte, im Vergleich zur Experimentalgruppe (M = 5.500; SD = 2.479).

würde das so gehen? was mir überhaupt nicht klar ist, ist dass auf der Skala „Verstoß gegen Verkehrsregeln“ sich die Mediane deutlich unterscheiden! EG: M= 5.500 KG: M= 7.000 (sind deutlicher der Ansicht dass Verkehrsregeln unbedingt eingehalten werden müssen), aber es wird nach dem Mann U Test nicht signifikant (p = .091) wie kann das sein? wie ist das zu interpretieren? also das versteh ich irgendwie überhaupt nicht…

dankeschööööön! :smile:

#10

Hi,

Tabelle 5 zeigt die einzelnen Werte nach
Durchführung des Mann-Whitney-U-Tests.

[…]
passt.
Der nachfolgende Text von dir ist eine Mischung aus Results und Interpretation/Diskussion. Ggf müsste man das trennen.

Die Hypothese, dass kurzfristige Unterschiede im Selbstkonzept
zwischen Gruppen hinsichtlich ihrer Einstellung als Autofahrer
existieren, kann für die Subskalen
„Geschwindigkeitsüberschreitung“ (p = .008) und „Joyriding“ (p
= .018) bestätigt werden. Probanden der Experimentalgruppe
erzielten auf der Subskala „Geschwindigkeitsüberschreitung“
einen signifikant höheren Wert (p = .008), das heißt sie
stimmten Aussagen schnell zu fahren oder
Geschwindigkeitsbegrenzungen zu überschreiten stärker zu (M =
7.000; SD = 1.748) als Probanden der Kontrollgruppe (M =
6.100; SD = 1.710) und zeigten somit eine größere
Risikobereitschaft.

M=Median? würde ich explizit schreiben.

Auch auf der Subskala „Joyriding“ ließen
sich signifikante Unterschiede identifizieren. Die
Experimentalgruppe vergab signifikant höhere Werte (M = 4.333;
SD = 1.771) bzw. stimmte stärker mit Aussagen zum „Joyriding“,
also fahren um Spaß zu haben, überein (p = .018). Das
bedeutet, dass sie im Vergleich zur Kontrollgruppe (M = 3.333;
SD = 1.500) verstärkt der Ansicht waren,
Geschwindigkeitsüberschreitung und Aufregung gehören zusammen
wenn man Auto fährt, dass Autofahren mehr bedeutet als nur von
A nach B zu kommen und dass Heranwachsende ein Bedürfnis nach
Spaß und Aufregung im Straßenverkehr haben. Jedoch konnten für
beide Subskalen lediglich geringe Effektstärken nachgewiesen
werden (Geschwindigkeitsüberschreitung: p = .008, d = .271;

der p-Wert ist hier überflüssig

Joyriding: p = .018, d = .238). Im Hinblick auf die
Risikowahrnehmung für Unfälle (p = 0.745) unterscheiden sich
die Gruppen überhaupt nicht (Experimentalgruppe: M = 1.000, SD
= 0.766; Kontrollgruppe: M = 1.000, SD = 0.712).

„überhaupt nicht“ stimmt nicht. besser „unterscheiden sich nur marginal“ oder so.

Das gleiche
gilt für die Subskala „Besorgt sein, jemand zu verletzen“ (p =
0.209). Beide Gruppen (Experimentalgruppe: M = 7.667, SD =
2.886; Kontrollgruppe: M = 7.667, SD = 1.743) waren
übereinstimmend der Ansicht, dass es bei ihnen Wunden
hinterlassen würde, sollten sie jemand im Straßenverkehr
verletzen. Auch auf den restlichen Subskalen ergaben sich, wie
der Tabelle 5 zu entnehmen ist, keine signifikanten
Unterschiede zwischen den Gruppen, wobei sich auf der Subskala
„Verstoß gegen Verkehrsregeln“ deutliche Unterschiede im
Median zeigen, die aber nach dem Mann-Whitney-U Test nicht
signifikant (p = 0.91; d = -0.170) werden.

Warum? Hier wären histogramme/boxplots geeignet um die Unterschiede aufzuzeigen.

