Hoofdstuk 17 Andere nonparametrische toetsen

17.1 Inleiding

In dit hoofdstuk bespreken we verschillende andere non-parametrische toetsen. Deze toetsen zijn bruikbaar indien de gegevens niet op interval-niveau gemeten zijn (zie hoofdstuk 4), of als de kansverdeling van de gegevens afwijkt van de normaalverdeling (zie §10.5). De non-parametrische toetsen doen geen aannames over de parameters van de kansverdeling van de gegevens.

We zagen al eerder dat er non-parametrische correlatie-coëffienten bestaan, nl. de Spearman rangorde-correlatiecoëfficient (§11.5) en de (nominale) Phi-correlatiecoëfficient (§11.6). In het vorige hoofdstuk bespraken we een veelgebruikte non-parametrische toets, de \(\chi^2\)-toets. We gaan hieronder in op een aantal andere veelgebruikte non-parametrische toetsen. We bespreken die in twee groepen: eerst voor voor gepaarde waarnemingen, en daarna voor ongepaarde waarnemingen uit meerdere steekproeven. Binnen elke paragraaf bespreken we eerst de toetsen die informatie gebruiken van nominaal niveau (tekentoetsen en aanverwanten) en daarna de toetsen die informatie gebruiken van ordinaal niveau, d.w.z. die gebaseerd zijn op de rangorde van de observaties.

17.2 Gepaarde observaties, enkele steekproef

17.2.1 Tekentoets

Een handige toets voor gepaarde observaties is de zgn. tekentoets (Eng: ‘sign test’). Deze toets is te beschouwen als een non-parametrische, nominale tegenhanger van de t-toets voor gepaarde waarnemingen (§13.7).

We kijken in deze toets alleen naar het teken (positief of negatief) van het verschil \(D\) tussen de twee gepaarde waarnemingen. Laten we weer het voorbeeld nemen van een denkbeeldig onderzoek naar webpagina’s met U of je als aanspreekvorm, met \(N=10\) respondenten. In Tabel 13.1 zagen we dat alle 10 respondenten de voorkeur gaven aan je: de verschilvariabele \(D\) was \(10\times\) negatief en \(0\times\) positief, of anders gezegd, alle uitkomsten van \(D\) waren negatief.

Met de tekentoets kijken we hoe waarschijnlijk deze verdeling van positieve en negatieve waarden van \(D\) is, als H0 waar zou zijn. Volgens H0 verwachten we \(N/2\) positieve en \(N/2\) negatieve verschillen; volgens H0 is de kans op een positief teken van \(D\) (de kans op een treffer) dus \(p=1/2\). We bepalen nu de kans op deze gevonden uitkomst (0 treffers) gegeven H0, en we gebruiken daarvoor de binomiale kansverdeling (§10.2): \[\begin{equation} \tag{17.1} P(0\,\mbox{treffers}) = {10 \choose 0} (0.5)^0 (1-0.5)^{10-0} = (1) (1) (0.000976) < 0.001 \end{equation}\] De kans op deze uitkomst volgens H0 is dermate klein dat we in het licht van deze uitkomst besluiten om H0 te verwerpen, en we rapporteren dat als volgt:

De \(N=10\) respondenten geven unaniem een lager oordeel aan de webpagina met U als aanspreekvorm dan aan de vergelijkbare pagina met je als aanspreekvorm; dit is een significant verschil (tekentoets, \(p<.001\)).

17.2.2 Wilcoxon signed-ranks test

De Wilcoxon signed-ranks test is te beschouwen als een non-parametrische, ordinale tegenhanger van de t-toets voor gepaarde waarnemingen (§13.7).

