Quelltext der Seite Post-hoc-Test

'''Post-hoc-Tests''' sind [[Signifikanztest]]s aus der [[Mathematische Statistik|mathematischen Statistik]]. Mit der [[Varianzanalyse#Einfache Varianzanalyse|einfachen Varianzanalyse]], dem [[Kruskal-Wallis-Test]] oder dem [[Median-Test]] wird nur festgestellt, dass es in einer Gruppe von Mittelwerten signifikante Unterschiede gibt. Die Post-hoc-Tests geben mit paarweisen Mittelwertvergleichen Auskunft, welche Mittelwerte sich signifikant voneinander unterscheiden. Oder sie ermöglichen durch gruppenweise Vergleiche eine Aussage darüber, welche Gruppen-Mittelwerte nicht signifikant verschieden sind.

== Übersicht der Post-hoc-Tests ==

Die Post-hoc-Tests unterscheiden sich in verschiedenen Kriterien, z.&nbsp;B. sind die Stichprobenumfänge in allen Gruppen gleich (balancierter Fall) oder nicht (unbalancierter Fall) oder ist die Varianz in allen Gruppen gleich (Varianzhomogenität) oder nicht (Varianzheterogenität). Die Varianzhomogenität kann mit dem [[Levene-Test]] überprüft werden.

{| class="wikitable centered"
! Test
! Vergleich von
! Varianzhomogenität
! Stichprobenumfänge
|-
| kleinster signifikanter Unterschied
| Mittelwertpaaren
| Nein
| Ungleich
|-
| Bonferroni-Test auf kleinsten signifikanten Unterschied
| Mittelwertpaaren
| Ja
| Ungleich
|-
| Šidák
| Mittelwertpaaren
| Nein
|
|-
| Tamhane <math>T_2</math><ref>{{Literatur
 |Autor = Ajit C. Tamhane
 |Titel = Multiple comparisons in model I one-way ANOVA with unequal variances
 |Sammelwerk = Communications in Statistics - Theory and Methods
 |Band = 6
 |Nummer = 1
 |Jahr = 1977
 |Seiten = 15-32
 |DOI = 10.1080/03610927708827466
}}</ref>
| Mittelwertpaaren
| Nein
|
|-
| Games-Howell 
| Mittelwertpaaren
| Nein
|
|-
| Dunnett's <math>T_3</math>
| Mittelwertpaaren
| Nein
| Bei kleinen Stichprobenumfängen
|-
| Dunnett's <math>C</math>
| Mittelwertpaaren
| Nein
| Bei großen Stichprobenumfängen
|-
| Ryan-Einot-Gabriel-Welch
| überspannten Mittelwerten
| Ja
|
|-
| Duncan
| überspannten Mittelwerten
| Ja
| Gleich
|-
| Tukey b
| überspannten Mittelwerten
| Ja
|
|-
| Student-Newman-Keuls
| überspannten Mittelwerten
| Ja
| Gleich
|-
| Tukey
| überspannten Mittelwerten
| Ja
| Gleich
|-
| Hochberg
| überspannten Mittelwerten
| Ja
|
|-
| Gabriel
| überspannten Mittelwerten
| Ja
|
|-
| Scheffé
| Mittelwertpaaren
| Ja
| Ungleich
|}

Die Tests können teilweise geordnet werden, je nachdem wie [[Statistischer Test#Konservativer Test|konservativ]] sie sind:

: '''Konservativ''' --  Duncan > Scheffé > Tukey > Newman-Keuls > kleinster signifikanter Unterschied -- '''Nicht konservativ'''.

