Lexikon

Robust

Mit dem Begriff „robust“ sind statistischen Verfahren gemeint, die relativ unempfindlich gegenüber Verletzungen der Voraussetzungen sind, auf denen sie basieren (Wilcox, 2005). Klassische statistische Verfahren sind oft empfindlich gegenüber Ausreißern, nicht-normalverteilten Daten und Heteroskedastizität (Ungleichheit der Varianz), wobei Ausreißer in der Regel die größten Probleme verursachen. Die meisten robusten Verfahren arbeiten unabhängig dieser Annahmen.

Ein gutes robustes statistisches Verfahren sollte zwei Kriterien erfüllen:

  1. Ein robustes Verfahren sollte die Wahrscheinlichkeit einen Fehler 1. Art zu begehen nicht erhöhen. Wenn wir unser Alphaniveau auf 5 % festgelegt haben und ein robustes statistisches Verfahren verwenden, sollte die tatsächliche Irrtumswahrscheinlichkeit weiterhin nahe 5 % liegen.
  2. Die Verteilung der Daten sollte keinen bzw. nur einen vernachlässigbaren Einfluss auf die Power des Verfahrens haben. Dies ist besonders wichtig, da die meisten parametrischen Verfahren am besten mit (annähernd) normalverteilten Daten zusammenarbeiten. Ein gutes robustes Verfahren würde vergleichbare Power unabhängig von der Verteilung der Daten liefern.

Literaturverzeichnis

  1.  Wilcox, R. R. (2005). Robust Testing Procedures. In B. S. Everitt & D. C. Howell (Eds.), Encyclopedia of Statistics in Behavioral Science (pp. 1768–1769). Chichester: John Wiley & Sons, Ltd.