[…]

würde das so gehen?

Im wesentlichen schon. Versuche Wiederholungen zu vermeiden und zwischen ergebnisssen und Diskussion zu trennen.

was mir überhaupt nicht klar ist, ist dass
auf der Skala „Verstoß gegen Verkehrsregeln“ sich die Mediane
deutlich unterscheiden! EG: M= 5.500 KG: M= 7.000 (sind
deutlicher der Ansicht dass Verkehrsregeln unbedingt
eingehalten werden müssen), aber es wird nach dem Mann U Test
nicht signifikant (p = .091) wie kann das sein? wie ist das zu
interpretieren? also das versteh ich irgendwie überhaupt
nicht…

schau dir mal SD, mean und min & max von beiden Gruppen an. Ich vermute, dass zwar der Median verscheiden ist, aber min und max recht ähnlich und Sd in beiden Fällen sehr groß ist. dann überdekcne sich die beiden Gruppen derart stark, dass der Unterschied wieder verwischt.
Denn: der U-test testet nicht medianA versus medianB (wie z.B. beim t-test via mean1 - mean2) sondern vergleicht - simplifiziert - jeden Wert der einen Gruppe mit jedem der anderen Gruppe.

Z.B.: x=(1,1,3,4,5,6,6,6,7,8) und y=c(1,1,3,4,7,7,7,7,7,8) haben median=5.5. und 7, aber der p-wert für den U-test ist 0.4638.

wie gesagt, ein schönes Fall zum Diskutieren und sich die daten genauer anzuschauen.

eins noch: Du hast schon sehr gut beschrieben, dass alpha=5% ist. an der stelle solltest du noch schreiben, dass es sich um explorative tests handelt und deswegen keine anpassung bzgl Mutiplen testen erfolgte.

Viele Grüße,
JPL

1 Like
#11

hi, erstmal muss ich wieder einen dicken fetten dank aussprechen! ich finde es echt total super dass du dir für meine tausend fragen immer zeit nimmst (ich weiß ich bin ein schwerer fall) :wink:

Der nachfolgende Text von dir ist eine Mischung aus Results
und Interpretation/Diskussion. Ggf müsste man das trennen.

ist mir auch aufgefallen, hab es schon getrennt :wink:

wobei sich auf der Subskala

„Verstoß gegen Verkehrsregeln“ deutliche Unterschiede im
Median zeigen, die aber nach dem Mann-Whitney-U Test nicht
signifikant (p = 0.91; d = -0.170) werden.

Warum? Hier wären histogramme/boxplots geeignet um die
Unterschiede aufzuzeigen.

hab das jetzt mal angesprochen dass mit dem balkendiagramm usw, nun soll kann ich doch boxplots machen :smile: ich hör in zukunft einfach nur noch auf dich :wink:

hab dazu aber noch eine frage: ich habe für jede subskala einen einzelnen boxplot erstellt, kriege es aber irgendwie nicht hin, alle subskalen pro gruppe in ein diagramm zu integrieren… geht dass denn überhaupt? oder muss ich es für jedes einzeln machen? finde wirklich dass man hier die unterschiede sehr gut erkennt und das hat mir fürs verständnis sehr viel geholfen, vor allem bei der letzten skala, da zwar die mediane unterschiedlich sind, man aber auf dem boxplot sehr gut erkennen kann dass sich die zwei plots überlappen (oder wie sagt man es in statistik deutsch?) :wink:

eins noch: Du hast schon sehr gut beschrieben, dass alpha=5%
ist. an der stelle solltest du noch schreiben, dass es sich um
explorative tests handelt und deswegen keine anpassung bzgl
Mutiplen testen erfolgte.

meinst du damit das man auf eine adjustierung des alpha-fehlers verzichten kann, oder?

Viele Grüße,

liebe grüße zurück und einen schönen abend!

