STATISTIK-FORUM.de

[Delana]

Hallo erst einmal

Ich bin neu hier im Forum und hoffe, dass ihr mir ein bisschen weiter helfen könnt.
Die Suchfunktion habe ich benutzt und natürlich auch schon google bemüht, aber ich fürchte ich weiß nicht, was ich ganz genau eingeben muss, damit ich etwas finde, das mir weiter hilft.

Für meine Bachelorarbeit möchte ich interindividuelle Unterschiede in der Auswirkungen eines treatments auf Probanden untersuchen.

Es wurde ein Versuch mit 46 VP gemacht, die alle mehrere Tests vor dem Treatment und danach durchgeführt haben. Es gibt signifikante Unterschiede in den Mittelwerten vor und nach dem Treatment, dieses hat also tatsächlich einen Effekt.

Ich möchte nun aber untersuchen, ob dieser Unterschied in den Mittelwerten der Tests vor und nach dem Treatment nicht daher rührt, dass sich bei einigen Probanden die Werte extrem, bei anderen jedoch kaum oder gar nicht verändert haben und diese Personen dann in Extremgruppen einteilen, um gucken zu können, was diese Personen voneinander unterscheidet. Also es könnte ja zum Beispiel sein, dass das Treatment nur auf Frauen, nicht aber auf Männer einen Effekt hatte.

Nun weiß ich nicht, wie ich das berechnen soll. Ich müsste mir ja die Veränderung vor und nach dem treatment jeder einzelnen Person anschauen. Einfach nur die Differenz zu bilden, ist sicher statistisch nicht besonders genau, oder? Kann ich die Effektstärke, die das treatment hat, auf Basis der Daten jeder Person berechnen und diese vergleichen?

Wäre wirklich super, wenn mir da jemand weiterhelfen könnte, da die gesamte Arbeit hinterher auf diesem ersten Schritt aufbaut! Daher sollte dieser schon statistisch sauber sein.

Vielen Dank schon einmal!!

[PonderStibbons]

Es wurde ein Versuch mit 46 VP gemacht, die alle mehrere Tests vor dem Treatment und danach durchgeführt haben. Es gibt signifikante Unterschiede in den Mittelwerten vor und nach dem Treatment, dieses hat also tatsächlich einen Effekt.

Ein Unterschied zwischen prä und post ist keinesfalls ein ausreichender
Beleg für die Wirksamkeit eines treatments. Es gibt Unmengen von
anderen möglichen Gründen für eine Veränderung (Regressionseffekte,
Placeboeffekte, natürlicher Verlauf, Reaktion auf das Messverfahren
etc. pp.).

Also es könnte ja zum Beispiel sein, dass das Treatment nur auf Frauen, nicht aber auf Männer einen Effekt hatte.

Du kannst eine Messwiederholungs-Varianzanalyse mit dem Faktor Messzeitpunkt
(prä-post) und dem Gruppierungsfaktor "Geschlecht" rechnen. Die Wechselwirkung
zeigt, ob die Veränderung prä-post für beide Geschlechter unterschiedlich ist.

Mit freundlichen Grüßen

P.

[Delana]

Hey,

erst einmal vielen vielen Dank!

Ein Unterschied zwischen prä und post ist keinesfalls ein ausreichender
Beleg für die Wirksamkeit eines treatments. Es gibt Unmengen von
anderen möglichen Gründen für eine Veränderung (Regressionseffekte,
Placeboeffekte, natürlicher Verlauf, Reaktion auf das Messverfahren
etc. pp.).

Da hast du natürlich vollkommen recht, ich wollte das jetzt dort nicht weiter ausführen, da es nicht Teil meiner Arbeit ist. Die Unterschiede über alle Personen hinweg wurden im Vorfeld bereits untersucht, ich soll mich nun mit den interindividuellen Unterschieden beschäftigen.

Du kannst eine Messwiederholungs-Varianzanalyse mit dem Faktor Messzeitpunkt
(prä-post) und dem Gruppierungsfaktor "Geschlecht" rechnen. Die Wechselwirkung
zeigt, ob die Veränderung prä-post für beide Geschlechter unterschiedlich ist.

Mit den Männern und Frauen habe ich dann wohl ein dummes Beispiel genommen
In meinem Fall weiß ich ja eben vorher nicht, WAS genau diejenigen die stark darauf ansprechen, von denen unterscheidet, die dies nicht tun. Das möchte ich anschließend untersuchen (v.a. die Persönlichkeit).
Nur weiß ich eben nicht, wie ich die Gruppen (Probanden die starke Unterschiede in den Prä-post-Werten aufweisen und solche die kaum Unterschiede zeigen) statistisch korrekt ausmachen kann.
Wie gesagt, sich einfach die Differenzen der einzelnen Probanden anzuschauen, scheint mit nicht sehr sauber zu sein.
Eine ANOVA mit Messwiederholung wäre natürlich super, aber dafür bräuchte ich eben VORHER meinen Gruppierungsfaktor, und dieser ist ja quasi erst das Endergebnis.

Ich hoffe ich konnte mich nun besser ausdrücken

Fällt dir da vielleicht trotzdem noch etwas ein?

