Kruskal-Wallis-Test-Rechner

So verwenden Sie den Rechner

1. Geben Sie die Beobachtungen Ihrer ersten Gruppe unter Beobachtungen Gruppe 1 ein. Trennen Sie Zahlen durch Leerzeichen, Zeilenumbrüche oder Semikolons; Dezimalkommata (z. B. 7,5) sind erlaubt.
2. Füllen Sie Beobachtungen Gruppe 2 und Beobachtungen Gruppe 3 im selben Format aus. Alle Gruppen müssen dieselbe Variable auf derselben Skala erfassen.
3. Ist eine vierte Gruppe vorhanden, tragen Sie sie unter Beobachtungen Gruppe 4 (optional) ein; lassen Sie das Feld leer, wenn Sie nur drei Gruppen vergleichen. Leere Gruppen werden einfach übersprungen.
4. Legen Sie das Signifikanzniveau fest (Standardwert 0,05) — die Schwelle, ab der ein p-Wert als statistisch signifikant gilt.
5. Klicken Sie auf Berechnen. Sie erhalten die bindungskorrigierte Prüfgröße \(H'\), das unkorrigierte \(H\), die Freiheitsgrade, den p-Wert, die Entscheidung zu Ihrem gewählten \(\alpha\) sowie eine Tabelle mit Gruppengröße, Rangsumme, Mittellang und Median jeder Gruppe.

Was ist der Kruskal-Wallis-Test?

Der Kruskal-Wallis-Test ist ein nichtparametrisches Verfahren zum Vergleich von drei oder mehr unabhängigen Gruppen. Er erweitert den Mann-Whitney-U-Test (den Fall von zwei Gruppen) so, wie die einfaktorielle Varianzanalyse den t-Test erweitert. Statt Gruppenmittelwerte zu vergleichen, werden alle Beobachtungen zusammengefasst, jeder Wert durch seinen Rang ersetzt und geprüft, ob sich die Ränge gleichmäßig auf die Gruppen verteilen. Enthält eine Gruppe systematisch die größten Werte, liegt ihr Mittellang deutlich über dem Gesamtmittelrang von \((N+1)/2\), was die Prüfgröße \(H\) anwachsen lässt.

Da der Test auf Rängen basiert, stellt er keine Anforderungen an die Form der zugrunde liegenden Verteilungen. Er setzt keine Normalverteilung voraus, kommt mit schiefen Daten zurecht und ist robust gegenüber Ausreißern — ein einzelner Extremwert kann einen Mittelwert verzerren, verschiebt aber einen Rang nur um einen festen Betrag. Damit ist er die Standard-Alternative zur einfaktoriellen ANOVA, wenn deren Voraussetzungen (annähernd normalverteilte Residuen, ähnliche Varianzen) zweifelhaft sind oder wenn es sich um ordinale Bewertungen, Rangdaten oder Werte auf einer beliebigen Skala handelt. Dasselbe rangbasierte Vergleichsprinzip liegt auch der Spearman-Rangkorrelation zugrunde.

Die Nullhypothese besagt, dass alle Gruppen aus derselben Verteilung stammen, dass also keine Gruppe systematisch größere oder kleinere Werte liefert als die anderen. Ein kleiner p-Wert (maximal \(\alpha\)) bedeutet, dass die beobachteten Rangunterschiede unter zufälliger Stichprobenziehung unwahrscheinlich sind; die Nullhypothese wird verworfen, und Sie schließen, dass sich mindestens eine Gruppe unterscheidet. Wichtig ist, was der Test nicht aussagt: nämlich welche Gruppen sich von welchen unterscheiden. Dafür schließen Sie ein Post-hoc-Verfahren wie den Dunn-Test an oder führen paarweise Mann-Whitney-U-Tests mit Bonferroni-korrigierter Schwelle von \(\alpha / (k(k-1)/2)\) durch. Wenn Sie unsicher sind, wie Sie das Ergebnis einordnen sollen, erklärt der p-Wert-Rechner die Logik des Signifikanztests ausführlicher.

Die Interpretation der Mediane erfordert Sorgfalt. Streng genommen vergleicht der Kruskal-Wallis-Test gesamte Verteilungen (ob die Werte einer Gruppe tendenziell über denen einer anderen liegen). Als Vergleich der Mediane lässt er sich nur lesen, wenn die Gruppenverteilungen ungefähr dieselbe Form und Streuung haben. Der Rechner zeigt Median und Mittellang jeder Gruppe, damit Sie erkennen, woher die Unterschiede kommen — die formale Aussage bezieht sich aber immer auf die Verteilungen, nicht auf eine einzige Kennzahl.

Voraussetzungen, Grenzen und praktische Hinweise

• Unabhängige Stichproben. Die Gruppen dürfen nicht zusammenhängen (in jeder Gruppe andere Personen). Für gepaarte Designs oder Messwiederholung ist der Kruskal-Wallis-Test nicht geeignet — dort ist der Friedman-Test die übliche Wahl.
• Unabhängige Beobachtungen innerhalb der Gruppen. Jeder Wert sollte von einer anderen Person bzw. Versuchseinheit stammen; wiederholte Messungen derselben Einheit blähen die effektive Stichprobengröße künstlich auf.
• Ordinale oder stetige Daten. Die Werte müssen mindestens rangordbar sein. Nominale Kategorien (Farben, Blutgruppen) lassen sich so nicht prüfen — verwenden Sie dafür einen Chi-Quadrat-Test für kategoriale Daten.
• Chi-Quadrat-Approximation. Der p-Wert beruht auf der Approximation von \(H'\) durch eine \(\chi^2_{k-1}\)-Verteilung. Sie funktioniert am besten, wenn jede Gruppe mindestens 5 Beobachtungen umfasst. Bei kleineren Gruppen sollten Sie den p-Wert mit Vorsicht interpretieren; ein exaktes oder permutationsbasiertes Verfahren ist dann vorzuziehen.
• Bindungen werden korrekt behandelt. Gebundenen Werten werden Durchschnittsränge zugewiesen, und die Prüfgröße wird über den Korrekturfaktor \(C\) angepasst. Mäßig viele Bindungen — bei Rating-Skalen üblich — sind daher unproblematisch. Der Rechner zeigt sowohl \(H\) als auch das korrigierte \(H'\), damit Sie das Ausmaß der Korrektur erkennen.
• Ähnliche Verteilungen erleichtern die Interpretation. Unterscheiden sich die Gruppen deutlich in Form oder Varianz, spiegelt ein signifikantes \(H'\) einen Unterschied der gesamten Verteilung wider, nicht zwingend nur der Lage.
• Die Gruppengrößen müssen nicht gleich sein. Die Formel berücksichtigt ungleiche \(n_j\); nur sehr kleine Gruppen schwächen die Chi-Quadrat-Approximation.