== Voraussetzungen und Notation ==

Man geht davon aus, dass bei den Mittelwertvergleichen in <math>m</math> Gruppen und bei einem [[Signifikanzniveau]] <math>\alpha</math> die Alternativhypothese angenommen wurde, d.&nbsp;h., es existieren Unterschiede zwischen mindestens zwei Gruppenmittelwerten. Die Hypothesen für alle folgenden Tests sind

{|
| * für die paarweisen Tests:
|<math>H_0: \mu_i=\mu_j\,</math> vs. <math>H_1: \mu_i\neq\mu_j</math> und
|-
| * für die überspannten geordneten Mittelwerte: 
| <math>H_0: \mu_{(i)}=\mu_{(i+p-1)}\,</math> vs. <math>H_1: \mu_{(i)}\neq\mu_{(i+p-1)}\,</math>.
|}

Des Weiteren sei <math>n_i</math> die Anzahl der Beobachtungen in der Gruppe <math>i</math> und <math>n = n_1 + \dots + n_m</math> die Anzahl aller Beobachtungen. Die Tests werden unterschieden in Tests für den balancierten Fall (<math>r = n_1 = \dots = n_m</math>) und für den unbalancierten Fall (die Stichprobenumfänge in den Gruppen können unterschiedlich sein).

== Tests für den unbalancierten Fall ==
=== Test auf kleinsten signifikanten Unterschied ===

Im ''Test auf kleinsten signifikanten Unterschied'' (''least significant difference test'', kurz: ''LSD test''), auch Test auf ''kleinste gesicherte Differenz''<ref>[[Werner Timischl]]: ''Angewandte Statistik. Eine Einführung für Biologen und Mediziner.'' 2013, 3. Auflage, S.&nbsp;373.</ref>, oder ''Grenzdifferenztest'' ist die [[Teststatistik]]:

:<math>T = \frac{\overline{X}_i - \overline{X}_j}{S\sqrt{\tfrac1{n_i}+\tfrac1{n_j}}} \sim t_{n-m}</math>

mit

:<math>S^2=\frac{1}{n-m}\sum_{j=1}^m (n_j-1) S_j^2</math>

und <math>S_j^2</math> die Gruppenvarianz der Gruppe <math>j</math>.

Der Test auf kleinsten signifikanten Unterschied beruht auf dem [[Zweistichproben-t-Test]], jedoch wird die Varianz mit Hilfe ''aller'' Gruppen berechnet.

=== Bonferroni-Test auf kleinsten signifikanten Unterschied ===

Im Bonferroni-Test auf kleinsten signifikanten Unterschied ist die Teststatistik identisch zur Teststatistik des Tests auf kleinsten signifikanten Unterschied. Jedoch wird das Signifikanzniveau nach der [[Bonferroni-Methode]] korrigiert. Wird die [[Varianzanalyse]] mit dem Signifikanzniveau <math>\alpha</math> durchgeführt, so wird das korrigierte Signifikanzniveau <math>\alpha^*</math> für die paarweisen Mittelwertvergleiche benutzt:

:<math>\alpha^* = \frac2{m(m-1)}\alpha</math>.

Die kritischen Werte für das korrigierte Signifikanzniveau finden sich in speziellen Tabellen oder können mit Hilfe der Approximation

:<math>t_{n-m;1-\alpha/2} \approx \frac{z_{1-\alpha}}{1-\tfrac{z_{1-\alpha}^2+1}{4(n-m)}}</math>

bestimmt werden. <math>z_{1-\alpha}</math> ist das <math>(1-\alpha)</math>-[[Quantil (Wahrscheinlichkeitstheorie)|Quantil]] aus der [[Standardnormalverteilung]].

Der Test sollte nur bei nicht zu großem <math>m</math> angewandt werden, da sonst das korrigierte Signifikanzniveau zu klein wird und sich Nichtablehnungsbereiche der t-Tests überschneiden. Ist z.&nbsp;B. <math>m=5</math> und <math>\alpha = 5\,\%</math>, dann ist <math>\alpha^* = 0{,}5\,\%</math>.

=== Scheffé-Test ===

Der Scheffé-Test verlangt eigentlich die Varianzhomogenität in den Gruppen, jedoch ist er gegen die Verletzung dieser Voraussetzung unempfindlich.

