STATISTIK-FORUM.de

[moreThaNaFeeling]

Hey Ihr!

Ich habe mit 81 Personen (unwichtig) 14 Sessionen (=14 repeated measurements) durchgeführt. Eine Session beinhaltet 100 mal die gleiche Frage, welche die Antwortmöglichkeit 0 oder 1 besitzt. Wichtig ist, wie oft eine Person mit "0" antwortet. Für die Analyse sollte jede Session in 5 Blöcke (5 repeated measures, jeweils 20 Fragen) aufgeteilt werden. Jede Person besitzt also 14x5 Datenpunkte mit Frequenzen (wie oft sie "0" geantwortet hat). Die 81 Personen unterscheiden sich anhand eines Merkmals (schwanger oder nicht schwanger). Ich möchte nun wissen, ob eine signifikante Interaktion zwischen "Session*Block*Schwanger" besteht. Wie löse ich dieses Problem am besten?

(Kleine Veranschaulichung der Daten:)

Beispiel für "Schwanger":
----------Session 1-----Session 2-----Session 3-----.....-----Session 13-----Session 14.
Block 1-----5---------------1---------------3----------.....-----------8---------------1-----.
Block 2-----9---------------2---------------4----------.....----------10---------------4-----.
Block 3-----12--------------4---------------1----------.....----------13---------------5-----.
Block 4-----15--------------9---------------9----------.....----------17--------------12-----.
Block 5-----19-------------15--------------11----------.....---------20--------------12-----.
------------------------------------------------------------------------------------------------------------------
Beispiel für "nicht-Schwanger":
----------Session 1-----Session 2-----Session 3-----.....-----Session 13-----Session 14.
Block 1-----3---------------3---------------2----------.....-----------3---------------2-----.
Block 2-----7---------------4---------------7----------.....-----------1---------------3-----.
Block 3----13--------------6---------------8----------.....------------7---------------9-----.
Block 4----11--------------8---------------11----------.....----------9--------------11-----.
Block 5----16-------------13--------------20----------.....----------11---------------9-----.

Falls ich die Frequenz als fixe Zahl interpretiere (%), sie für jede Person in jedem Block*Session ausrechne und eine normale repeated measure anova benütze (bzw. kruskal-wallis), verringere ich mein n zu einem so drastischen Teil, dass die Power zu klein wird um Effect sizes von 0.3 zu entdecken. Aus diesem Grund würde ich dies gerne umgehen und mit irgend einer Kreuztabelle rechnen. Hat jemand eine Idee?

[PonderStibbons]

Ich habe leider nicht verstanden, worin das Problem besteht.
Ziel ist die Analyse, ob eine Interaktion "Session*Block*Schwanger"
besteht. Dies leistet eine Messwiederholungs-Varianzanalyse mit
denInnersubjektfaktoren Session (14 Stufen) und Block (5 Stufen)
sowie dem Zwischensubjektfaktor "Schwangerschaft".

Mit freundlichen Grüßen

P.

[moreThaNaFeeling]

Danke für die schnelle Antwort.

Das Problem besteht darin, dass die Power zu klein wird, um Effekte mit Grössen <0.3 zu entdecken. Mich stört es, dass man pro Block pro Person nur eine Zahl hat, obwohl diese das Ergebnis von 20 Messungen ist (zb. wenn eine Person in den ersten 20 Fragen 7 mal mit "0" antwortete, ergibt das 0.35 bzw. 35%. Wenn man nun eine ANOVA mit diesen Werten rechnet, geht die Information, dass die Zahl (0.35) durch 20 Messungen zu stande kam, verloren- und man verliert Power (oder ist dies ein Trugschluss?))

Ich hoffe, ich konnte dabei helfen, mir zu helfen