Deze toets maakt gebruik van de rangorde van het verschil \(D\) tussen de twee gepaarde waarnemingen. We gebruiken nogmaals het voorbeeld van het denkbeeldige onderzoek naar de webpagina’s met U of je als aanspreekvorm (Tabel 13.1), maar nu kijken we naar de rangorde van de verschillen \(D\) (rekening houdend met gelijke verschillen bij meerdere proefpersonen), en geven daarbij het teken (positief of negatief) van het verschil \(D\): \[-2, -2, -7.5, -5, -7.5, -5, -10, -7.5, -5, -2\] De som van de positieve rangnummers is \(W_+=0\) (er zijn geen positieve rangnummers) en de som van de negatieve rangnummers \(W_-= -53.5\), en daarmee \(|W_-|=53.5\). De kleinste van deze twee sommen (\(W_+\) of \(|W_-|\)) vormt de toetsingsgrootheid; we gebruiken hier \(|W_-|\). We gaan hier niet in op de kansverdeling van de toetsingsgrootheid, maar we laten de significantie door de computer bepalen: \(P(|W_-|)=.0055\). De kans op deze uitkomst volgens H0 is dermate klein dat we in het licht van deze uitkomst wederom besluiten om H0 te verwerpen.

De (ordinale) Wilcoxon signed-ranks test maakt gebruik van meer informatie dan de (nominale) tekentoets. Als een effect significant is volgens de tekentoets, zoals in dit voorbeeld, dan is het ook altijd significant volgens de Wilcoxon signed-ranks test. Als een effect significant is in de Wilcoxon signed-ranks test, dan is het ook altijd significant volgens de t-toets. Dat heeft te maken met het meetniveau: de tekentoets beschouwt alleen het (nominale) teken van de verschillen, de Wilcoxon signed-rank is gebaseerd op de (ordinale) rangschikking van de verschillen, en de t-toets is gebaseerd op de (interval) omvang van de verschillen.

17.2.2.1 formules

We berekenen niet alleen \(W_+\) (of \(|W_-|\)) op de hierboven aangegeven wijze, maar ook de bijbehorende waarde van \(z\) (Ferguson and Takane 1989): \[\begin{equation} \tag{17.2} z = \frac{ W_+ - \frac{N(N+1)}{4} } { \sqrt{ \frac{N(N+1)(2N+1)}{24} } } \end{equation}\] Daarmee kunnen we de effectgrootte uitrekenen, in de vorm van een correlatie (Rosenthal 1991, Eq.2.18): \[\begin{equation} \tag{17.3} r = \frac {z} {\sqrt{N}} \end{equation}\] Voor het bovenstaande voorbeeld vinden we \(z=-2.803\), en \(r=-.89\), hetgeen wijst op een buitengewoon groot effect.

17.3 Onafhankelijke observaties, meerdere steekproeven

17.3.1 Mediaantoets

De mediaantoets (Eng. ‘median test’) is te beschouwen als een non-parametrische, nominale tegenhanger van de t-toets voor ongepaarde, onafhankelijke waarnemingen. Het is eigenlijk een tekentoets (zie §17.2.1), waarbij we toetsen of de verdeling van observaties boven/onder hun gezamenlijke mediaan (zie §9.3.2 voor uitleg over de mediaan) afwijkt van de verwachte verdeling volgens H0. De nulhypothese H0 is dat de verdelingen van de twee steekproeven niet van elkaar verschillen, en dat in beide steekproeven dus ongeveer de helft van de observaties boven de gezamenlijke mediaan ligt, en de andere helft er onder.

17.3.2 Wilcoxon rank sum test, ofwel Mann-Whitney U test

De Wilcoxon rank sum test is equivalent aan de Mann-Whitney U test. Beide zijn de beschouwen als non-parametrische, ordinale tegenhangers van de t-toets voor ongepaarde, onafhankelijke waarnemingen (§13.6).

