wie könnte ich eine Äquivalenzhypothese bei einer nominalen Variablen testen? Wie man Äquivalenzhypothesen bei metrischen Variablen testet ist mir klar, aber für nominale Variable habe ich noch keine Lösung geffunden. Die nominale Variable hat zwei Ausprägungen, nenne wir Sie m und w.
Es gilt also in dem speziellen Fall:
Nullhypothese: Die Häufigkeiten bei m und w sind unterschiedlich
Alternativhypothese (erwünschte Hypothese): Die Häufigkeiten bei a und b sind gleich
Das ist ein Binomial-Experiment. Frequentistisch kannst Du mit einem Binomialtest untersuchen, ob die Wahrscheinlichkeit für m 50% beträgt. Poweranalyse dafür findet man bestimmt im package pwr. Da mösste man eine angemessen hohe Power einfordern für die Äquivalenzfrage.
LG,
Bernhard
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
bigben hat geschrieben: ↑So Nov 19, 2017 6:41 pm
Hi!
Das ist ein Binomial-Experiment. Frequentistisch kannst Du mit einem Binomialtest untersuchen, ob die Wahrscheinlichkeit für m 50% beträgt. Poweranalyse dafür findet man bestimmt im package pwr. Da mösste man eine angemessen hohe Power einfordern für die Äquivalenzfrage.
LG,
Bernhard
Hi Bernhard,
schön, Dich zu lesen!
Ich kenne von metrischen Variablen diese Vorgehensweise:
Einen "Korridor" um den Referenzwert definieren innerhalb dessen von Äquivalenz ausgegangen wird.
Dann den Wert gegen den "Rand" testen mit einem ganz normalen t-Test
Beispiel:
Sei 3.0 der Referenzwert. Bei einem Wert von max. 3.1 gehen wir davon aus, Äquivalenz vorliegt. Beobachtet wird ein Wert von 3.15. Somit werden 3.15 und 3.1 mit einem t-Test gegeneinander getestet. Gibt es keinen signifikanten Unterschied, besteht Äquivalenz.
Ich frage mich gerade, ob man das Beispiel nicht einfach auf Häufigkeiten übertragen kann und dann halt mit Chi² testen statt mit t-Test?
Die Idee mit hoher Power ist aber auch gut (vielleicht sogar besser, ich muss noch mal darüber nachdenken! )