Kruskal-Wallis-H-Test-Rechner

Der Kruskal-Wallis-H-Test ist ein nichtparametrisches Verfahren zum Vergleich von drei oder mehr unabhängigen Gruppen. Er prüft, ob deren Beobachtungen plausibel aus derselben Verteilung stammen, ohne normalverteilte Daten oder gleiche Populationsvarianzen zu verlangen. Häufig wird er als rangbasierte Alternative zur einfaktoriellen Varianzanalyse beschrieben. Forschende nutzen ihn für ordinale Bewertungen, schiefe Messwerte, kleine Stichproben und quantitative Ergebnisse mit Ausreißern, die einen Mittelwertvergleich unzuverlässig machen würden. Zunächst werden alle Beobachtungen zusammengeführt und aufsteigend sortiert. Jede Beobachtung erhält einen Rang. Gleiche Werte teilen sich den Mittelwert ihrer belegten Ränge, sodass Bindungen angemessen behandelt werden. Anschließend werden die Ränge den ursprünglichen Gruppen zugeordnet und summiert. Gilt die Nullhypothese, sollten die mittleren Ränge ähnlich sein. Große Unterschiede zwischen den Rangsummen erhöhen H und liefern Hinweise darauf, dass mindestens eine Gruppe eher höhere oder niedrigere Werte enthält. Dieser Rechner verwendet die übliche Bindungskorrektur. Sie ist bei wiederholten Werten wichtig, weil Bindungen die verfügbare Rangvariabilität verringern. Nach der Korrektur wird H mit einer Chi-Quadrat-Verteilung verglichen, deren Freiheitsgrade der Gruppenzahl minus eins entsprechen. Der Drei-Gruppen-Rechner meldet daher zwei Freiheitsgrade. Der angezeigte p-Wert ist die Wahrscheinlichkeit, unter der Nullhypothese eine mindestens so große H-Statistik wie die berechnete zu erhalten. Ein kleiner p-Wert spricht gegen identische Gruppenverteilungen, zeigt aber nicht, welche Gruppen sich unterscheiden. Ist das Gesamtergebnis signifikant, verwenden Sie geeignete Post-hoc-Vergleiche, etwa den Dunn-Test mit Korrektur für multiples Testen. Für die spezielle Deutung als Medianunterschied sind unabhängige Beobachtungen und ähnlich geformte Gruppenverteilungen nötig. Gepaarte Messungen oder wiederholte Beobachtungen erfordern ein anderes Verfahren, beispielsweise den Friedman-Test. Statistische Signifikanz ist nicht gleich praktische Bedeutung. Berichten Sie nach Möglichkeit Gruppengrößen, Mediane, Streuungen, H-Statistik, Freiheitsgrade, p-Wert und ein Effektstärkemaß. Prüfen Sie vor Schlussfolgerungen die Diagramme jeder Gruppe. Der Rechner liefert eine reproduzierbare Vorprüfung; für eine sinnvolle Interpretation bleiben ein gutes Studiendesign und fachliches Urteil unerlässlich.