Kruskal-Wallis Testrechner

Q: Was ist die Effektstärke beim Kruskal-Wallis-Test?

Epsilon-Quadrat (epsilon squared) wird als Maß für die Effektstärke beim Kruskal-Wallis-Test verwendet. Es reicht von 0 bis 1 und gibt die praktische Signifikanz an: Werte unter 0,01 sind vernachlässigbar, 0,01–0,06 sind klein, 0,06–0,14 sind mittel und Werte über 0,14 deuten auf große Effekte hin. Die Effektstärke ergänzt die statistische Signifikanz, indem sie das Ausmaß der Unterschiede aufzeigt.

Führen Sie den Kruskal-Wallis-H-Test durch, um mehrere unabhängige Gruppen zu vergleichen. Erhalten Sie Schritt-für-Schritt-Berechnungen, Ranganalysen, Effektstärken und interaktive Visualisierungen für die nicht-parametrische statistische Analyse.

Embed Kruskal-Wallis Testrechner Widget

Kruskal-Wallis Testrechner

Willkommen beim Kruskal-Wallis Testrechner, einem umfassenden statistischen Tool zum Vergleich mehrerer unabhängiger Gruppen unter Verwendung des nichtparametrischen Kruskal-Wallis-H-Tests. Dieser Rechner bietet Schritt-für-Schritt-Berechnungen, Ranganalysen, Effektstärkenmessungen und interaktive Visualisierungen, um Ihnen bei der Interpretation Ihrer Daten zu helfen.

Was ist der Kruskal-Wallis-Test?

Der Kruskal-Wallis-H-Test (auch einfaktorielle Varianzanalyse nach Kruskal und Wallis genannt) ist ein rangbasierter nichtparametrischer Test, mit dem festgestellt werden kann, ob statistisch signifikante Unterschiede zwischen zwei oder mehr Gruppen einer unabhängigen Variable bei einer kontinuierlichen oder ordinalen abhängigen Variable bestehen. Er ist das nichtparametrische Äquivalent zur einfaktoriellen ANOVA.

Benannt nach William Kruskal und W. Allen Wallis, die ihn 1952 entwickelten, erweitert dieser Test den Mann-Whitney-U-Test auf mehr als zwei Gruppen. Im Gegensatz zur ANOVA setzt der Kruskal-Wallis-Test keine Normalverteilung der Daten voraus.

Kruskal-Wallis H-Statistik-Formel

Kruskal-Wallis H-Statistik

$$H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} - 3(N+1)$$

Dabei gilt:

N = Gesamtzahl der Beobachtungen über alle Gruppen hinweg
k = Anzahl der Gruppen
nᵢ = Anzahl der Beobachtungen in Gruppe i
Rᵢ = Rangsumme in Gruppe i

Wann der Kruskal-Wallis-Test verwendet werden sollte

Verwenden Sie Kruskal-Wallis anstelle der einfaktoriellen ANOVA, wenn:

Nicht-normalverteilte Daten: Ihre Daten erfüllen nicht die von der ANOVA geforderte Normalverteilungsannahme
Ordinale Daten: Sie haben ordinale (rangfolgende) Daten anstelle von kontinuierlichen Daten
Kleine Stichproben: Die Stichprobengrößen sind zu klein, um die Normalität zu überprüfen
Ausreißer vorhanden: Ihre Daten enthalten Ausreißer, die die ANOVA-Ergebnisse verzerren könnten
Ungleiche Varianzen: Die Varianzen zwischen den Gruppen sind nicht gleich (Heteroskedastizität)

Annahmen des Kruskal-Wallis-Tests

Die abhängige Variable sollte auf ordinalem oder kontinuierlichem Niveau gemessen werden
Die unabhängige Variable sollte aus zwei oder mehr kategorialen, unabhängigen Gruppen bestehen
Unabhängigkeit der Beobachtungen – es besteht keine Beziehung zwischen den Beobachtungen in den einzelnen Gruppen oder zwischen den Gruppen selbst
Ähnliche Verteilungsformen über die Gruppen hinweg (nicht notwendigerweise normal, aber ähnlich)