#12

Hi,

hi, erstmal muss ich wieder einen dicken fetten dank
aussprechen! ich finde es echt total super dass du dir für
meine tausend fragen immer zeit nimmst (ich weiß ich bin ein
schwerer fall) :wink:

Mach dir da mal keinen Kopp. :smile:

hab das jetzt mal angesprochen dass mit dem balkendiagramm
usw, nun soll kann ich doch boxplots machen :smile: ich hör in
zukunft einfach nur noch auf dich :wink:

Sehr gut -weniger das auf mich hören als dass du jetzt doch Boxplots machen darfst.

hab dazu aber noch eine frage: ich habe für jede subskala
einen einzelnen boxplot erstellt, kriege es aber irgendwie
nicht hin, alle subskalen pro gruppe in ein diagramm zu
integrieren… geht dass denn überhaupt?

Ja,bei SPSS gehtdas unter Boxplots>gruppiert. Da muss man etwas rumspielen bis es passt oder du machst eben für jede Subskala nur die Gruppen getrennt und hast dann mehrere einzelne plots.

…, man aber auf dem boxplot
sehr gut erkennen kann dass sich die zwei plots überlappen
(oder wie sagt man es in statistik deutsch?) :wink:

Das geht schon, da gibt es nichts feststehendes. Was man aber aus sich überlappenden Boxplots herauslesen kann, ist nicht so einfach. Test und Grafik gehören da zusammen und erklären einander.

meinst du damit das man auf eine adjustierung des
alpha-fehlers verzichten kann, oder?

du könntest - eben mit der Begründung, dass es explorativ ist. Das ist durchaus legitim, aber man sollte das Thema wenigstens kurz erwähnen. Beim nächsten Mal kannst du dann gleich entsprechend planen. Du weißt ja, dass man die Statistik mit dem Versuch zusammen plant, gell? :smile:

Viele Grüße,
JPL

#13

Mach dir da mal keinen Kopp. :smile:

DANKE :smile:

Ja,bei SPSS gehtdas unter Boxplots>gruppiert. Da muss man
etwas rumspielen bis es passt oder du machst eben für jede
Subskala nur die Gruppen getrennt und hast dann mehrere
einzelne plots.

geschafft!

…, man aber auf dem boxplot
sehr gut erkennen kann dass sich die zwei plots überlappen
(oder wie sagt man es in statistik deutsch?) :wink:

Das geht schon, da gibt es nichts feststehendes. Was man aber
aus sich überlappenden Boxplots herauslesen kann, ist nicht so
einfach. Test und Grafik gehören da zusammen und erklären
einander.

ehrlich gesagt weiß ich gar nicht genau wie ich die plots interpretieren soll… :-/ der kasten stellt ja die 50% der stichprobe da, der strich is der median, der ihn in zwei hälften teilt… das andere (strich) gibt den höchsten wert an oder? aber wie is das mit der streuung, was bedeutet das genau? hab irgendwie probleme, die gruppen zu vergleichen auf der skala regelverstöße… die experimentalgruppe hat einen median von 5 und die kontrollgruppe von 7.5 (das würde bedeuten, die kontrollgruppe findet es wichtiger regeln einzuhalten… der unterschied wird aber nach dem man-u nicht signifikant…) hab keine ahnung wie ich die plots vergleich und interpretiere… hilfe :frowning:

wenn ich im text bzw. diskussion die gruppen vergleiche und die ergebnisse diskutiere, gebe ich dann beim median immer auch die standardabweichung mit an? also z. B. die Experimentalgruppe (Median = 5, SD = …) unterscheidet sich allenfalls marginal von der Kontrollgruppe (Median= … ; SD= …) auf der Skala… ??

meinst du damit das man auf eine adjustierung des
alpha-fehlers verzichten kann, oder?

du könntest - eben mit der Begründung, dass es explorativ ist.
Das ist durchaus legitim, aber man sollte das Thema wenigstens
kurz erwähnen. Beim nächsten Mal kannst du dann gleich
entsprechend planen. Du weißt ja, dass man die Statistik mit
dem Versuch zusammen plant, gell? :smile:

ja, weiß ich :smile: leider wurde ich da so reingeschmissen, da war der versuchsaufbau schon geplant, deswegen fällts mir ja so schwer…

liebe grüße!

