STATISTIK-FORUM.de

[Mia Maria]

Hallo,
ich analysiere gerade für die Uni eine Studie, bei der die Fragestellung ist ob sich Veränderungen in einer Variable (ein Anstieg/Abfall der Motivation) mit einem Anstieg einer anderen Variable einhergeht (Anstieg/Abfall Depression). Es wurde dafür eine Poisson Regression berechnet (Kategorienbildung mit Anstieg/Abfall keine Veränderung). Ich frage mich gerade welche Alternativen es zu dieser Analyse gegeben hätte? Vielleicht hat jemand eine Idee? Ich freue mich schon auf Antworten, ihr würdet mir sehr weiterhelfen

[daniel]

Wie sieht/sah denn das Untersuchungsdesign aus? Stichprobe, Messung der Konstrukte, etc.?

[Mia Maria]

Stichprobe waren 577 Mitarbeiter einer Organisation, es sollte untersucht werden ob eine Veränderung in der Motivation zu einer Veränderung in der Erschöpftheit führt (2.MZP nach 18 Monaten). Wurde mit Fragebögen erhoben. Mir ist auch noch nicht genau klar was bei der Poisson regression gemacht wird, ich finde dazu im Internet immer nur sehr komplizierte Erklärungen. Kennt vielleicht jemand eine gute Erklärung im Internet oder kann ihr Ziel vorgehensweise kurz beschreiben? Mich irritiert auch ein bisschen das bei der Studie in den Tabellen zu den relativen Risiken immer darauf verwiesen wird welcher AIC und BIC Wert verwendet wird, mir ist noch nicht ganz klar was die mit der poisson regression zu tun haben? Vielleicht weiß jemand was dazu... Das wär toll Wenn die Studie interessiert und der zufällig drauf zugreifen kann: http://www.sciencedirect.com/science/ar ... 9113001541

[daniel]

Hab das nur kurz überflogen, aber soweit ich sehe haben die Autoren (quasi) metrische Angaben zu Kriterium und Prädiktor und entscheiden sich dann, diese zu kategorisieren. Das halte ich für eine suboptimale Lösung, weil so Informationen verloren gehen. Zudem sind die cut-offs meist relativ arbiträr gewählt und daher entweder von der jeweiligen Stichprobe abhängig (fall empirisch gewählt) oder dem Fehler absoluter Interpretation relationaler Maße* unterliegend (falls "theoretisch" begründet) oder schlimmstenfalls beides zusammen.

Mein Alternativvorschlag: lineares fixed-effcets (within) Regressionsmodell mit Kontrolle des Messzeitpunkts.


* Beliebtes Beispiel sind Aussagen wie: "Da die mesiten Begragten bei der Zufiredenheitsmessung auf der Skala von 1-10 eine 5 oder höher angekreuzt haben, schließe ich, dass die meisten Befragten zufrieden (oder überduchschnittlich zufrieden) sind." Derartige Schlüsse sind unzulässig, da niemand sagen kann, wie genau ein Wert von bsp. 7 auf dieser Skala im Verhälnis zur tatsächlichen Zufriedenheit steht. Wir können sagen, dass der wert 7 (vermutlich) eine höhere Zufriedenheit ausdrückt, als der Wert 5. Dann sind wir in der Lage zumindest Vergleiche (relationen) herzustellen, z.B. zwischen zwei Befragten oder einem Befragten zu meheren Zeitpunkten. Eine absolute Interpretation (analog z.B. zur Körpergröße) ist allerdings unmöglich. Hier ist die Unterscheidung zwischen Ratio- und Intervallskala extrem wichtig, da nur erstere absolut interpretiert werden kann.

[Mia Maria]

Super vielen Dank!! Und bei der Studie geht es ja darum das Veränderungen in der Motivation die Veränderung in der Erschöpftheit vorhersagt das ginge auch mit den linearen fixed effects model? Und hab ich das so richtig verstanden, dass die Poisson Regression hier angewandt wird, weil mit Wahrscheinlichkeiten gerechnet wird und daher eine log-Analyse nötig wird und daher auch AIC und BIC eingesetzt wird um zu prüfen, ob das Modell gilt (und dass das im Endeffekt, das äquivalent zu R-Quadrat in der normalen Regression ist?). Ich kenne mich leider nicht so gut mit der Poisson Regression aus..

[daniel]

Und bei der Studie geht es ja darum das Veränderungen in der Motivation die Veränderung in der Erschöpftheit vorhersagt das ginge auch mit den linearen fixed effects model?

Darum geht es bei jeder kausalen Fragestellung. Ich verstehe nicht, was genau Du mit der Frage meinst.

Die Begründung des poisson models habe ich nicht detailliert gelesen.

[Mia Maria]

Also bei einer normalen Regression schau ich ja wie interindividuelle Unterschiede eines Konstrukts mit den Unterschieden eines anderen Konstrukts auswirken. Bei der Studie ging es ja aber nicht nur um die interindividuellen Unterschieden sondern wie sich die Veränderung der Personen über die Zeit in der Motivation auf eine Veränderung in der Depression auswirken, ich dachte deswegen hätten sie wahrscheinlich dieses ganze mit den Kategorisierungen und so gemacht? Aber jetzt bin ich mir da nicht mehr so sicher?? Sie geben leider auch keine richtige Erklärung für das poisson model..

[daniel]

Also bei einer normalen Regression schau ich ja wie interindividuelle Unterschiede eines Konstrukts mit den Unterschieden eines anderen Konstrukts auswirken.

Das ist richtig. Aber interpretieren willst Du eine solches Modell doch dennoch kausal, oder? Das zeigt schon der gewählte Ausdruck "auswirken". Du machst in diesen Modellen die Annahme, dass die Unterschiede zwischen Personen, Veränderungen auf Personenebene entsprechen. Das ist eine relativ starke Annahme und folglisch ein relativ schwaches Design zur Kausalinferenz.

Fixed-effects (within) Regressionen verwenden zur Schätzung nur die Unterschiede innerhalb von Personen über die Zeit. Hier sind weniger starke Annahmen nötig und daher kausale Inferenz besser möglich.

Welcher Zusammenhang zwischen Kriterium und Prädiktoren unterstellt wird (linear vs. nicht-linear) und welche Schätzer (OLS vs. Maximum-Likelihood) zum Einsatz kommen, ist vom Ziel der kausalen Inferenz zunächst unabhängig.