So verwenden Sie diesen Rechner

Geben Sie Ihre Daten ein: Geben Sie die Daten für jede Gruppe in einer separaten Zeile ein. Werte innerhalb einer Zeile können durch Kommas, Leerzeichen oder Tabulatoren getrennt werden.
Signifikanzniveau festlegen: Wählen Sie Ihren Alpha-Wert (0,01, 0,05 oder 0,10) basierend auf Ihren Testanforderungen.
Präzision festlegen: Wählen Sie die Anzahl der Dezimalstellen für Ihre Ergebnisse.
Berechnen: Klicken Sie auf die Schaltfläche „Berechnen“, um die Analyse durchzuführen.
Ergebnisse interpretieren: Überprüfen Sie die H-Statistik, den p-Wert, die Effektstärke und die Visualisierungen, um Schlussfolgerungen zu ziehen.

Ergebnisse interpretieren

Statistische Signifikanz

Wenn p-Wert ≤ Alpha: Nullhypothese ablehnen. Es gibt einen statistisch signifikanten Unterschied zwischen mindestens einem Paar von Gruppen.
Wenn p-Wert > Alpha: Nullhypothese kann nicht abgelehnt werden. Es liegen keine ausreichenden Beweise für Unterschiede zwischen den Gruppen vor.

Effektstärke (Epsilon-Quadrat)

Die Effektstärke misst die praktische Bedeutung Ihrer Ergebnisse:

Epsilon-Quadrat	Effektstärke	Interpretation
< 0,01	Vernachlässigbar	Sehr geringer oder kein praktischer Effekt
0,01 - 0,06	Klein	Geringe praktische Bedeutung
0,06 - 0,14	Mittel	Moderate praktische Bedeutung
> 0,14	Groß	Große praktische Bedeutung

Post-hoc-Tests

Wenn der Kruskal-Wallis-Test signifikant ist, benötigen Sie Post-hoc-Tests, um festzustellen, welche spezifischen Gruppen sich unterscheiden. Zu den gängigen Optionen gehören:

Dunns Test: Der beliebteste Post-hoc-Test für Kruskal-Wallis
Paarweise Mann-Whitney-U-Tests: Mit Bonferroni- oder anderer Korrektur für Mehrfachvergleiche
Conover-Iman-Test: Basierend auf der t-Verteilung von Rängen
Nemenyi-Test: Nichtparametrisches Äquivalent zu Tukeys HSD

Kruskal-Wallis vs. ANOVA Vergleich

Merkmal	Kruskal-Wallis	Einfaktorielle ANOVA
Datentyp	Ordinal oder kontinuierlich	Nur kontinuierlich
Normalität	Nicht erforderlich	Erforderlich
Gleiche Varianzen	Nicht erforderlich	Erforderlich (bei Verletzung kann Welch-ANOVA verwendet werden)
Statistische Power	Niedriger (verwendet Ränge)	Höher (verwendet tatsächliche Werte)
Ausreißerempfindlichkeit	Weniger empfindlich	Empfindlicher
Stichprobengröße	Funktioniert bei kleinen Stichproben	Benötigt größere Stichproben für Normalität

Häufig gestellte Fragen

Was ist der Kruskal-Wallis-Test?

Der Kruskal-Wallis-Test ist ein rangbasierter nichtparametrischer Test, mit dem festgestellt werden kann, ob statistisch signifikante Unterschiede zwischen zwei oder mehr Gruppen einer unabhängigen Variable bei einer kontinuierlichen oder ordinalen abhängigen Variable bestehen. Er ist das nichtparametrische Äquivalent zur einfaktoriellen ANOVA und eine Erweiterung des Mann-Whitney-U-Tests für mehr als zwei Gruppen.

Wann sollte ich den Kruskal-Wallis-Test anstelle der ANOVA verwenden?

Verwenden Sie den Kruskal-Wallis-Test, wenn: (1) Ihre Daten nicht die von der ANOVA geforderte Normalverteilungsannahme erfüllen, (2) Sie ordinale Daten anstelle von kontinuierlichen Daten haben, (3) Ihre Stichprobengrößen klein sind und Sie die Normalität nicht überprüfen können, (4) Ihre Daten Ausreißer enthalten, die die ANOVA-Ergebnisse verzerren könnten, oder (5) die Varianzen zwischen den Gruppen nicht gleich sind (Heteroskedastizität).

Wie interpretiere ich den p-Wert von Kruskal-Wallis?

