Vorzeichentest-Rechner

Verwenden Sie den Vorzeichentest, wenn Sie gepaarte Beobachtungen haben und einfach wissen möchten, ob eine Messung tendenziell höher ist als die andere. Er ist die erste Wahl, wenn Ihre Daten Ausreißer enthalten, nicht normalverteilt sind oder wenn Sie sich nur für die Richtung interessieren (sind die Werte gestiegen oder gesunken?) und nicht für das Ausmaß. Damit ist er ideal für schnelle Vorher-Nachher-Vergleiche oder Präferenzstudien.

Was ist der Vorzeichentest?

Der Vorzeichentest ist der einfachste nicht-parametrische Test für gepaarte Daten. Er verwendet nur die Richtung (das Vorzeichen) der Differenzen zwischen Paaren und ignoriert deren Größe.

Beantwortete Frage: „Gibt es eine konsistente Tendenz, dass eine Bedingung höher ist als eine andere?"

Beispiele:

• Verbessern sich Patienten tendenziell nach der Behandlung? (Vorher-Nachher)
• Bevorzugen Menschen Produkt A gegenüber Produkt B? (Paarvergleich)
• Gibt es einen konsistenten Unterschied zwischen zwei Messmethoden?

Funktionsweise

Schritt 1: Differenzen berechnen

Berechnen Sie für jedes Paar die Differenz (Nachher - Vorher).

Schritt 2: Vorzeichen zählen

• Positive Vorzeichen: 1
• Negative Vorzeichen: 4
• Nullen: 1 (ausgeschlossen)

n = 5 (Differenzen ungleich Null)

Schritt 3: Binomialtest anwenden

Unter der Nullhypothese (kein Unterschied) sind positive und negative Vorzeichen gleich wahrscheinlich.

Teststatistik: S = min(positiv, negativ) = 1

p-Wert: $P(X \leq 1)$ wobei $X \sim \text{Binomial}(5, 0{,}5)$

$P = 2 \times \sum_{k=0}^{1} \binom{5}{k}(0{,}5)^5 = 2 \times (0{,}031 + 0{,}156) = 0{,}375$

Schlussfolgerung: Kein signifikanter Unterschied ($p = 0{,}375$).

Die Teststatistik

Für einen zweiseitigen Test:

$S = \min(n_+, n_-)$

Wobei $n_+$ die Anzahl der positiven Differenzen und $n_-$ die Anzahl der negativen Differenzen ist.

Exakter p-Wert (kleine Stichproben)

$p = 2 \times P(X \leq S) = 2 \times \sum_{k=0}^{S} \binom{n}{k}(0{,}5)^n$

Normalapproximation (große Stichproben)

Für n > 25:

$z = \frac{S - 0{,}5n}{\sqrt{0{,}25n}}$

Mit Stetigkeitskorrektur:

$z = \frac{|S - 0{,}5n| - 0{,}5}{\sqrt{0{,}25n}}$

Umgang mit Bindungen (Null-Differenzen)

Null-Differenzen liefern keine Information über die Richtung.

Standardansatz: Aus der Analyse ausschließen.

Alternative: Jeweils die Hälfte jedem Vorzeichen zuweisen (umstritten).

Vergleich mit dem Wilcoxon-Vorzeichen-Rang-Test

Faustregel: Verwenden Sie den Wilcoxon-Vorzeichen-Rang-Test, wenn Differenzen sinnvoll rangiert werden können. Verwenden Sie den Vorzeichentest, wenn nur die Richtung wichtig ist oder wenn es viele Bindungen in den Größen gibt.

Einstichproben-Vorzeichentest

Testen Sie, ob der Median einem hypothetischen Wert entspricht:

1. Berechnen Sie die Differenzen zum hypothetischen Median
2. Zählen Sie positive und negative Vorzeichen
3. Wenden Sie den Binomialtest an

Beispiel: Testen, ob das Medianeinkommen = 50.000 € beträgt

Positiv: 3, Negativ: 2, p = 1,00 (nicht signifikant)

Konfidenzintervall für den Median

Der Vorzeichentest kann ein Konfidenzintervall für die Differenz des Populationsmedians konstruieren.

Für n Paare ordnen Sie die Differenzen und finden die entsprechenden Quantile basierend auf der Binomialverteilung.

