STATISTIK-FORUM.de

[statistik0]

Hallo! =)

Ich möchte eine Zusammenhangshypothese testen. Pearson wäre die erste Option gewesen. Meine Daten sind jedoch nicht überraschend nicht normalverteilt. Es handelt sich um die Variable "Krankenstandstage" und die meisten Personen haben 0 angegeben (80 von 200). Eigentlich ist meine Stichprobe groß genug um das zentrale Grenzwerttheorem anzunehmen, jedoch sind meine Daten nicht nur ein bisschen sondern sehr weit von einer Normalverteilung entfernt. Ich habe mich deshalb entschieden non-parametrische Tests heranzuziehen. Ist das schonmal ok oder sollte ich das einfach wegen dem Grenzwerttheorem ignorieren? Sonst habe ich die Auswahl zwischen Spearman und Kendall. Ich habe gelesen, dass Kendall bevorzugt werden soll wenn man eine kleine Stichprobe hat und/oder viele Fälle denselben Rang haben.
Zur ersten Frage: Ist eine Stichprobe von 200 in diesem Fall als klein oder groß zu betrachten und sollte ich dann also Kendall verwenden, da viele denselben Rang haben (80 von 200 haben den Wert 0)?
Bei den anderen Variablen schaut es mit der Normalverteilung leider auch nicht besser aus. Einmal ist meine UV extrem linkssteil und meine AV nicht normalverteilt nach KS, jedoch wäre das zentrale Grenzwerttheorem anzunehmen. Eine Normalverteilung macht inhaltlich bei der AV Sinn, bei der UV nicht.
Teste ich da mit Pearson oder auch non-parametrisch?

Danke schonmal! =)

[statistik0]

UPDATE:

Habe die Variable der Krankenstandstage z-transformiert. NV ist auch da nicht gegeben.

Hatte auch ganz vergessen auf Linearität zu prüfen. Im Scatterplot schaut das Ganze nicht gerade linear aus.

Bedeutet: Voraussetzung verletzt, also ist Kendall zu berechnen, oder?

LG =)