Wenn der p-Wert kleiner oder gleich dem von Ihnen gewählten Signifikanzniveau (typischerweise 0,05) ist, lehnen Sie die Nullhypothese ab und kommen zu dem Schluss, dass es einen statistisch signifikanten Unterschied zwischen mindestens einem Paar von Gruppen gibt. Wenn der p-Wert > Alpha ist, können Sie die Nullhypothese nicht ablehnen, was bedeutet, dass es keine ausreichenden Beweise für Unterschiede zwischen den Gruppen gibt.

Was ist die Effektstärke beim Kruskal-Wallis-Test?

Epsilon-Quadrat wird als Maß für die Effektstärke beim Kruskal-Wallis-Test verwendet. Es reicht von 0 bis 1 und gibt die praktische Signifikanz an: Werte unter 0,01 sind vernachlässigbar, 0,01–0,06 sind klein, 0,06–0,14 sind mittel und Werte über 0,14 deuten auf große Effekte hin. Die Effektstärke ergänzt die statistische Signifikanz, indem sie das Ausmaß der Unterschiede aufzeigt.

Was ist die Mindeststichprobengröße für den Kruskal-Wallis-Test?

Jede Gruppe sollte mindestens 5 Beobachtungen für zuverlässige Ergebnisse haben, obwohl der Test technisch gesehen mindestens 2 Beobachtungen pro Gruppe erfordert. Bei sehr kleinen Stichproben ist die zur Berechnung der p-Werte verwendete Chi-Quadrat-Approximation möglicherweise nicht genau, und es sollten exakte Permutationstests in Betracht gezogen werden.

Welche Post-hoc-Tests folgen auf ein signifikantes Kruskal-Wallis-Ergebnis?

Wenn der Kruskal-Wallis-Test signifikant ist, identifizieren Post-hoc-Tests, welche spezifischen Gruppen sich unterscheiden. Zu den gängigen Optionen gehören: Dunns Test (am beliebtesten), paarweise Mann-Whitney-U-Tests mit Bonferroni-Korrektur, Conover-Iman-Test oder Nemenyi-Test. Diese Tests kontrollieren den Typ-I-Fehler bei Mehrfachvergleichen.

Zusätzliche Ressourcen

Zitieren Sie diesen Inhalt, diese Seite oder dieses Tool als:

"Kruskal-Wallis Testrechner" unter https://MiniWebtool.com/de/kruskal-wallis-testrechner/ von MiniWebtool, https://MiniWebtool.com/

vom miniwebtool-Team. Aktualisiert: 27. Jan. 2026

Entwickler-API verfügbar: Führen Sie dieses Tool in Ihrer App, Automatisierung oder Ihrem Agenten mit einer JSON-HTTP-Anfrage aus. API-Dokumentation ansehen

Sie können auch unseren KI-Mathematik-Löser GPT ausprobieren, um Ihre mathematischen Probleme durch natürliche Sprachfragen und -antworten zu lösen.

Kruskal-Wallis Testrechner

Kruskal-Wallis Testrechner

Was ist der Kruskal-Wallis-Test?

Kruskal-Wallis H-Statistik-Formel

Wann der Kruskal-Wallis-Test verwendet werden sollte

Verwenden Sie Kruskal-Wallis anstelle der einfaktoriellen ANOVA, wenn:

Annahmen des Kruskal-Wallis-Tests

So verwenden Sie diesen Rechner

Ergebnisse interpretieren

Statistische Signifikanz

Effektstärke (Epsilon-Quadrat)

Post-hoc-Tests

Kruskal-Wallis vs. ANOVA Vergleich

Häufig gestellte Fragen

Was ist der Kruskal-Wallis-Test?

Wann sollte ich den Kruskal-Wallis-Test anstelle der ANOVA verwenden?

Wie interpretiere ich den p-Wert von Kruskal-Wallis?

Was ist die Effektstärke beim Kruskal-Wallis-Test?

Was ist die Mindeststichprobengröße für den Kruskal-Wallis-Test?

Welche Post-hoc-Tests folgen auf ein signifikantes Kruskal-Wallis-Ergebnis?

Zusätzliche Ressourcen

Statistik und Datenanalyse:

Ausgewählte Werkzeuge: