Der Variance Inflation Factor (VIF) prüft die Multikollinearität in Regressionsmodellen. Werte über 10 (manchmal 5) können auf Probleme hinweisen. Dieser Beitrag zeigt, wie du den VIF in R, SPSS und JASP berechnen und interpretieren kannst.
Der Levene-Test prüft die Homogenität der Varianzen. Er ist wichtig für viele parametrische Tests. Dieser Beitrag zeigt, wie man ihn in R, SPSS und JASP durchführt und interpretiert.
Der Levene-Test überprüft die Varianzhomogenität von Gruppen. Er ist in verschiedenen Softwaretools umsetzbar, wobei die Interpretation stets auf dem p-Wert basiert. Ein signifikanter Wert deutet auf unterschiedliche Varianzen hin.
Der t-Test mit 2 unabhängigen Stichproben vergleicht die Mittelwerte von zwei Gruppen. Dieser praktische Leitfaden zeigt, wie man den Test in R, SPSS, JASP und PSPP umsetzt und interpretiert, einschließlich APA-Berichterstattung. Es ist ein unverzichtbares Werkzeug für jeden, der Unterschiede zwischen zwei Gruppen ermitteln möchte.
Der Kruskal-Wallis-Test prüft Unterschiede zwischen mehr als zwei unabhängigen Gruppen, wenn die Daten nicht normalverteilt sind. Dieser Leitfaden bietet eine klare Anleitung zur Durchführung und Interpretation des Tests in verschiedenen Programmen, einschließlich der APA-Berichterstattung. Ein unverzichtbares Werkzeug für Forscher, Analysten und alle, die sich mit Daten beschäftigen.
Der Shapiro-Wilk-Test prüft, ob Daten normalverteilt sind. Er ist ein wesentliches Werkzeug in der Statistik, leicht durchzuführen in Programmen wie R, SPSS, JASP und PSPP. Dieser Leitfaden bietet eine klare Anleitung zur Durchführung und Interpretation des Tests in verschiedenen Programmen, einschließlich der APA-Berichterstattung.
Der Wilcoxon-Test ist ein nützliches statistisches Werkzeug, das du benutzen kannst, wenn du zwei Gruppen von Daten vergleichen möchtest. Im Gegensatz zu einigen anderen Tests, wie dem t-Test, macht der Wilcoxon-Test keine strengen Annahmen über die Verteilung der Daten. Er ist besonders hilfreich, wenn die Daten nicht normal verteilt sind oder wenn du kleine Stichprobengrößen hast.
Zum Inhalt springen 
