Tau-U ist ein nicht-parametrisches Maß, das in der Verhaltensanalyse verwendet wird, um die Effektstärke von Interventionen zu bewerten. Es kombiniert die Konzepte von Tau und U, um sowohl die Veränderung innerhalb einer Phase als auch die Veränderung zwischen Phasen zu berücksichtigen. Im Vergleich zu parametrischen Maßen wie dem t-Test oder der ANOVA, die auf Annahmen über die Verteilung der Daten (z.B. Normalverteilung) basieren, hat Tau-U einige Unterschiede: 1. **Verteilungsannahmen**: Tau-U erfordert keine Annahmen über die Verteilung der Daten. Das macht es besonders nützlich für Daten, die nicht normalverteilt sind oder bei denen die Stichprobengröße klein ist. 2. **Robustheit**: Da Tau-U nicht auf Verteilungsannahmen basiert, ist es robuster gegenüber Ausreißern und nicht-normalverteilten Daten. 3. **Anwendungsbereich**: Tau-U wird häufig in der Verhaltensanalyse und bei Einzelfallstudien verwendet, während parametrische Maße oft in experimentellen und quasi-experimentellen Designs mit größeren Stichproben zum Einsatz kommen. 4. **Interpretation**: Die Interpretation von Tau-U ist anders als die von parametrischen Maßen. Tau-U gibt die Wahrscheinlichkeit an, dass eine Beobachtung in der Interventionsphase größer ist als eine Beobachtung in der Basisphase, abzüglich der Wahrscheinlichkeit des Gegenteils. Insgesamt bietet Tau-U eine flexible und robuste Alternative zu parametrischen Maßen, insbesondere in Kontexten, in denen die Annahmen parametrischer Tests nicht erfüllt sind.