Anwendungen

Medizinische Forschung

• Einfache Vorher-Nachher-Vergleiche
• Crossover-Studien mit ordinalen Ergebnissen
• Präferenzstudien

Psychologie

• Gepaarte Präferenztests
• Behandlungseffektivität (besser/schlechter/gleich)

Qualitätskontrolle

• Vergleich zweier Messmethoden
• Vorher-Nachher-Prozessänderungen

Marktforschung

• Produktpräferenz (A vs. B)
• Bewertungsvergleiche

Vorteile

Minimale Annahmen

• Keine Normalverteilungsanforderung
• Keine Anforderung an stetige Daten
• Funktioniert mit ordinalen Daten
• Erfordert nur gepaarte Beobachtungen

Robustheit

• Unbeeinflusst von Ausreißern
• Funktioniert auch wenn die Größe nicht messbar ist
• Gültig für jede Verteilungsform

Einfachheit

• Leicht zu verstehen und zu berechnen
• Ergebnisse sind intuitiv (Anzahl der Verbesserungen)

Nachteile

Geringe Teststärke

Durch das Ignorieren der Größe verwirft der Vorzeichentest wertvolle Informationen.

Beispiel: Zwei Studien zeigen beide 15 Verbesserungen von 20 Patienten.

• Studie A: Verbesserungen durchschnittlich +2 Punkte
• Studie B: Verbesserungen durchschnittlich +20 Punkte

Der Vorzeichentest liefert identische Ergebnisse, aber Studie B zeigt einen viel stärkeren Effekt.

Große Stichprobenanforderung

Um eine angemessene Teststärke zu erreichen, benötigt der Vorzeichentest größere Stichproben als parametrische Alternativen.

Wann den Vorzeichentest wählen

Verwenden Sie den Vorzeichentest, wenn:

• Daten ordinal sind (nur Richtung aussagekräftig)
• Viele Bindungen in den Differenzgrößen vorliegen
• Die Verteilung stark asymmetrisch ist
• Eine schnelle, einfache Analyse benötigt wird
• Extreme Robustheit erforderlich ist

Verwenden Sie den Wilcoxon-Vorzeichen-Rang-Test, wenn:

• Differenzen sinnvoll rangiert werden können
• Sie mehr Teststärke wünschen
• Die Verteilung der Differenzen ungefähr symmetrisch ist

Verwenden Sie den gepaarten t-Test, wenn:

• Differenzen annähernd normalverteilt sind
• Maximale Teststärke benötigt wird
• Intervall-/Verhältnisskala-Daten vorliegen

Beispiel: Vollständige Analyse

Szenario: 12 Patienten bewerten Schmerzen (1-10) vor und nach der Behandlung.

Ergebnisse:

• Positiv: 1
• Negativ: 10
• Bindungen: 1 (ausgeschlossen)
• n = 11

p-Wert: $P(X \leq 1) = 0{,}012$ (zweiseitig)

Schlussfolgerung: Signifikante Schmerzreduktion nach der Behandlung ($p = 0{,}012$).

Ergebnisse berichten

APA-Format:

„Ein Vorzeichentest zeigte, dass die Schmerzwerte nach der Behandlung signifikant niedriger waren, wobei 10 von 11 Patienten eine Verbesserung zeigten (p = 0,012)."

Oder formaler:

„Ein Vorzeichentest ergab einen signifikanten Behandlungseffekt, S = 1, n = 11, p = 0,012, wobei die Mehrheit der Patienten (91 %) reduzierte Schmerzwerte aufwies."

Historischer Kontext

Der Vorzeichentest ist eines der ältesten statistischen Verfahren und geht auf John Arbuthnots Studie von 1710 über Geburtengeschlechterverhältnisse zurück.

Seine Einfachheit machte ihn vor der modernen Datenverarbeitung praktikabel. Obwohl heute leistungsfähigere Tests verfügbar sind, bleibt der Vorzeichentest wegen seiner minimalen Annahmen und einfachen Interpretation wertvoll.

Verwandte Berechnungen

• Wilcoxon-Vorzeichen-Rang-Test — Leistungsfähigerer gepaarter Test
• Gepaarter t-Test — Parametrischer gepaarter Test
• Binomialtest — Zugrundeliegende Verteilung
• McNemar-Test — Für gepaarte kategoriale Daten

Zusammenfassung

Der Vorzeichentest vergleicht gepaarte Beobachtungen nur anhand der Richtung der Differenzen. Zählen Sie positive und negative Differenzen, schließen Sie Bindungen aus und wenden Sie einen Binomialtest mit p = 0,5 an. Er ist der einfachste nicht-parametrische gepaarte Test mit minimalen Annahmen, aber geringerer Teststärke als der Wilcoxon-Vorzeichen-Rang-Test. Verwenden Sie ihn, wenn Daten ordinal sind, Differenzen viele Bindungen aufweisen oder extreme Robustheit benötigt wird. Berichten Sie die Anzahl jeder Vorzeichenrichtung, die Stichprobengröße und den p-Wert.