==== Einfacher Scheffé-Test ====

Der einfache Scheffé-Test prüft <math>H_0: \mu_i=\mu_j\ </math> vs. <math>H_1: \mu_i\neq\mu_j</math> mit Hilfe der Teststatistik

:<math>F=\frac{\tfrac1{m-1}(\overline{X}_i-\overline{X}_j)^2}{S^2\left(\tfrac1{n_i}+\tfrac1{n_j}\right)}\sim F_{m-1,n-m}</math>.

Der einfache Scheffé-Test ist ein Spezialfall des allgemeinen Scheffé-Tests für einen linearen [[Kontrast (Statistik)|Kontrast]] für zwei Mittelwerte.

==== Linearer Kontrast ====

Ein '''linearer Kontrast''' einer oder mehrerer Mittelwerte ist definiert als

:<math>\Lambda = c_1 \mu_1 + \dots + c_m \mu_m</math> mit <math>c_1 + \dots + c_m = 0</math>.

Für den einfachen Scheffé-Test ist der lineare Kontrast:

:<math>c_k = \begin{cases} 1 & k=i \\ -1 & k=j \\ 0 & \text{sonst.}\end{cases}</math>.

Zwei Kontraste <math>\Lambda^{(1)}</math> und  <math>\Lambda^{(2)}</math> heißen '''orthogonal''', wenn gilt

:<math>c^{(1)}_1 c^{(2)}_1 + \dots + c^{(1)}_m c^{(2)}_m = 0</math>.

==== Allgemeiner Scheffé-Test ====

Für den allgemeinen Scheffé-Test sind die Hypothesen <math>H_0:\Lambda=0\,</math> für alle (orthogonalen) Kontraste vs. <math>H_1:\Lambda\neq0</math> für mindestens ein Kontrast. Die Teststatistik ergibt sich zu

:<math>F=\frac{\displaystyle\frac1{m-1}\left(\sum_{j=1}^m c_j \overline{X}_j\right)^2}{\displaystyle S^2\left(\sum_{j=1}^m\frac{c_j^2}{n_j}\right)}\sim F_{m-1,n-m}</math>.

Die Idee beruht auf der [[Varianzzerlegung]] des geschätzten Kontrastes <math>L=c_1 \overline{X}_1 + \dots +c_m \overline{X}_m</math>

:<math>\frac{\operatorname{Var}(L)}{\operatorname{Var}(L)}=\frac{\operatorname{E}(L^2)-(\operatorname{E}(L))^2}{\operatorname{Var}(L)} = \frac{\operatorname{E}(L^2)}{\operatorname{Var}(L)}</math>,

da unter Gültigkeit der [[Nullhypothese]] gilt: <math>\operatorname{E}(L)=0</math>.

== Tests für den balancierten Fall ==

Diese Tests sind für den balancierten Fall gedacht, d.&nbsp;h., der Stichprobenumfang in jeder Gruppe ist gleich <math>r</math>. [[SPSS]] führt den Test auch durch bei ungleichen Stichprobenumfängen in jeder Gruppe, jedoch wird <math>r</math> dann als das [[Harmonisches Mittel|harmonische Mittel]] der Stichprobenumfänge berechnet.

Die Teststatistik ist für die folgenden Tests immer die gleiche

:<math>Q = \frac{|\overline{X}_i-\overline{X}_{j}|}{S/\sqrt{r}}</math>.

Die kritischen Werte <math>q(\alpha, p, f)</math> liegen nur tabelliert vor (meist für <math>\alpha=5\,\%</math> oder <math>\alpha=10\,\%</math>). Dabei liegen zwischen den Mittelwerten <math>i</math> und <math>j</math> noch weitere <math>p-2</math> Mittelwerte.

=== Tukey-Test ===

Im Tukey-Test ergeben sich die kritischen Werte aus

:<math>q(\alpha, m, n-m)\,</math>,

d.&nbsp;h., es findet ''keine'' Bonferroni-Korrektur statt und die Zahl der überspannten Mittelwerte wird ''nicht'' berücksichtigt.

=== Student-Newman-Keuls-Test ===

Im Student-Newman-Keuls-Test ergeben sich die kritischen Werte aus

:<math>q(\alpha, p, n-m)\,</math>,

d.&nbsp;h., es findet ''keine'' Bonferroni-Korrektur statt und die Zahl der überspannten Mittelwerte wird berücksichtigt.

=== Duncan-Test ===

Im Duncan-Test ergeben sich die kritischen Werte aus

:<math>q(1-(1-\alpha)^{p-1}, p, n-m)\,</math>,

d.&nbsp;h., es findet eine Bonferroni-Korrektur statt und die Zahl der überspannten Mittelwerte wird berücksichtigt.

Bei der Anwendung des Duncan-Tests ist zu beachten, dass er lediglich gruppenweise Vergleiche durchführt, sodass eindeutige Signifikanzaussagen nicht immer möglich sind.

== Beispiel ==
{| class="wikitable sortable float-right"
|+ Mietbelastungsquote in %
|-
! Bundesland
! Anzahl
! Median
! Mittel
! Std.abw.
|-
| Sachsen
| align="right" | 1356	
| align="right" | 19,0	
| align="right" | 22,3
| align="right" | 12,5
|-
| Brandenburg
| align="right" | 803
| align="right" | 19,0	
| align="right" | 23,4	
| align="right" | 13,2
|-
| Mecklenburg-Vorpommern
| align="right" | 491
| align="right" | 20,0	
| align="right" | 22,1	
| align="right" | 10,3
|-
| Thüringen
| align="right" | 744
| align="right" | 21,0
| align="right" | 24,0	
| align="right" | 13,3
|-
| Berlin
| align="right" | 998
| align="right" | 22,0
| align="right" | 24,4
| align="right" | 11,9
|-
| Baden-Württemberg
| align="right" | 3246	
| align="right" | 22,0	
| align="right" | 24,8	
| align="right" | 14,2
|-
| Bayern	
| align="right" | 3954	
| align="right" | 22,0	
| align="right" | 25,4	
| align="right" | 14,2
|-
| Nordrhein-Westfalen	
| align="right" | 5266	
| align="right" | 23,0	
| align="right" | 25,8	
| align="right" | 13,8
|-
| Hessen	
| align="right" | 1904	
| align="right" | 23,0	
| align="right" | 26,3	
| align="right" | 14,3
|-
| Sachsen-Anhalt	
| align="right" | 801	
| align="right" | 23,0	
| align="right" | 26,6	
| align="right" | 14,3
|-
| Rheinland-Pfalz	
| align="right" | 1276	
| align="right" | 24,0	
| align="right" | 26,1	
| align="right" | 13,5
|-
| Niedersachsen	
| align="right" | 2374	
| align="right" | 24,0	
| align="right" | 27,9	
| align="right" | 15,7
|-
| Hamburg	
| align="right" | 528	
| align="right" | 24,5	
| align="right" | 29,3	
| align="right" | 18,9
|-
| Schleswig-Holstein	
| align="right" | 890	
| align="right" | 25,0	
| align="right" | 27,9	
| align="right" | 14,8
|-
| Saarland	
| align="right" | 312	
| align="right" | 26,0	
| align="right" | 26,7	
| align="right" | 11,9
|-
| Bremen	
| align="right" | 194	
| align="right" | 27,0	
| align="right" | 29,2	
| align="right" | 15,8
|- class="sortbottom"
| '''Deutschland'''
| align="right" | '''9527'''	
| align="right" | '''22,0'''	
| align="right" | '''25,5'''	
| align="right" | '''14,0'''
|}

Für die [[Mietbelastungsquote]] (= Anteil der Bruttokaltmiete am Haushaltsnettoeinkommen), entnommen aus den CAMPUS Files für den [[Mikrozensus]] 2002 des [[Statistisches Bundesamt|Statistischen Bundesamtes]], ergeben sowohl der nicht-parametrische Median-Test als auch die parametrische [[Varianzanalyse#Einfache Varianzanalyse|einfache Varianzanalyse]] ({{enS}} ''one-way ANOVA'') hochsignifikante Unterschiede in den Medianen bzw. Mittelwerten der Bundesländer. D.&nbsp;h., es gibt also Unterschiede zwischen den Bundesländern in den mittleren Mietausgaben (im Verhältnis zum Einkommen).

