Permutationsbasierte Tests

Auszug

Klassische Statistik verwendet parametrische Verfahren, um Test-Statistiken zu berechnen (z. B. t-, F-, r-Werte), deren Signifikanz dann durch Abgleich mit entsprechenden Tabellen eingeschätzt wird. Diese Verfahren setzen aber eine Normalverteilung der Fehler und homogene Varianzen voraus (Kap. 3.1). Ist das nicht gegeben oder sind — wie in vielen Spezialfällen — die nötigen Tabellen gar nicht bekannt, können Resampling-Verfahren Abhilfe schaffen. Sie generieren eine statistische Referenzverteilung aus den Daten selbst. Das erlaubt robuste Schätzungen von z. B. Signifikanzniveaus. Zu dieser Gruppe von Methoden gehören Permutationstests, Bootstrap- und Jackknife-Verfahren (Manly 1998). Genauer werden wir hier nur auf Permutationstests eingehen, da diese u. a. bei Ordinationsverfahren eine Rolle spielen.