核心概念
Die kumulative Darstellung der Differenzen zwischen zwei Populationen ermöglicht eine umfassende Analyse der Unterschiede in Abhängigkeit einer ordinalen Kovariaten. Im Gegensatz zu herkömmlichen Methoden wie Reliabilitätsdiagrammen bietet der kumulative Ansatz eine eindeutige, parameterfreie Auswertung.
要約
Die Studie präsentiert Methoden zur Analyse von Unterschieden zwischen zwei Populationen, die durch gepaarte Beobachtungen in Abhängigkeit einer ordinalen Kovariaten charakterisiert sind.
Der kumulative Ansatz erstellt Grafiken, die Differenzen in den Antworten als Funktion der Kovariaten darstellen. Daraus lassen sich intuitive Schlussfolgerungen über die Unterschiede zwischen den Populationen ziehen. Zusätzlich werden Kennzahlen wie der Kuiper-Metrik berechnet, die die Gesamtunterschiede in einem einzigen Wert zusammenfassen.
Im Vergleich zu herkömmlichen Methoden wie Reliabilitätsdiagrammen bietet der kumulative Ansatz mehrere Vorteile:
- Keine Parameterwahl, die das Ergebnis beeinflussen könnte
- Vollständige Darstellung aller signifikanten Unterschiede
- Vermeidung von Effekten wie Stornierung positiver und negativer Differenzen
Die Studie demonstriert die Methoden anhand von Synthese-Daten sowie realen Datensätzen aus Spendenaktionen und der US-Volkszählung. Die kumulativen Grafiken und Kennzahlen erweisen sich als leistungsfähiger und aussagekräftiger als die klassischen Reliabilitätsdiagramme.
統計
Die mittlere Differenz in den normalisierten Spenden zwischen 1995 und 1996 beträgt 0.
Die Kuiper-Metrik beträgt 0,01354/σ = 2,514.
引用
"Die Kuiper-Metrik ist stets größer oder gleich dem Betrag der gewichteten durchschnittlichen Differenz in den Antworten, so dass sie Unterschiede erkennen kann, die der gewichtete Durchschnitt übersieht."
"Im Gegensatz zu parametrischen Regressionsmodellen haben die nichtparametrischen Methoden dieser Arbeit keine Parameter, die eingestellt werden müssen, was sie besonders einfach zu verwenden und zu vertrauen macht."