STATISTIK-FORUM.de

[Isabella]

Hallo zusammen,

ich habe folgenden Versuchsaufbau:
Interventionsgruppe 1 (N=72): Prä, Post, Follow-Up Messungen
Interventionsgruppe 2 (N=58): Prä, Post, Follow-Up Messungen
Kontrollgruppe (N=69): Nur Prä und Post Messung

Ziel der Untersuchung: Effektivität von zwei Therapieformen testen --> Vergleich zwischen den Interventionsgruppen und Vergleich zur Kontrollgruppe
Meine AV ist die Reaktionszeit - also intervallskaliert.

Ich bin mir zwar sehr unsicher, aber ich habe nun eine Varianzanalyse mit Messwiederholung gewählt (allerdings keine Normalverteilung bei zwei von drei Messzeitpunkten). Wenn ich das Alter der Versuchspersonen als Kovariate einfüge, verändern sich die Ergebnisse massiv. Mit der Kovariaten habe ich eine signifikante Interaktion (Test der Innersubjekteffekte Messzeitpunkt * Gruppe p=.001, beobachtete Schärfe .928) aber keinen Zeiteffekt (Test der Innersubjekteffekte Messzeitpunkt p=.454, Schärfe .116). Ohne Kovariate sieht es anders aus (Test der Innersubjekteffekte Messzeitpunkt * Gruppe p=.831, Schärke .079; nur Messzeitpunkt p=.000, Schärfe 1.00).
Da mir die Varianzanalyse nicht die Post Hoc Tests ausspuckt, die mich interessieren (SPSS gibt nur globalen Vergleich der Messzeitpunkte und der Gruppen aus), habe ich Differenzwerte ermittelt und die Differenzen mit T-Tests zwischen den Gruppen analysiert.

Ich würde mich über ein kurze Rückmeldung freuen, was ihr von meinem Auswertungsaufbau haltet. Außerdem: Kann man abgesehen von der inhaltlichen Herleitung herausfinden, welche Kovariaten man berücksichtigen sollte? Welches Ergebnis würdet ihr nehmen? Kann es wirklich sein, dass das Alter der Versuchspersonen das Ergebnis so stark beeinflusst?

Ich danke euch sehr für eure Antworten!!! Ich schlag mich jetzt schon 8 Stunden damit rum...

Grüße
Isabel

[Albrecht]

Ja, das kann sein. Dazu ist eine Kovariate ja da

Wird die Fehlervarianz durch die Hinzunahme der Kovariaten gesenkt oder reduziert sich die Treatmentvarianz?
Oder beides?

Du hast ja schon einen Zeiteffekt. Doch der steckt im Interaktionseffekt drin.

Kannst Du nicht Kontraste wählen, und so zumindest einige Gruppen miteinander vergleichen?

VG, Albrecht

[Isabella]

Hallo Albrecht,

vielen Dank für deine Antwort!

Ehrlich gesagt bin ich totz nun 2 stündiger Recherche im Net immer noch nicht sicher, welche Zahlen die Fehler-/Treatmentvarianz repräsentieren (Mittel der Quadrate?). Daher nenne ich dir ein paar Zahlen in der Hoffnung, dass sie richtig sind:

ALM mit Messwiederholung mit Kovariate Alter
Test der Innersubjekteffekte
Messzeitpunkt: Quadratsumme TypIII 310 Mittel d. Quadrate 310 F 3.75 Sig .054 Eta2 .019
Messzeitp.*Alter: Quadratsumme TypIII 48 Mittel d. Quadrate 48 F 0.59 Sig .003 Eta2 .587
Messzeitp.*Kurszuteilung: Quadratsumme TypIII 1238 Mittel d. Quadrate 619 F 7.49 Sig .001 Eta2 .072
Fehler(Messzeitpunkt): Quadratsumme TypIII 15948 Mittel d. Quadrate 82
Test der Zwischensubjekteffekte
Konstanter Term: Quadratsumme TypIII 46961 Mittel d. Quadrate 46961 F 123.36 Sig .000 Eta2 .390
Alter: Quadratsumme TypIII 364 Mittel d. Quadrate 364 F 0.95 Sig .329 Eta2 .005
Kurszuteilung: Quadratsumme TypIII 2159 Mittel d. Quadrate 1079 F 2.84 Sig .061 Eta2 .029
Fehler: Quadratsumme TypIII 73473 Mittel d. Quadrate 380