#14

Ja,bei SPSS gehtdas unter Boxplots>gruppiert. Da muss man
etwas rumspielen bis es passt oder du machst eben für jede
Subskala nur die Gruppen getrennt und hast dann mehrere
einzelne plots.

geschafft!

Prima :smile:

ehrlich gesagt weiß ich gar nicht genau wie ich die plots
interpretieren soll… :-/ der kasten stellt ja die 50% der
stichprobe da,

jein, er stellt die 50% dar, die zwischen dem 25% perzentilund dem 75% perzentil liegen- sozusagen die 50% um den Median. Damit ist dies - die sogenannte Interquartilsdistantz (IQR) - auch ein Streuungsmaß. D.h. je größer die Box, umso mehr streuen die Werte bei gleichem median.

der strich is der median, der ihn in zwei
hälften teilt…

der die Stichprobe in 2 Hälften teilt.Die Box kann auch asymmetrisch um den median liegen.
Z.B. 1,1,1,2,2,3,4,5
hat ein 25%perzentil von 1, 50% perzentil (=Median) von 2 und ein 75% perzentil von 3.5. die Box geht also von 1 bis 3.5 , aber der Median liegt keinesfalls in der Mitte der Box.

das andere (strich) gibt den höchsten wert an
oder?

Die heissen whisker. I.a. sind sie so eingestellt, dass sie den maximalen Wert angeben, WENN dieser 25%Perz - 1.5*IQR ist. Alles was weiter draussen liegt wird mit Sternchen oder Kreisen markiert.

aber wie is das mit der streuung, was bedeutet das
genau? hab irgendwie probleme, die gruppen zu vergleichen

Schau dir einfach an wie die median zueinander liegen, wie die Boxen sind und die Whisker u.s.w.

auf
der skala regelverstöße… die experimentalgruppe hat einen
median von 5 und die kontrollgruppe von 7.5 (das würde
bedeuten, die kontrollgruppe findet es wichtiger regeln
einzuhalten…

ja, sieht so aus

der unterschied wird aber nach dem man-u nicht
signifikant…) hab keine ahnung wie ich die plots vergleich
und interpretiere… hilfe :frowning:

Die boxen sind vermutlich sehr groß. Man kann sich dann auch mal die Einzelwerte anschauen (via Scatterplot) um evtl. zu sehen woran es noch liegen könnte. Das lässt mittels Ferndiagnose schlecht beurteilen.

wenn ich im text bzw. diskussion die gruppen vergleiche und
die ergebnisse diskutiere, gebe ich dann beim median immer
auch die standardabweichung mit an? also z. B. die
Experimentalgruppe (Median = 5, SD = …) unterscheidet sich
allenfalls marginal von der Kontrollgruppe (Median= … ; SD=
…) auf der Skala… ??

Klassischerweise beschreibt man median und IQR zusammen weil beides nichtparametrisch ist. Um aber z.B. schiefe/asyymetrische Verteilungen zu charakterisieren, stellt man gerne noch den mean dazu und vergleicht ihn mit dem Median. Daher halt das Vorgehen, mean, Sd, median, IQR, min und max anzugeben.

meinst du damit das man auf eine adjustierung des
alpha-fehlers verzichten kann, oder?

du könntest - eben mit der Begründung, dass es explorativ ist.
Das ist durchaus legitim, aber man sollte das Thema wenigstens
kurz erwähnen. Beim nächsten Mal kannst du dann gleich
entsprechend planen. Du weißt ja, dass man die Statistik mit
dem Versuch zusammen plant, gell? :smile:

ja, weiß ich :smile: leider wurde ich da so reingeschmissen, da
war der versuchsaufbau schon geplant, deswegen fällts mir ja
so schwer…

Dann schreibt einfach, dass die Studie explorativ ist, daher keine Adjustierung für multiples testen vorgenommen wurde und fertig.

