STATISTIK-FORUM.de

[mamemo1309]

Hallo,

ich habe eine Frage zu der Auswertung meiner Bachelorarbeit.

Ich habe 180 Leute zufällig in drei verschiedene Konditionen eingeteilt, die Konditionen NP, CP1 und CP2. Außerdem wurden alle Teilnehmer auf ein bestimmtes Merkmal untersucht, das Ergebnis steht in der Variable FWB.

Nun habe ich die 180 Leute hinsichtlich ihres Wertes in der Variable FWB mittels eines Median-Splits in zwei Gruppen eingeteilt, Gruppe 1 und Gruppe 2, wobei Gruppe 1 nun 89 Leute beinhaltet und Gruppe 2 91. Beide Gruppen kann man nun weiter in die drei Konditionen einteilen, als zB Gruppe 1 Kon Np, Gruppe 1 Kon CP1, usw.

Am Ende habe ich also 6 verschiedene Gruppen. Alle 6 Untergruppen sind nicht gleich groß (zb 33, 32, 28, 35, 31,33) Nun möchte ich gerne vergleichen, ob Leute aus Gruppe 1 in der Kondition NP andere Mittelwerte haben als die Leute der Gruppe 2. Dies möchte ich mit allen 3 Konditionen für die jeweils zwei Gruppen machen.

Nun weiß ich nicht genau ob meine Gruppen 1 und 2 abhängig oder unabhängig sind, oder wie genau ich deren Mittelwerte in den einzelnen Konditionen miteinander vergleichen kann? Welchen Test muss ich dafür nehmen? Ich möchte auf jeden Fall die Mittelwerte vergleichen, nicht die Mediane.

Die Variable, die der Einteilung in Gruppe 1 bzw 2 zugrunde liegt ist nicht normalverteilt (laut Kolomogrov-Smirnov Test), und auch die Antworten in den verschiedenen Konditionen nicht.

Achso, was noch wichtig ist zu wissen ist das ich eine gerichtete Hypothese habe, also auch einen einseitigen Test brauche. (zumindest hab ich das so verstanden) Meine Hypothese ist dass Leute aus Gruppe 1 in allen 3 Konditionen weniger hoch antworten als Leute in Gruppe 2.


Ich hoffe sehr dass mir jemand helfen kann,

Liebe Grüße,
MaMeMo

[bele]

Nun habe ich die 180 Leute hinsichtlich ihres Wertes in der Variable FWB mittels eines Median-Splits in zwei Gruppen eingeteilt, Gruppe 1 und Gruppe 2,
[...]
Nun möchte ich gerne vergleichen, ob Leute aus Gruppe 1 in der Kondition NP andere Mittelwerte haben als die Leute der Gruppe 2.

Wenn Du Gruppe 1 und 2 durch einen Mediansplit erstellt hast, dann sind natürlich in Gruppe 1 und 2 unterschiedliche Mittelwerte vertreten. So ein Test macht überhaupt keinen Sinn.

Vielleicht erklärst Du mal, welche Fragestellung Du eigentlich untersuchen willst und wie Du Dir das vorgestellt hast. Es ist eher unwahrscheinlich, dass ein Mediansplit die richtige Maßnahme ist. Deshalb wäre es schön, etwas weiter vorne im Prozess ansetzen zu können.

LG,
Bernhard

[mamemo1309]

Hallo,
Danke für die Schnelle Antwort! Ich glaube ich habe das falsch erklärt.

Also:
Die Einteilung in die Gruppen 1 und 2 anhand der Variable FWB erfolgt so :

Alle Leute haben in FWB einen Wert zwischen 5 und 35 stehen. Der Median von FWB ist 23. Daher habe ich alle Leute, die bei FWB etwas kleineres als 23 haben in Gruppe 1 gesteckt, alle die etwas größeres haben in Gruppe 2.

