Kleine Stichprobe und nicht normal-verteilt. Wie vorgehen?
Verfasst: Di 21. Jul 2020, 15:39Hallo zusammen! 
Ich habe eine Stichprobe mit ca. N =75. Ich hoffe ich komme noch etwas näher an 100. Ich möchte nun ein Modell mit 21 Parameter schätzen.
Meine Daten sind nicht normalverteilt.
Meine Optionen:
1. Einfach ML (Maximum Likelihood) benutzen, es soll ja recht robust sein gegen den Verstoss gegen nicht-normalität. Problem: Meine Daten weichen teils sehr stark von der Normalverteilung ab.
2. MLM (Robust) benutzen. Doch können ja bei Stichproben unter 250 die Standardfehler überkorrigiert werden.
3. Bootstraping benutzen. Doch empfehlen Newitt & Hancock (2011) dies nur ab N= 200 zu benutzen.
4. ULS (unweighted last square) benutzen. Nur wie bekomme ich dann p-Werte für die Regressionsgewichte und wie kann ich Modelle vergleichen?
Im Moment tendiere ich zu Bootstraping. Welches denkt ihr ist die beste Methode um mit kleinen Stichproben die nicht normalverteilt sind umzugehen? Literaturhinweise sind auch willkommen.
Liebe Grüsse und danke!
Ich habe eine Stichprobe mit ca. N =75. Ich hoffe ich komme noch etwas näher an 100. Ich möchte nun ein Modell mit 21 Parameter schätzen.
Meine Daten sind nicht normalverteilt.
Meine Optionen:
1. Einfach ML (Maximum Likelihood) benutzen, es soll ja recht robust sein gegen den Verstoss gegen nicht-normalität. Problem: Meine Daten weichen teils sehr stark von der Normalverteilung ab.
2. MLM (Robust) benutzen. Doch können ja bei Stichproben unter 250 die Standardfehler überkorrigiert werden.
3. Bootstraping benutzen. Doch empfehlen Newitt & Hancock (2011) dies nur ab N= 200 zu benutzen.
4. ULS (unweighted last square) benutzen. Nur wie bekomme ich dann p-Werte für die Regressionsgewichte und wie kann ich Modelle vergleichen?
Im Moment tendiere ich zu Bootstraping. Welches denkt ihr ist die beste Methode um mit kleinen Stichproben die nicht normalverteilt sind umzugehen? Literaturhinweise sind auch willkommen.
Liebe Grüsse und danke!