STATISTIK-FORUM.de

[fockt]

Hallo,

ich habe folgendes Problem.

Laborwert X korreliert mit Laborwert Y. Dies ist allgemein in der Wissenschaft bekannt.

Möchte zeigen, dass es in einer bestimmten Gruppe nicht der Fall ist.

Meine Population wird in 2 Gruppen nach einem Kriterium geteilt und jeweils in den einzelnen Gruppen werden die 2 Laborparameter korreliert, sie haben einen leider nicht signifikanten KoEff (obwohl es in der einen Gruppe zu erwarten wäre).

Ich möchte zeigen, dass zwischen den 2 Gruppen ein signifikanter Unterschied in der Korrekation der 2 Parameter besteht, und mache daher Fisher Z-Werte Transformation und damit die Korrelation (gibt im Netz einige Excel Apps. die einem das leicht machen). Es kommt ein p=0.07 raus. Zwar nicht im 95% intervall, aber ausreichend um darüber in meinem Sinne etwas zu schreiben.

Nun die Frage: Darf ich auch die Korrekation zweier Korrelationen machen wenn diese nicht signifikant sind?
Muss die KOrrelation in der Gesamtstichprobe vorher signifkant sein. Oder ist das alles völlig egal?

Vielen Dank und Gruß

[PonderStibbons]

in den einzelnen Gruppen werden die 2 Laborparameter korreliert, sie haben einen leider nicht signifikanten KoEff

Ohne Angabe der Koeffizienten, der Fallzahlen und der konkreten p-Werte ist das von eher eingeschränktem Informationswert.

Es kommt ein p=0.07 raus. Zwar nicht im 95% intervall, aber ausreichend um darüber in meinem Sinne etwas zu schreiben.

Deine Hypothese war allerdings nicht einfach, dass sie sich unterscheiden, sondern dass in einer Subpopulation die Korrelation = 0 sein soll? Dazu dann noch ein p-Wert, der konventionellerweise eben nicht interpretiert wird.

Nun die Frage: Darf ich auch die Korrelation zweier Korrelationen machen wenn diese nicht signifikant sind?

Falls Du meinst, ob Du 2 Koeffizienten auf Unterschied testen darfst: da spricht nichts gegen. Ob der Test sinnvoll ist (das hat mit den Streuungen der Variablen in den beiden Subgruppen zu tun, diese sollten ungefähr gleich sein) und ob er zulässig ist (Fallzahlen, Verteilung der Variablen), ist von hier nicht zu beurteilen. Alternativ rechnet beispielsweise man eine Kovarianzanalyse, da werden alle Daten in einem Abwasch verwendet.

Gruß

P.

[fockt]

Gruppe A:
Pearson Correlation
r 0,127
Sig. (2-tailed) 0,200
N 104

Gruppe B:
Pearson Correlation
r -,190 (negativ!)
Sig. (2-tailed) 0,186
N =50

Normalerweise geht dieKorrelation danach je höher der eine, desto höher auch der andere.
Ich will zeigen, dass die Korrelationen im Vergleich offenbar eher gegensätzlich sind.

Mit dem p 0.07 will ich andeuten, dass ein Trend da ist, der weiter untersucht werden muss. Gerade bei dem negativen Korrelatiions KoEff.

Für den einen Laborparameter gibt es einen CutOff nach unten, d.h. es sind nur werte oberhalb dieser Grenze vorhanden, gleichzeitig ist dies das Kriterium wonach die Stichprobe ausgewählt wurde. Daher keine normalverteilung.

Danke für die schnelle Antwort und den Tip mit der Kovarianzanalyse, da müsste ich mich erst noch einlesen.
MfG

[bele]

Hallo fockt,

wenn Du mit irgendwelchen Excel-Apps aus dem Netz sehr geringe und nicht-signifikante Korrelationen berechnest und interpretieren willst dann schau Dir bitte vorher unbedingt grafisch die Verteilung an. Denke daran, dass Korrelationskoeffizienten durch einzelne Ausreißer beeinflusst werden können. Wenigstens um die solltest Du Dich kümmern bevor Du über den Rest spekulierst was ein Trend sein könnte.

Viel Glück mit der ANCOVA! Da Du anscheinend kein Statistkpaket verwendest setze ich mal diesen Link:
http://faculty.vassar.edu/lowry/vsancova.html

Gruß,
Bernhard

[fockt]

Ich rechne mit SPSS, lediglich für die Z-Werte Korrelation nehme ich ein Excel App, da es am bequemsten ist.
Danke für den Link, aber bei 150 Fällen wird es etwas zu mühsam das einzutragen. Da mach ich die ANCOVA lieber mit SPSS.

Ich denke die ANCOVA hat sich erledigt, da insgesamt keine Korrelation zwischen den Parametern besteht, und soweit ich gelesen habe, das Voraussetzung ist. Kann man das so sagen?

Gruß

[PonderStibbons]

Kann man so nicht sagen. Die Regressionsgeraden zweier Untergruppen könnten sich ja theoretisch kreuzen, da hat man ggfls. eine Nullkorrelation in der Gesamtgruppe aber zwei bestehende (und voneinander unterschiedene) Korrelationen in den Untergruppen. Der Test für den Unterschied ist schließlich derjenige der Wechselwirkung Gruppe*Covariate.

Gruß

P.

[fockt]

Die Regressionsgeraden zweier Untergruppen könnten sich ja theoretisch kreuzen, da hat man ggfls. eine Nullkorrelation in der Gesamtgruppe aber zwei bestehende (und voneinander unterschiedene) Korrelationen in den Untergruppen.

P.

Genau das ist der Fall wenn ich mir ein Punktediagramm mit beiden Regressionsgeraden zeichne. Das ist relativ interessant.
Daher würd ich gern nochmal hören:

Was sagen euch denn die Gruppen, Fallzahlen, p Werte und Koeffs die ich oben gepostet habe?
Lässt sich damit die Fischer Z Werte Korrellation machen, bzw. was muss noch beachtet werden.

Gruß

[PonderStibbons]

Was soll man da groß sagen. Die Koeffizienten sind inferenzstatistisch nicht signifikant unterschiedlich voneinander (p=0,07), die Koeffizienten sind inferenzstatistisch nicht signifikant unterschiedlich von Null.

Gruß

P.

[fockt]

die Koeffizienten sind inferenzstatistisch nicht signifikant unterschiedlich von Null.

P.

Gerade dieser Fakt heisst ja dass es eher wenig Sinn macht die beiden Koeff überhaupt zu testen.
Sehe ich das richtig?

[PonderStibbons]

Nein, dieser Fakt heißt nicht, dass es eher wenig Sinn macht, die beiden Koeffizienten überhaupt zu testen (falls Du damit meinst: miteinander zu vergleichen). Die beiden H0 nicht zurückweisen zu können heißt ja nicht, dass die beiden H0 exakt gelten.

Gruß

P.