Stel je voor dat we willen onderzoeken of sommige tekstkenmerken van invloed zijn op de subjectieve waardering van de tekst. Een onderzoekster trekt daartoe een aselecte steekproef van proefpersonen uit de populatie (zie §7.3), en wijst deze proefpersonen op aselecte wijze toe aan twee onderzoekscondities (randomisatie, zie §5.4, punt 5). In de eerste conditie moeten de proefpersonen een oordeel geven over de originele versie van een tekst. In de tweede conditie geven de proefpersonen een oordeel over de herschreven versie van dezelfde tekst. Hoe hoger de score die gegeven wordt, hoe hoger de waardering voor de tekst. Eén van de proefpersonen moest helaas het onderzoek voortijdig staken. De oordelen van de overige 19 proefpersonen staan in Tabel 17.1. Op grond van de aselecte steekproef en de aselecte toewijzing van proefpersonen aan condities zijn de oordelen te beschouwen als afkomstig van twee verschillende aselecte steekproeven. De nulhypothese luidt dat er geen verschil bestaat in waardering tussen de twee condities.

Tabel 17.1: Oordelen van \(N=19\) proefpersonen over de originele en herschreven versies van een tekst.
Conditie
Origineel 10 17 35 2 19 4 18 28 24
Herschreven 15 22 8 48 29 25 27 39 31 36

De Wilcoxon rank sum test is gebaseerd op de rangorde van de observaties. Iedere observatie wordt vervangen door het rangnummer van die observatie, genomen over de twee condities tezamen. De laagste of kleinste waarde krijgt rangnummer 1. De som van de rangnummers van de kleinste groep (hier: van de originele conditie) duiden we aan als \(W_1\). De kansverdeling van \(W\) onder H0 is bekend (exact voor kleine \(n_1\) en \(n_2\), en bij benadering voor grotere steekproeven). Daarmee kunnen we de kans bepalen om de gevonden waarde van \(W_1\) aan te treffen, of een meer extreme waarde, indien H0 waar is.

Eerder zagen we dat de t-toets voor ongepaarde waarnemingen (§13.6) onderzoekt of de gemiddelden verschillend zijn voor twee steekproeven. Analoog daaraan onderzoekt de Wilcoxon rank sum test (en de Mann-Whitney \(U\) test) of de medianen verschillend zijn voor de twee steekproeven. De toets is dus robuuster voor uitbijters — als we het hoogste oordeel (48) zouden vervangen door een nog veel hoger oordeel (zeg 480), dan heeft dat geen invloed op de mediaan van die groep, en het heeft evenmin invloed op de toetsingsgrootheid of op de significantie daarvan.

Voor ons voorbeeld vinden we dat de lagere rangnummers relatief vaak voorkomen bij de eerste conditie (originele versie), d.w.z. dat de tekst in deze conditie lager werd beoordeeld. De som van de rangnummers voor deze kleinste conditie is de toetsingsgrootheid \(W_1=67\). In sommige versies van de toets37 wordt deze ruwe som gebruikt om de significantie te berekenen. In andere versies van de toets38 wordt deze ruwe som eerst gecorrigeerd voor de minimale waarde van \(W_1\) (zie de formules hieronder): de toetsingsgrootheid wordt dan \(U=W_1 - \textrm{min}(W_1) = 67-45=22\). Daarna wordt de significantie van \(W_1=67\) of van \(U=22\) berekend. We vinden dat \(p=.0653\). Als we tweezijdig toetsen (H0: oordelen in conditie 2 zijn niet hoger en niet lager dan in conditie 1) met \(\alpha=.05\) dan is er geen reden om H0 te verwerpen39.

17.3.2.1 formules

Voor de sommen van rangnummers geldt dat \(W_1 + W_2 = (n_1+n_2) (n_1+n_2+1) / 2\).

Als in de kleinste (eerste) conditie alle laagste rangnummers zitten (d.w.z. alle laagste oordelen), dan heeft \(W_1\) de minimale waarde van \(n_1 (n_1+1) /2\). Als in deze conditie alle hoogste rangnummers zitten (d.w.z. alle hoogste oordelen) dan heeft \(W_1\) de maximale waarde van \(n_1 (n_1+n_2+1) / 2\). \(W_1\) (en het minimum en maximum ervan) kan alleen gehele waarden aannemen.

