Resampling

Resampling ist die Methode, bei der wiederholte Abtastwerte aus den ursprünglichen Datenabtastwerten gezogen werden. Die Methode des Resampling ist eine nichtparametrische Methode der statistischen Inferenz. Mit anderen Worten beinhaltet das Verfahren des Resampling nicht die Verwendung der generischen Verteilungstabellen (zum Beispiel Normalverteilungstabellen), um ungefähre p-Wahrscheinlichkeitswerte zu berechnen.

Resampling beinhaltet die Auswahl von randomisierten Fällen mit Ersatz aus der ursprünglichen Datenstichprobe in einer Weise, dass jede Zahl der gezogenen Stichprobe eine Anzahl von Fällen aufweist, die der ursprünglichen Datenstichprobe ähnlich sind. Aufgrund des Austauschs besteht die maximale Anzahl von Abtastwerten, die bei der Methode des Resamplings verwendet werden, aus sich wiederholenden Fällen.

Resampling erzeugt auf Basis der Ist-Daten eine eindeutige Sampling-Verteilung. Die Methode der Resampling verwendet experimentelle Methoden, anstatt analytische Methoden, um die einzigartige Sampling-Verteilung zu erzeugen. Die Methode der Neuabtastung liefert unvoreingenommene Schätzungen, da sie auf den unvoreingenommenen Stichproben aller möglichen Ergebnisse der vom Forscher untersuchten Daten basiert.

Resampling wird auch als Bootstrapping oder Monte-Carlo-Schätzung bezeichnet. Um das Konzept des Resampling zu verstehen, sollte der Forscher die Begriffe Bootstrapping und Monte-Carlo-Schätzung verstehen:

• Die Bootstrapping-Methode, die der Resampling-Methode entspricht, verwendet wiederholte Stichproben aus der ursprünglichen Datenstichprobe, um die Teststatistik zu berechnen.
• Die Monte-Carlo-Schätzung, die auch der Bootstrapping-Methode entspricht, wird vom Forscher verwendet, um die Resampling-Ergebnisse zu erhalten.

Annahmen

Diese Methode der Neuabtastung ignoriert im Allgemeinen die parametrischen Annahmen, bei denen die Art der zugrunde liegenden Datenverteilung ignoriert wird. Daher basiert die Methode auf nichtparametrischen Annahmen.

Beim Resampling gibt es keine spezifische Anforderung an die Stichprobengröße. Je größer die Stichprobe ist, desto zuverlässiger sind daher die Konfidenzintervalle, die durch das Resampling-Verfahren erzeugt werden.

Es besteht eine erhöhte Gefahr von übermäßigem Rauschen in den Daten. Diese Art von Problem kann leicht gelöst werden, indem die Methode des Resampling mit dem Prozess der Kreuzvalidierung kombiniert wird.

Resampling in SPSS

In SPSS kann der Forscher die Methode des Resamplings auf folgende Weise durchführen:

Nachdem er im Menü Analysieren „Nichtparametrische Tests“ ausgewählt hat, klickt der Forscher auf „Zwei unabhängige Stichprobentests“, wo der Forscher eine Schaltfläche „Genau“ findet. Dies ermöglicht es dem Forscher, zwischen den Arten von Signifikanzschätzungen zu wählen. Eine solche Wahl, die der Forscher treffen kann, umfasst die Methode von „Monte Carlo“, die auch eine Bootstrapping- und Resampling-Methode ist.

Statistiklösungen können Sie bei der Bestimmung der Stichprobengröße / Power-Analyse für Ihre Forschungsstudie unterstützen. Um mehr zu erfahren, besuchen Sie unsere Webseite zur Stichprobengröße / Power-Analyse oder kontaktieren Sie uns noch heute.