Da der Levene-Test die Nullhypothese der Varianzhomogenität ablehnt und die Beobachtungszahlen sich in der Stichprobe deutlich unterscheiden, bleiben nur folgende Testverfahren zur Unterschiedsbestimmung übrig:

* kleinster signifikanter Unterschied
* Bonferroni-Test auf kleinsten signifikanten Unterschied
* Scheffé

Da der Scheffé-Test in SPSS sowohl paarweise Vergleiche durchführt als auch homogene Untergruppen ausgibt, schauen wir uns dessen Ergebnisse an.

=== Paarweise Vergleiche ===

Der paarweise Vergleich dient der Aussage über signifikante Unterschiede zwischen den Mittelwerten der einzelnen Gruppen.
Im vorliegenden Beispiel werden für die jeweiligen paarweisen Vergleiche für jede Kombination von zwei Bundesländern ausgegeben:
* die Differenz <math>\overline{x}_i-\overline{x}_j</math>,
* der [[Standardfehler]],
* der p-Wert (Spalte: ''Signifikanz''), der bei Unterschreitung des vorgegebenen Signifikanzniveaus eine Ablehnung der Gleichheit der Mittelwerte bedeutet, und
* ein 95-%-[[Konfidenzintervall]] für die Differenz der Mittelwerte. Enthält das Konfidenzintervall nicht die Null wird die Nullhypothese zum Signifikanzniveau von 5 % abgelehnt.

Bei einem vorgegebenen Signifikanzniveau von 5 % unterscheidet sich nur der [[Mittelwert]] Sachsens signifikant von dem Schleswig-Holsteins (p-Wert gleich 2,1 %), bei allen anderen Vergleichen mit Schleswig-Holstein werden keine signifikanten Unterschiede festgestellt.

[[Datei:ScheffePaar.PNG|center]]

=== Gruppenweise Vergleiche ===

Mittels des gruppenweisen Vergleichs lassen sich detaillierte Aussagen über die Homogenität der Mittelwerte von Gruppen treffen. Aussagen über die signifikanten Unterschiede zwischen den Gruppen erlaubt dieser Vergleich jedoch nur eingeschränkt.

Im vorliegenden Beispiel wird ein iterativer Prozess durchgeführt, um homogene Untergruppen zu finden, d.&nbsp;h. Gruppen, in denen die Nullhypothese der Gleichheit der Mittelwerte nicht abgelehnt wird. Dazu werden die beobachteten Mittelwerte der Größe nach geordnet <math>\overline{x}_{(1)}\leq \dots \leq \overline{x}_{(16)}</math> und es wird eine Folge von Tests durchgeführt.

