Mittels Levene Test konnte für alle Parameter eine Varianzhomogenität hoch signifikant ausgeschlossen werden.
Bei solch großen Stichproben wie hier sind Begriffe wie "hoch signifikant" weitgehend uninformativ und sinnlos, weil auch kleine Abweichungen von der Varianzhomogenität statistisch signifikant werden. Wichtiger wäre die Betrachtung (und Nennung) der kleinsten versus der größten Standardabweichung bzw Varianz. Bei gleich großen Teilstichproben sind ungleiche Varianzen aber generell kein großes Problem.
https://psychologie.uni-graz.at/de/biol ... -list/faq/ FAQ#5
Es besteht keine Normalverteilung für die Laborparameter.
Wie schon Struktumarionette anmerkte, wieso sollte es interessieren, ob die
Variablen normalverteilt sind.
Intesessieren würde, wenn überhaupt, ob die Variablen
innerhalb der Gruppen aus einer Normalverteilung stammen, oder einfacher, ob die Vorhersagefehler der Varianzanalyse (
die Residuen) aus einer Normalverteilung stammen.
Aber auch das ist bei einer Stichprobengröße gegen n=2000 nicht mehr relevant, der F-Test der Varianzanalyse ist bereits bei n > 30 robust gegen nicht-Normalität der Residuen.
Im Kruskal Wallis Test haben wir nun zu den 5 Bestimmungsintervallzeitpunkte die verschiedenen Mittelwerte getestet
Kruskal-Wallis testet allerdings keine Mittelwerte. Das ist ein Test für Rangdaten bzw. in Rangdaten transformierte Intervallskalendaten.
Da wir nicht normalverteilte Varianzinhomogene Werte haben würden wir nun den Bonferoni Holm Test anwenden.
Obacht, es gibt keinen Bonferroni-Holm-Test. Bonferroni-Holm ist ein Korrekturverfahren für p-Werte, wenn vielfach getestet wird und man das Risiko für Fehler 1. Art dabei nicht erhöhen möchte.
1) ist die wie oben beschriebene Verfahrensweise bisher korrekt?
Normalverteilung von was auch immer ist hier egal, zumindest für die Gültigkeit des Signifikanztests. Falls die Verteilungen z.B. stark schief sein sollten, wäre das für sich genommen aber vielleicht ein inhaltlich interessanter Befund, ich weiß es nicht.
Bei der Varianzinhomogenität spielt wie gesagt deren tatsächliches Ausmaß eine Rolle und ob die Gruppen unterschiedlich groß sind. Gegebenenfalls verwendet man in SPSS zur Sicherheit die einfaktorielle Varianzanalyse mit der Brown-Forsythe oder Welch-Korrektur. Für inhomogene Varianzen gibt es entsprechende post-hoc Tests für die paarweisen Gruppenvergleiche, auch in SPSS. Sollten die Gruppen eine sehr unterschiedliche Varianz aufweisen, wäre dies übrigens auch ein Ergebnis für sich und gegebenenfalls von inhaltlichem Interesse.
Mit freundlichen Grüßen
PonderStibbons