Nun haben aber alle Leute auch zusätzlich noch in ihrer jeweiligen Kategorie Np, CP1 oder CP2 Fragen beantwortet, bzw etwas bewertet. Diese Werte stehen in den Variablen RANP, RACP1, und RACP2.
Ich möchte wissen, ob Leute aus Gruppe 1 in der Kategorie NP im Mittelwert niedriger bewertet haben als in Gruppe 2, also ob der Mittelwert von RANP von Gruppe 1 kleiner ist als der Mittelwert von RANP in Gruppe 2.

Hierbei spielt der Wert von FWB keine Rolle mehr, den habe ich nur benutzt um die Gruppen 1 und 2 zu erstellen.

Am Anfang habe ich bereits die Korrelation von FWB und RANP untersucht, die positive signifikant war, also Leute die einen höheren Wert in FWB haben haben auch in RANP höher bewertet. Daher müsste, wenn ich alle Leute die in FWB einen hohen Wert (über 23) haben, in Gruppe 2 gesteckt habe, diese Leute ja dann entsprechend auch einen höheren Mittelwert in RANP haben, als die Leute in Gruppe 1.

Mit dem Mittelwertsvergleich möchte ich also eigentlich nur noch einmal meine Korrelation von kontinuierlichen Daten auf Kategorische Daten beziehen. Dabei bin ich mir nicht ganz sicher ob die Einteilung der Gruppen 1 und 2 mit dem Mediansplit wirklich korrekt und so machbar ist, und auch nicht ob die beiden Gruppen dann nachher abhängig oder unabhängig sind.

Ich hoffe das war etwas verständlicher!
Vielen Dank für die Hilfe!
MaMeMo

[bele]

Ja, das ist dann schon was anderes. Ich habe zwar keine Ahnung, warum Du diesen komischen Mediansplit machst und würde Dir raten, da nochmal drüber nachzudenken. Jedenfalls entstehen unabhängige Gruppen (schon daran zu erkennen, dass unterschiedlich große Grupppen entstehen, so dass eine eins-zu-eins-Zuordnung zwischen den Gruppen nicht existiert.

Brauchst Du wirklich einen Test? Ich meine klar, wenn p<0,05 ist, dann bestätigt sich Deine Theorie. Aber wenn p>0,05, dann ist es ja immer noch möglich, dass die Mittelwerte sich unterscheiden.

Daher müsste, wenn ich alle Leute die in FWB einen hohen Wert (über 23) haben, in Gruppe 2 gesteckt habe, diese Leute ja dann entsprechend auch einen höheren Mittelwert in RANP haben, als die Leute in Gruppe 1.

Mit dem Mittelwertsvergleich möchte ich also eigentlich nur noch einmal meine Korrelation von kontinuierlichen Daten auf Kategorische Daten beziehen.

Du weißt halt nicht, wie stark dieser Effekt ist und einen klaren Schnitt bei p=0,05 zu machen, ist vielleicht gar nicht nötig.

Mein Vorschlag: rechne einen BEST mit den Werten: Anstelle eines p-Wertes, wie beim sich sonst anbietenden t-Test, erhälst Du hier wahrscheinlichkeitsaussagen darüber, wie groß der Unterschied zwischen den Gruppen wahrscheinlich ist. Ich finde, das passt besser zu Deinem "müsste" und "nur noch mal beziehen" als ein klassicher Test, weil Du dann nicht ein ja/nein-Ergebnis hast, sondern eines, das zum Diskutieren taugt.

http://www.sumsar.net/best_online/

LG,
Bernhard

[mamemo1309]

Super, das klingt irgendwie logisch, Danke!