{| class="wikitable centered"
! Überspannte<br>Mittelwerte 
! colspan="7" | Geprüfte Nullhypothesen <math>H_0</math>
|-
| 16 || || ||
| class="hintergrundfarbe7" | <math>\mu_{(1)}= \dots =\mu_{(16)}</math> || || ||
|-
| 15 || ||
| class="hintergrundfarbe7" | <math>\mu_{(1)}= \dots =\mu_{(15)}</math> ||
| class="hintergrundfarbe7" | <math>\mu_{(2)}= \dots =\mu_{(16)}</math> || ||
|-
| 14 ||
| class="hintergrundfarbe9" | <math>\mu_{(1)}= \dots =\mu_{(14)}</math> || 
| class="hintergrundfarbe7"   | <math>\mu_{(2)}= \dots =\mu_{(15)}</math> || 
| class="hintergrundfarbe9" | <math>\mu_{(3)}= \dots =\mu_{(16)}</math> ||
|-
| 13 
| class="hintergrundfarbe8"   | <math>\mu_{(1)}= \dots =\mu_{(13)}</math> || 
| class="hintergrundfarbe8"   | <math>\mu_{(2)}= \dots =\mu_{(14)}</math> || 
| class="hintergrundfarbe8"   | <math>\mu_{(3)}= \dots =\mu_{(15)}</math> || 
| class="hintergrundfarbe8"   | <math>\mu_{(4)}= \dots =\mu_{(16)}</math>
|-
| … 
| colspan="7" align="center"  | Im allgemeinen Fall werden weitere Tests mit immer weniger Gruppen durchgeführt
|-
| Im Beispiel:
| class="hintergrundfarbe9" colspan="2" align="center" | <math>H_0</math> nicht abgelehnt
| class="hintergrundfarbe8" colspan="3" align="center" | <math>H_0</math> in zuvor nicht abgelehnter <math>H_0</math> enthalten 
| class="hintergrundfarbe7" colspan="2" align="center" | <math>H_0</math> abgelehnt
|}

Im ersten Schritt wird die Nullhypothese <math>H_0: \mu_{(1)} = \dots = \mu_{(16)}</math> getestet und abgelehnt; wir wissen ja schon, dass die Mittelwerte unterschiedlich sind. Dann wird zunächst
* das Bundesland mit dem größten Mittelwert entfernt und die Nullhypothese <math>H_0: \mu_{(1)}= \dots =\mu_{(15)}</math> getestet und
* das Bundesland mit dem kleinsten Mittelwert entfernt und die Nullhypothese <math>H_0: \mu_{(2)}= \dots =\mu_{(16)}</math> getestet.

In beiden Tests werden nur noch Gruppen mit 15 Bundesländern getestet. Wird die Nullhypothese bei einem der Tests abgelehnt (in der Tabelle rot), so werden aus der Gruppe das Bundesland mit dem größten Mittelwert und das Bundesland mit dem kleinsten Mittelwert entfernt und es wird erneut getestet. Damit wird eine Sequenz von zu testenden Nullhypothesen mit einer immer kleiner werdenden Anzahl von Mittelwerten aufgebaut.

Das Verfahren wird abgebrochen, wenn
* entweder die Nullhypothese bei einem der Tests nicht abgelehnt werden kann (in der Tabelle grün) oder
* die betrachtete Nullhypothese bereits Teil einer nicht abgelehnten Nullhypothese ist (in der Tabelle gelb) oder
* nur noch ein Bundesland übrig ist.
Die „grünen“ Untergruppen werden von SPSS ausgegeben.

[[Datei:ScheffeGruppe.PNG|zentriert]]

Für das Beispiel ergeben sich zwei homogene Untergruppen mit jeweils 14 Bundesländern. D.&nbsp;h., hier konnte die Nullhypothese der Gleichheit der Mittelwerte nicht abgelehnt werden. Von der homogenen Untergruppe 1 sind Bremen und Hamburg, von der homogenen Untergruppe 2 Sachsen und [[Mecklenburg-Vorpommern]] ausgeschlossen. Aussagen darüber, welche Mittelwerte welcher Bundesländer signifikant verschiedenen sind, können in diesem Fall nicht getroffen werden.

== Einzelnachweise ==

<references />

== Literatur ==

* {{Literatur
 |Autor = Bernd Rönz
 |Titel = Skript: Computergestützte Statistik I
 |Verlag = Humboldt-Universität zu Berlin, Lehrstuhl für Statistik
 |Ort = Berlin
 |Jahr = 2001
}}

{{SORTIERUNG:Posthoctest}}
[[Kategorie:Parametrischer Test]]
[[Kategorie:Nichtparametrischer Test]]