ALM mit Messwiederholung ohne Kovariate
Test der Innersubjekteffekte
Messzeitpunkt: Quadratsumme TypIII 2012 Mittel d. Quadrate 2012 F 24.40 Sig .000 Eta2 .112
Messzeitp.*Kurszuteilung: Quadratsumme TypIII 1205 Mittel d. Quadrate 602 F 7.31 Sig .001 Eta2 .070
Fehler(Messzeitpunkt): Quadratsumme TypIII 15995 Mittel d. Quadrate 82
Test der Zwischensubjekteffekte
Konstanter Term: Quadratsumme TypIII 197032 Mittel d. Quadrate 197032 F 517.68 Sig .000 Eta2 .727
Kurszuteilung: Quadratsumme TypIII 2356 Mittel d. Quadrate 1178 F 3.10 Sig .048 Eta2 .031
Fehler: Quadratsumme TypIII 73837 Mittel d. Quadrate 380

In meinem ersten Beitrag sind die Zahlen im Vergleich zu meinem zweiten Beitrag etwas anders, da ich beim ersten Beitrag neben der Kovariaten Alter parallel die Kovariate Geschlecht berücksichtigt habe. Eigentlich würde ich aber keinen Geschlechtereffekt erwarten. Egal welche theoretisch unsinnige Kovariate ich einfüge, die Haupteffekte verändern sich komplett. Das macht doch überhaupt keinen Sinn... ?! Was aber immer signifikant bleibt ist die Interaktion. Eigentlich kann ich die Haupteffekte doch ignorieren, oder? Schließlich würde ich bei zwei Gruppen eine Veränderung erwarten und bei einer Gruppe nicht --> Haupeffekt Zeit über alle Gruppen uninteressant. Zwischen den Gruppen würde ich nur nach der Intervention einen Unterschied erwarten, nicht aber zum Prä-Messzeitpunkt --> Haupteffekt Gruppe über alle Zeitpunkte uninteressant. Ich glaube ich habe gerade einen Knoten in meinem Gehirrn.

In den meisten Papers werden keine Kovariaten berücksichtigt. Woher weiß ich, ob und wenn ja welche Kovariate ich berücksichtigen sollte? Wenn sich die Ergebnisse so drastisch ändern ist das doch eingentlich ein Verfahren, über das jeder, der Daten auswertet, nachdenken sollte (tut aber in der Praxis offensichtlich kaum jemand).

Mit Kontrasten kenne ich mich leider gar nicht aus. Es wird schon eine Tabelle mit Tests der Innersubjektkontraste angezeigt, aber ich weiß nicht, wie ich sie interpretieren kann. Ich werde mich in das Thema rein arbeiten, wollte aber zuvor meine Antwort zu den Fehler-/Treatmentvarianzen abgeben.

Oh man, die Verzweiflung steigt. In diesem Sinne: Vielen vielen Dank für deine / eure Hilfe!!! (und entschuldigt meine unbeholfene Fragerei...)

[Albrecht]

Okay, also die Darstellung ist nicht die übersichtlichste und das "In meinem ersten Beitrag sind die Zahlen im Vergleich zu meinem zweiten Beitrag etwas anders, da ich beim ersten Beitrag neben der Kovariaten Alter parallel die Kovariate Geschlecht berücksichtigt habe. Eigentlich würde ich aber keinen Geschlechtereffekt erwarten." habe ich jetzt nicht berücksichtigt.

Sum of Squares ist die Varianz. Daraus berechnet sich der Mean Square - Wert.
Ja, die Kovariate Alter wird selbst nicht signifikant. Die Hinzunahme führt aber nicht dazu, dass die Fehlervarianz reduziert wird (zumindest nicht erheblich). Immerhin erhöht sich aber die Varianz des Interaktionseffektes. Auch nicht erheblich, aber immerhin.

Wenn man sich das so anguckt, dann ist sogar Messzeitpunkt*Alter der wichtigste Term, weil dieser anscheinend den größten Effekt hat. (weil Eta2 dort am größten ist.) Insgesamt ist das ein relativ normales Ergebnis, wenn man eine Kovariate hinzunimmt.

"Eigentlich kann ich die Haupteffekte doch ignorieren, oder? "
Wenn Du die Kovariate mitnimmst, hast Du doch keine signifikanten Haupteffekte.

[Isabella]

Vielen Dank für deine Antwort.

Eta2 bei Messzeitpunkt*Alter war leider ein Fehler (bin in der Spalte verrutscht - tut mir leid!). Das richtige Eta2 ist .003. Da sich die Gruppen hinsichtlich des Alters nicht unterscheiden und das Alter nicht mit den Differenzen im Prä-Post-Vergleich korreliert, würde ich die Kovariate nun nicht berücksichtigen.