Nun nochmal eine Frage zu dem Mediansplit. Ich habe da nochmal drüber nachgedacht, und finde das doch nicht so geeignet glaub ich. Der FWB berechnet sich aus 5 unterschiedlichen Items die die Teilnehmer auf einer Skala von jeweils 1-7 beantworten mussten. Das heißt der minimale Wert den jemand insgesamt erzielen konnte war 5, der maximale 35. Nun habe ich ja bisher die Gruppen 1 und 2 anhand des Medians der tatsächlichen Verteilung eingeteilt. Wäre es aber nicht sinnvoller die tatsächliche Mitte der Skala als Richtwert zu nehmen? Also in dem Fall 15 statt 23? Dann wäre ja gewährleistet dass meine Teilnehmer anhand der wirklichen Skala in verschiedene Gruppen eingeteilt werden, nicht anhand ihrer Verteilung?

Allerdings führt das zu sehr ungleich großen Gruppen in den einzelnen Konditionen, zb 9 vs 49.


Den Mediansplit habe ich bisher nur gemacht weil mir das von einem Statistik Erfahrenen Kommilitonen empfohlen wurde, bin mir aber überhaupt nicht sicher wie viel das taugt und mir zu Nutze ist.

Vielen lieben Dank für die Hilfe!

MaMeMo

[mamemo1309]

Ich habe den BEST Test jetzt gemacht, der zeigt aber leider an dass es keinen Unterschied zwischen den beiden Means gibt. Geht das, auch wenn die Korrelation significant war? Nach Spearman 0,303** mit p<0,0001..
Leider versteh ich nicht genug von Statistik um die Ergebnisse irgendwie logisch deuten zu können..

Danke für die Hilfe!
MaMeMo

[bele]

Solange Du nicht erzählst, wozu dieser Split gut sein soll, kann auch keiner mitreden oder mitdenken. BEST zeigt gar keinen Unterschied? Völlig symmetrische Wahrscheinlichkeiten aller Jeans um 0? Oder woran HasT Du das fest gemacht?

LG,
Bernhard

[mamemo1309]

FWB beruht auf einem Fragebogen der den Belief in Free Will testet. Dabei kann man maximal 35 Punkte erreichen wenn man sehr stark an Free Will glaubt, und mindestens 5 wenn man gar nicht an Free will glaubt. Daher möchte ich gerne meine Teilnehmer in zwei Gruppen einteilen, die Leute die an Free will Glauben und die die nicht daran glauben.

Von den beiden Gruppen möchte ich dann in den 3 verschiedenen Konditionen die Mittelwerte von Punishment- Ratings (RANP, RACP1 und RACP2) vergleichen.

Meine Hypothese, die sich auch durch die Korrelation bestätigt hat, ist dass je mehr die Leute an Free Will glauben, desto höher sind ihre Punishment-Ratings. Also ZB RANP in Gruppe 2 ist significant höher als RANP in Gruppe 1.
Da ich nun aber auch noch die Konditionen untereinander bezüglich des Free will Beliefs vergleichen möchte, muss ich die Teilnehmer in die Zwei Gruppen einteilen.

also zb : Leute die nicht an Free will glauben = Gruppe 1. Deren Rating in der Kondition NP möchte ich mit dem Rating in Kondition CP1 vergleichen. USW für alle Konditionen. Also zB 1RANP vs 1RACP1, 1RACP1 vs 1RACP2 usw

Dabei geht die Skala des Fragebogens von 5-35. Bisher habe ich die zwei Gruppen anhand des Medians der Verteilung eingeteilt (23), der erwartungsgemäß relativ hoch ist, da die meisten Leute an Free Will glauben.

Nun weiß ich aber nicht ob diese Einteilung in die Gruppen so funktioniert, oder ob ich das besser anhand der Mitte der Skala (15) machen sollte. Falls ja, dann bleiben mir durch die natürliche Verteilung der Menschen nur noch sehr wenige Leute pro Kondition in der Gruppe 1. ZB Bei der Kondition NP habe ich dann nur noch 9 Leute in Gruppe 1, und 49 Leute in Gruppe 2.

