Resampling-Verfahren

 

(= R.) [engl. resampling; re- wieder, sampling Stichprobenziehung], [FSE], Verfahren zur stat. Hypothesenprüfung; wie beim klassischen Signifikanztest wird i. d. R. mit einer Nil-Nullhypothese (Annahme: in der Population liegt kein Effekt vor) gearbeitet, allerdings wird die theoretische Prüfverteilung durch eine empir. Prüfverteilung ersetzt. Dazu werden aus der empirischen Stichprobe (= S.; Ausgangss.) systematisch Unters. gezogen. Aus den einzelnen Ergebnissen der Unters. wird dann die Testverteilung gebildet. Das empir. S.ergebnis der Ausgangss. lässt sich somit im Licht der möglichen anderen S.ergebnisse der Unters. bewerten. Handelt es sich um ein sehr unwahrscheinliches Ergebnis (extreme Lage in der Testverteilung; z. B. 5% im Betrag größer-gleich dem S.ergebnis), so spricht dies gegen die Nullhypothese und für die Existenz eines systematischen Effekts i. S. der Alternativhypothese. Bei kleinen S.umfängen werden R. als sog. Randomisierungstests (Randomisierungstest; auch: Permutationstests, exakte Tests) konstruiert: Die Unters. werden ohne Zurücklegen systematisch so gebildet, dass jede mögliche Ergebniskonstellation genau einmal vorkommt. Randomisierungstests werden als nonparametrische bzw. verteilungsfreie Verfahren bez. (nicht parametrische Tests). Sie sind auf kleine bis sehr kleine S. anwendbar sowie auf Datensätze, in denen übliche Verteilungsvoraussetzungen (z. B. Normalverteilung) parametrischer Verfahren nicht erfüllt sind. Bei großen S. wird aus der Gruppe der R. das Bootstrapping angewendet. Man spricht auch von Monte-Carlo-Studien (Monte-Carlo-Methode, MCM). Hierbei wird aus der Ausgangss. mit Zurücklegen per Zufallsprinzip eine vordefinierte Anzahl von Unters. gebildet, um das empir. Ergebnis wiederum im Kontext der Verteilung möglicher anderer Ergebnisse zufallskritisch zu bewerten. Statistik.