Het is handig om niet alleen \(W_1\) of \(U\) uit te rekenen, maar ook de bijbehorende waarde van \(z\) (Ferguson and Takane 1989): \[\begin{equation} \tag{17.4} \bar{W_1} = \frac{ n_1 (n_1+n_2+1) }{ 2 } \end{equation}\] \[\begin{equation} \tag{17.5} z = \frac{ |W_1-\bar{W_1}|-\frac{1}{2} }{ \sqrt{ \frac{n_1 n_2 (n_1+n_2+1)}{12} } } \end{equation}\] Daarmee bepalen we wederom de effectgrootte volgens vergelijking (17.3). Voor het bovenstaande voorbeeld vinden we zo \(\bar{W_1}=22.5\), \(z=1.837\), en \(r=.42\), hetgeen wijst op een ‘medium’ effect. Dat dit aanzienlijke effect toch niet leidt tot een significant verschil (bij tweezijdige toetsing) is vermoedelijk een gevolg van de (te) kleine omvang van de twee groepen.

17.3.3 Kruskall-Wallis H test

De Kruskall-Wallis H test is te beschouwen als een uitbreiding van de Wilcoxon rank sum test (zie §(sec:wilcoxon-rank-sum) hierboven), voor \(k \ge 2\) onafhankelijke steekproeven of groepen. De toets is ook bruikbaar om \(k=2\) groepen te vergelijken; dan is de toets geheel equivalent aan de Wilcoxon rank sum test hierboven. De Kruskall-Wallis H test is te beschouwen als de non-parametrische, ordinale tegenhanger van een een-wegs variantie-analyse (zie §15.3.1). Losjes gezegd: we voeren een soort variantie-analyse uit, niet op de observaties zelf, maar op de rangnummers van de observaties. We berekenen als toetsingsgrootheid \(H\), op basis van de rangnummers van de observaties in de \(k\) verschillende groepen.

17.3.3.1 formule

\[\begin{equation} \tag{17.6} H = \frac{12}{N(N+1)} \sum^{k} (\frac{R^2_j}{n_j}) - 3(N+1) \end{equation}\] waarbij \(R_j\) verwijst naar de som van de rangnummers van de observaties in groep \(j\), en \(n_j\) naar de omvang van groep \(j\). (Gemakshalve laten we hier ‘knopen’ buiten beschouwing, dat zijn gevallen waarin dezelfde waarde en rangnummer voorkomt in meerdere groepen.)

De toetsingsgrootheid \(H\) heeft een kansverdeling die lijkt op die van \(\chi^2\), met \(k-1\) vrijheidsgraden. De significantie van de toetsingsgrootheid \(H\) wordt dus bepaald via de kansverdeling van \(\chi^2\) (zie Bijlage D). Die benadering via \(\chi^2\) werkt echter alleen indien \(k\ge3\) en \(n_j\ge5\) voor de kleinste groep (Ferguson and Takane 1989); indien \(k=2\) of \(n_j<5\) dan wordt de kans \(P(H)\) exact berekend.

Referenties

Ferguson, George A., and Yoshio Takane. 1989. Statistical Analysis in Psychology and Education. 6e ed. New York: McGraw-Hill.

Rosenthal, Robert. 1991. Meta-Analytic Procedures for Social Research. 2nd ed. Newbury Park, CA: Sage.


  1. Wilcoxon rank sum test in SPSS.↩︎

  2. Mann-Whitney test in SPSS en in R, en Wilcoxon rank sum test in R.↩︎

  3. Als we tweezijdig toetsen met \(\alpha=.10\), dan zouden we H0 wel kunnen verwerpen. Als we eenzijdig toetsen (H0: oordelen in conditie 2 zijn niet hoger dan in conditie 1), dan mogen we de berekende \(p\) halveren, omdat die berekende \(p\) uitgaat van tweezijdige toetsing. We zouden dan dus vinden \(p=.0653/2=.0326\), en omdat deze kans kleiner is dan \(\alpha=.05\) zouden we dan wel H0 kunnen verwerpen.↩︎