Meine Fragen:
*Sind die Gruppen 1 und 2 unabhängig ?
*Wie kann ich die Mittelwerte der einzelnen Konditionen in Bezug auf die Gruppen vergleichen? also ZB RANP von Gruppe 1 mit RANP von Gruppe 2?
* BEST hat mir für die Werte FWB und RANP ein Histogram ausgespuckt an dessen Rand stand: "If the 95% Highest Density Interval does not include zero there is a credible difference!", Leider war ben mir aber die 0 in dem Konfidenzintervall von 95%, nämlich bei 90,8%.
-> Das verstehe ich nicht ganz, da die Bivariate Korrelation nach Spearman, Kendall und Pearson von FWB und RANP (Ohne Unterteilung in die Gruppen) positiv significant mit p<0,0001 war.


Ich hoffe das war verständlicher, tut mir wirklich leid, ich hab gar keine Ahnung von Statistik und weiß daher auch nicht genau wie man sowas richtig aufschreibt.

Liebe Grüße,
MaMeMo

[bele]

Dabei kann man maximal 35 Punkte erreichen wenn man sehr stark an Free Will glaubt, und mindestens 5 wenn man gar nicht an Free will glaubt. Daher möchte ich gerne meine Teilnehmer in zwei Gruppen einteilen, die Leute die an Free will Glauben und die die nicht daran glauben.

Warum? Ich sage doch auch, dass die Luft in meinem Wohnzimmer 19,5°C warm ist. Warum soll ich das künstlich in warm und kalt dichotomisieren?


Die Gruppen sind unverbunden.

* BEST hat mir für die Werte FWB und RANP ein Histogram ausgespuckt an dessen Rand stand: "If the 95% Highest Density Interval does not include zero there is a credible difference!", Leider war ben mir aber die 0 in dem Konfidenzintervall von 95%, nämlich bei 90,8%.

Du hast also den Beweis nicht auf zweiseitiger 95%-Ebene geführt aber Du kannst zeigen, dass die Wahrscheinlichkeit einer Mittelwertdifferenz in der einen Richtung größer ist als die Wahrscheinlichkeit einer Mittelwertdifferenz mit dem anderen Vorzeichen. Unabhängig von einer vorher festgelegten Signifikanzgrenze. Das war doch genau der Grund für den BEST: Wenn der t-Test nicht signifikant ist, dann ist keine Aussage möglich. So, mit der Wahrscheinlichkeitsverteilung, kannst Du diese beschreiben.

LG,
Bernhard

[mamemo1309]

Hallo Bernhard,

vielen Dank für die Antwort! Das mit dem BEST Test ist mir nun besser klar geworden, Danke!

Warum? Ich sage doch auch, dass die Luft in meinem Wohnzimmer 19,5°C warm ist. Warum soll ich das künstlich in warm und kalt dichotomisieren?

Dafür gibt es zwei Gründe:
1) Vorstudien haben den Belief in free will bei den Teilnehmern "Manipuliert" so dass die wirklich nur entweder das eine oder das andere waren. Um meine Ergebnisse mit diesen Studien vergleichen zu können möchte ich gerne meinen "Getesteten" Belief auch in zwei Gruppen einteilen.
2)Wenn ich keine Einteilung vornehme, kann ich nachher nicht die Nicht-Believer aus Kondition NP mit den Nicht-Believern aus der Kondition CP1 vergleichen, wenn ich keine klare Trennung habe. Ansonsten kann man ja nur Korrelationen berechnen, und da nicht die gleichen Menschen in NP und in CP1 geantwortet haben, scheint mir das nicht sehr sinnvoll. Außerdem weiß ich nicht wie ich in die Korrelation auch noch die Variable FWB einbringen kann, denn von der hängen die Antworten ja schließlich ab.

Würdest du grundsätzlich davon abraten kontinuierliche Daten in Dichotome umzuwandeln? Oder hätte du einen Vorschlag wie man das effizienter und mit weniger "Information loss" tun könnte?

Liebe Grüße,

MaMeMo