Viele Grüße,
JPL

1 Like
#15

Hallo, bin wieder einen großen schritt weiter gekommen und hab alle ergebnisse dargestellt. :smile:

hätte noch eine frage zur ergebnissdarstellung… (irgendwie gibt es da leider nirgends hinweise was anzugeben ist bzw. wie)

wenn ich im text bzw. diskussion die gruppen vergleiche und
die ergebnisse diskutiere, gebe ich dann beim median immer
auch die standardabweichung mit an? also z. B. die
Experimentalgruppe (Median = 5, SD = …) unterscheidet sich
allenfalls marginal von der Kontrollgruppe (Median= … ; SD=
…) auf der Skala… ??

Klassischerweise beschreibt man median und IQR zusammen weil
beides nichtparametrisch ist. Um aber z.B.
schiefe/asyymetrische Verteilungen zu charakterisieren, stellt
man gerne noch den mean dazu und vergleicht ihn mit dem
Median. Daher halt das Vorgehen, mean, Sd, median, IQR, min
und max anzugeben.

was meinst du mit mean? bzw. IQR? bzw. wo finde ich das in spss? hab ja die deskriptive statisktik gerechnet…
wenn ich für jede gruppe pro subskala z.b. angebe: Auf der Subskala Regelverstoss (EG: N= 65, max=8,333, min=1, SD=1,771, Median=2,667) die varianz muss ich die auch noch extra angeben?

vielen lieben dank!

p.s. darf ich dich in meiner danksagung erwähnen? :wink:

#16

Hi,

was meinst du mit mean? bzw. IQR? bzw. wo finde ich das in
spss? hab ja die deskriptive statisktik gerechnet…

mean ist der Mittelwert, IQR die Interquartilsdistanz, also der Wert für das 3. Quartil - Wert 1. Quartil = oberkante - unterkante im Boxplot.

wenn ich für jede gruppe pro subskala z.b. angebe: Auf der
Subskala Regelverstoss (EG: N= 65, max=8,333, min=1, SD=1,771,
Median=2,667) die varianz muss ich die auch noch extra
angeben?

am besten machst du einfach ein Tabelle mit min,max, mean, SD, N, median, IQRund beziehst dich im Text nur auf median und IQR.

Grüße,
JPL

p.s. darf ich dich in meiner danksagung erwähnen? :wink:

keine Ahnung, musst du mit deinem Betreuer absprechen. :wink:

#17

mean ist der Mittelwert, IQR die Interquartilsdistanz, also
der Wert für das 3. Quartil - Wert 1. Quartil = oberkante -
unterkante im Boxplot.

IQR rechne ich mir dann selber aus oder?

am besten machst du einfach ein Tabelle mit min,max, mean, SD,
N, median, IQRund beziehst dich im Text nur auf median und
IQR.

werd ich machen :smile:

Vielen lieben Dank!!!

Grüße,
JPL

p.s. darf ich dich in meiner danksagung erwähnen? :wink:

keine Ahnung, musst du mit deinem Betreuer absprechen. :wink:

ich denke es geht in ordnung :wink:

#18

Hi,

mean ist der Mittelwert, IQR die Interquartilsdistanz, also
der Wert für das 3. Quartil - Wert 1. Quartil = oberkante -
unterkante im Boxplot.

IQR rechne ich mir dann selber aus oder?

Ist wahrscheinlich das einfachste.

Grüße,
JPL

p.s. darf ich dich in meiner danksagung erwähnen? :wink:

keine Ahnung, musst du mit deinem Betreuer absprechen. :wink:

ich denke es geht in ordnung :wink:

Dann wll ich aber auch eine Ausgabe davon :smile:

#19

Guten Tag,

p.s. darf ich dich in meiner danksagung erwähnen? :wink:

keine Ahnung, musst du mit deinem Betreuer absprechen. :wink:

ich denke es geht in ordnung :wink:

Dann wll ich aber auch eine Ausgabe davon :smile:

gerne :smile: und nochmal vielen lieben dank für die kompetenten und zuverlässigen antworten! :smile:)))

ganz liebe grüße!

#20

Hi,

Dann wll ich aber auch eine Ausgabe davon :smile:

gerne :smile: und nochmal vielen lieben dank für die kompetenten
und zuverlässigen antworten! :smile:)))

da nich für- viel Glück und viele Grüße,
JPL