Mann-Whitney-U-Test-Rechner

Was ist der Mann-Whitney-U-Test?

Der Mann-Whitney-U-Test (auch Wilcoxon-Rangsummentest genannt) vergleicht zwei unabhängige Gruppen, wenn die Daten nicht normalverteilt sind. Er ist die nicht-parametrische Alternative zum t-Test für unabhängige Stichproben.

Beantwortete Frage: „Neigen diese beiden Gruppen dazu, unterschiedliche Werte zu haben?"

Beispiele:

• „Unterscheiden sich Behandlungs- und Kontrollgruppe in ihrer Reaktion?" (bei schiefen Daten)
• „Sind die Zufriedenheitsbewertungen zwischen den Geschäften unterschiedlich?" (ordinale Daten)
• „Haben männliche und weibliche Mitarbeiter unterschiedliche Betriebszugehörigkeiten?" (nicht-normale Verteilung)

Warum nicht-parametrisch?

Parametrische Tests (wie t-Tests) setzen Normalverteilungen voraus. Wenn Daten:

• Stark schief verteilt sind
• Ordinal sind (geordnete Kategorien)
• Ausreißer enthalten
• Kleine Stichproben aus unbekannter Verteilung stammen

Nicht-parametrische Tests verwenden Ränge anstelle von Rohwerten und machen weniger Annahmen.

Was der Test tatsächlich prüft

Formal: P(X > Y) ≠ 0,5, wobei X und Y zufällig ausgewählte Beobachtungen aus jeder Gruppe sind.

Informell: Ob eine Gruppe tendenziell größere Werte produziert als die andere.

Oft beschrieben als: Test, ob sich die Mediane unterscheiden (unter bestimmten Bedingungen zutreffend).

Funktionsweise

Schritt 1: Alle Daten zusammenführen und rangieren

Schritt 2: Rangsummen nach Gruppen berechnen

• Gruppe A: 1 + 3 + 4 + 7 = 15
• Gruppe B: 2 + 5 + 6 + 8 = 21

Schritt 3: U-Statistiken berechnen

$U_1 = n_1 n_2 + \frac{n_1(n_1+1)}{2} - R_1$

$U_2 = n_1 n_2 + \frac{n_2(n_2+1)}{2} - R_2$

Oder äquivalent: $U_2 = n_1 n_2 - U_1$

$U = \min(U_1, U_2)$ für die Teststatistik.

Schritt 4: P-Wert bestimmen

Für kleine Stichproben: Exakte Tabellen verwenden. Für größere Stichproben: Normalapproximation verwenden.

Beispielrechnung

Daten:

• Gruppe A (n=5): 23, 45, 33, 52, 28
• Gruppe B (n=6): 67, 41, 58, 72, 49, 55

Zusammengeführt und rangiert:

Rangsummen: R_A = 18, R_B = 48

U-Statistiken: U_A = 5×6 + 5(6)/2 - 18 = 30 + 15 - 18 = 27 U_B = 5×6 + 6(7)/2 - 48 = 30 + 21 - 48 = 3

U = min(27, 3) = 3

P-Wert: Für n₁=5, n₂=6, U=3: p ≈ 0,017 (zweiseitig)

Schlussfolgerung: Die Gruppen unterscheiden sich signifikant (p < 0,05).

Umgang mit Bindungen

Bei gleichen Werten wird der Durchschnittsrang vergeben:

Werte: 10, 15, 15, 15, 20 Ränge: 1, 3, 3, 3, 5 (drei Werte belegen Positionen 2-4, Durchschnitt = 3)

Eine Bindungskorrektur wird auf die Varianz in der Normalapproximation angewendet:

Der Bindungskorrekturfaktor reduziert den Standardfehler, wodurch der Test bei Bindungen etwas mehr Power erhält.

Normalapproximation

Für größere Stichproben (beide n > 20) wird die z-Approximation verwendet:

$z = \frac{U - \mu_U}{\sigma_U}$

Wobei:

• $\mu_U = \frac{n_1 n_2}{2}$
• $\sigma_U = \sqrt{\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}$

Mit Stetigkeitskorrektur:

$z = \frac{|U - \mu_U| - 0,5}{\sigma_U}$

Effektgröße: Rang-biseriale Korrelation

$r = 1 - \frac{2U}{n_1 n_2}$

Oder: $r = \frac{U_1 - U_2}{n_1 n_2}$

Im Beispiel: r = 1 - (2×3)/(5×6) = 1 - 0,2 = 0,8 (großer Effekt)

Wann den Mann-Whitney-Test verwenden

Geeignet

• Nicht-normale Verteilungen (besonders bei kleinen Stichproben)
• Ordinale Daten (Rankings, Likert-Skalen)
• Daten mit Ausreißern
• Schiefe Verteilungen
• Wenn Sie keine gleichen Varianzen annehmen möchten

Nicht geeignet

• Gepaarte/verbundene Daten (verwenden Sie den Wilcoxon-Vorzeichen-Rang-Test)
• Mehr als zwei Gruppen (verwenden Sie den Kruskal-Wallis-Test)
• Daten mit vielen Bindungen (Alternativen in Betracht ziehen)

Vergleich mit dem t-Test

Faustregel: Wenn die Daten eindeutig normalverteilt sind, ist der t-Test etwas mächtiger. Ansonsten ist der Mann-Whitney-Test sicherer.

