Minulla on 4 eri aineistoa, jokaisessa aineistossa on samat kysymykset. Kysymyksiä on n.70kpl. Otoskoko oli 200 ja vastanneita 100. Vastaajia oli jokaisessa ryhmässä suunnilleen sama määrä eli n.25 vastaajaa per ryhmä.
Tarviiko minun tehdä jokaisesta kysymyksestä varianssianalyysi tai Kruskal-Wallis testi? Olen niin pihalla tuon analysoinnin kanssa, että olisin todella kiitollinen jos joku voisi neuvoa.
Näiden eri ryhmien keskiarvoja pitäisi kai verrata jotenkin tilastollisesti. Kysymyslomake oli likert-asteikollinen
Tarviiko minun tehdä jokaisesta kysymyksestä varianssianalyysi tai Kruskal-Wallis testi? Olen niin pihalla tuon analysoinnin kanssa, että olisin todella kiitollinen jos joku voisi neuvoa.
Näiden eri ryhmien keskiarvoja pitäisi kai verrata jotenkin tilastollisesti. Kysymyslomake oli likert-asteikollinen
Vastaukset 4
Vanhimmat
Kannattaisi ehkä muodostaa noista 70 Likert-kysymyksestä jonkinlainen summamuuttuja tai useampi, joka mittaa(vat) sitä ominaisuutta (ominaisuuksia), joita haluat tutkia.
Tuollaisille muuttujille voi nyt tehdä varianssianalyysin tai Kruskal-Wallis -testin muuttujakohtaisesti.
Usealle muuttujalle yhtaikaisesti voi myös tehdä MANOVA-varianssianalyysin, mutta se on jo hieman monimutkaisempaa.
Entäs voisiko kuitenkin käyttää t-testiä? Kyseessä on ei-riippuvat ryhmät, mutta normaalijakaumaa ei ole. Kokeilin vaan tuon t-testin ja tulokset näyttivät loogisimmilta kuin mann-whitney tai kruskal-wallis
Jostakin muistan lukeneeni, että jos kyseessä on ei-riippuvat ryhmät, tuo t-testi voisi tulla kyseeseen vaikka jakauma ei ole normaalijakautunut.
Mun mielestä t-testi on varsin yleinen, ja sitä voi käyttää. Aina on parempi, jos data on peräisin normaalijakaumasta. Jos ei ole, niin olen lukenut, että voit koettaa dataan sopivaa muunnosta tai käyttää Mannin–Whitneyn u-testiä. Tosin itse en ole opiskellut vielä niin pitkälle tilastotiedettä, että osaisin neuvoa näissä.
En kyllä keksi, miten tähän tilanteeseen voisi soveltaa t-testiä järkevästi. Tarkoitat ehkä t-testin soveltamista kunkin muuttujan kohdalla kaikkiin 6:teen ryhmäpariin. Tuo on lähtökohtaisesti hieman väärin, koska testit antavat tuolloin liian hyviä tuloksia.
Varianssianalyysihan on tarkoitettu juuri korjaamaan tämä tilanne ja on siis käytännössä t-testin laajennus tilanteeseen, jossa ryhmiä on useampi kuin 2. Kruskal-Wallis on vain parametriton vastine varianssianalyysille.
Ja tekemällä niitä summamuuttujia saat varmaan aika nopeasti myös normaalisuuden aikaan. On näköjään sen verran iso data. Se on tässä tapauksessa helppoa, koska kaikki kysymykset ovat samalla asteikolla.
Jos lähdet analysimaan kaikkia 70 kysymystä yksitellen, niin tuloksista tulee luultavasti sellaista solkkumuussia, että et saa mitään järkevää tulkintaa aikaan.