Anwendungsgebiete

Medizinische Forschung

Vergleich von Behandlungseffekten bei schiefen Ergebnissen (Krankenhausaufenthalt, Genesungszeit).

Psychologie

Vergleich von Gruppen auf ordinalen Skalen (Likert-Items, Rankings).

Qualitätskontrolle

Vergleich von Prozessen, wenn Messungen nicht normalverteilt sind.

Bildung

Vergleich von Testergebnissen zwischen Gruppen, wenn die Verteilung unbekannt ist.

Wirtschaft

Kundenzufriedenheitsbewertungen, Reaktionszeiten, alle begrenzten oder schiefen Metriken.

Häufige Missverständnisse

„Der Mann-Whitney-Test testet Mediane"

Das stimmt nur, wenn die Verteilungen identische Formen haben. Tatsächlich testet er, ob eine Verteilung relativ zur anderen verschoben ist.

„Nicht-parametrisch bedeutet keine Annahmen"

Der Mann-Whitney-Test setzt Unabhängigkeit, Zufallsstichproben und (für die Median-Interpretation) ähnliche Verteilungsformen voraus.

„Immer nicht-parametrisch verwenden, um sicher zu gehen"

Bei normalverteilten Daten und ausreichenden Stichproben haben parametrische Tests mehr Power.

Annahmen

Unabhängigkeit

Beobachtungen sind innerhalb und zwischen Gruppen unabhängig.

Zufallsstichprobe

Stichproben repräsentieren ihre Populationen.

Ordinale oder stetige Daten

Werte können sinnvoll rangiert werden.

Ähnliche Verteilungsformen (für Median-Interpretation)

Wenn sich die Formen unterscheiden, testet der Mann-Whitney-Test stochastische Dominanz, nicht Mediandifferenz.

Ergebnisse berichten

APA-Format:

„Ein Mann-Whitney-U-Test zeigte, dass Gruppe B (Mdn = 54,5) signifikant höhere Werte als Gruppe A (Mdn = 33) hatte, U = 3, p = 0,017, r = 0,80."

Angeben:

• U-Statistik
• P-Wert
• Mediane (oder mittlere Ränge) für jede Gruppe
• Effektgröße (r)

Historischer Kontext

Henry Mann und Donald Whitney entwickelten diesen Test 1947 und erweiterten frühere Arbeiten von Frank Wilcoxon (1945) zu rangbasierten Tests.

Der Test entstand aus der Notwendigkeit, Gruppen ohne Normalverteilungsannahme zu vergleichen – üblich in Psychologie, Medizin und Biologie, wo Verteilungen oft schief sind.

Der Mann-Whitney-Test und der Wilcoxon-Rangsummentest sind mathematisch äquivalente Tests, die aufgrund unabhängiger Entwicklung unterschiedlich benannt wurden.

Exakt vs. Approximativ

Exakter Test

Berechnet alle möglichen Anordnungen von Rängen.

Rechenintensiv, aber exakte p-Werte.

Normalapproximation

Verwendet den z-Wert-Ansatz.

Ausreichend, wenn beide n > 20.

Permutation/Randomisierung

Moderne Alternative: Gruppenbezeichnungen viele Male zufällig permutieren, um die Nullverteilung zu erstellen.

Verwandte Berechnungen

• Zwei-Stichproben-t-Test — Parametrische Alternative
• Wilcoxon-Vorzeichen-Rang-Test — Gepaarter nicht-parametrischer Test
• Kruskal-Wallis-Test — Nicht-parametrischer Test für 3+ Gruppen
• Median-Rechner — Deskriptive Statistik

Zusammenfassung

Der Mann-Whitney-U-Test vergleicht zwei unabhängige Gruppen, indem er alle Beobachtungen rangiert und testet, ob sich die Ränge systematisch zwischen den Gruppen unterscheiden. Er ist die nicht-parametrische Alternative zum t-Test, geeignet für nicht-normale Daten, ordinale Messungen oder wenn Ausreißer vorhanden sind. Der Test berechnet U, indem er summiert, wie oft Werte in einer Gruppe die Werte in der anderen überschreiten. Berichten Sie U, p-Wert, Mediane und Effektgröße (rang-biseriales r). Verwenden Sie ihn, wenn Normalität nicht angenommen werden kann, aber beachten Sie, dass bei normalverteilten Daten der t-Test etwas mehr Power hat.