Danke auf jeden Fall für die schnelle Antwort!!

[PonderStibbons]

Nur weiß ich eben nicht, wie ich die Gruppen (Probanden die starke Unterschiede in den Prä-post-Werten aufweisen und solche die kaum Unterschiede zeigen) statistisch korrekt ausmachen kann.

Ich weiß nicht, was man unter statistisch korrekt hier zu verstehen hat.
Die Definition von response ist doch durch den Untersucher (bzw. den
Konsens im Forschungsbereich) zu treffen. Sicherlich gibt es da
Orientierungen, vor allem je nachdem, wie gut eingeführt, normiert
und validiert das verwendete Messinstrument ist. Man trifft u.a. auf:
Veränderung von einem klinisch relevanten in einen "unauffälligen"
Bereich; Veränderung um eine bestimmte Differenz; Veränderung um
einen bestimmten %-Satz (beim HAM-D immer noch gebräuchlich).

Wie gesagt, sich einfach die Differenzen der einzelnen Probanden anzuschauen, scheint mit nicht sehr sauber zu sein.

Was ist daran denn unsauber?

Eine ANOVA mit Messwiederholung wäre natürlich super, aber dafür bräuchte ich eben VORHER meinen Gruppierungsfaktor, und dieser ist ja quasi erst das Endergebnis.

Nein, die ANOVA wäre eine Alternative zu Deinem Vorgehen.
Es wäre die Suche nach Moderatoren für die Veränderung, ohne sich
aufzuhalten mit einer Definition von response/nonresponse.

Mit freunbdlichen rüßen

P.

[Delana]

Hallo,

danke, dass du mir noch einmal geantwortet hast.

Was ist daran denn unsauber?

Wenn daran nichts unsauber ist, umso besser, dann werde ich es so machen. Also die Testwerte jeder einzelnen Person vor dem Treatment von denen nach dem Treatment abziehen (bzw. den Mittelwert von dem Mittelwert, da ich nicht nur eine Testung vor/nach dem Treatment habe).

Nein, die ANOVA wäre eine Alternative zu Deinem Vorgehen.
Es wäre die Suche nach Moderatoren für die Veränderung, ohne sich
aufzuhalten mit einer Definition von response/nonresponse.

Ich fürchte, dass ich diesen Teil noch nicht 100%-ig verstanden habe... Brauche ich nicht für die ANOVA mit Messwiederholung schon Gruppierungsfaktoren, wie zum Beispiel das Geschlecht? Oder kann ich diese auch dadurch erst herausfinden?
Vielleicht sollte ich mich noch einmal in die ANOVA mit Messwiederholung einlesen


Vielen Dank auf jeden Fall schon einmal, das war schon eine große Hilfe!!

[PonderStibbons]

Was ist daran denn unsauber?

Wenn daran nichts unsauber ist, umso besser, dann werde ich es so machen.

Meine Frage war als Frage gemeint, nicht als Absolution.
Differenzwerte als abhängige Variable sind immer
diskussionswürdig, ich kenne aber Deine konkreten
Verwendungszwecke, Umstände und Bedenken zu wenig.

Nein, die ANOVA wäre eine Alternative zu Deinem Vorgehen.
Es wäre die Suche nach Moderatoren für die Veränderung, ohne sich
aufzuhalten mit einer Definition von response/nonresponse.

Ich fürchte, dass ich diesen Teil noch nicht 100%-ig verstanden habe... Brauche ich nicht für die ANOVA mit Messwiederholung schon Gruppierungsfaktoren, wie zum Beispiel das Geschlecht? Oder kann ich diese auch dadurch erst herausfinden?

Ich hatte es so verstanden, als hättest Du eine Reihe von Charakteristika,
von denen Du annimmst, dass sie mit stärkerer bzw. geringerer
Veränderung (oder im Extrem: mit response/nonresponse) assoziiert
wären. Und wolltest durch Deine Analyse herausfinden, bei welchen
Charakteristika das tatsächlich der Fall ist. Mit z.B. einer gemischten
ANOVA (Messwiederholungsfaktor + weitere Prädiktoren) ginge das.

Mit freundlichen Grüßen

P.

[Delana]

Hallo,

entschuldige die späte Antwort, ich hatte die letzten Tage keinen PC zur Verfügung.

Ich hatte es so verstanden, als hättest Du eine Reihe von Charakteristika,
von denen Du annimmst, dass sie mit stärkerer bzw. geringerer
Veränderung (oder im Extrem: mit response/nonresponse) assoziiert
wären. Und wolltest durch Deine Analyse herausfinden, bei welchen
Charakteristika das tatsächlich der Fall ist. Mit z.B. einer gemischten
ANOVA (Messwiederholungsfaktor + weitere Prädiktoren) ginge das.

Ich habe als "Charakteristika" Persönlichkeitsdaten der Personen (FPI), Angaben zu Alter und Geschlecht. Eventuell kann ich noch weitere Daten zu den Personen bekommen (aus einem weiteren Fragebogen).
Das heißt die Möglichkeiten sind relativ weitläufig, es besteht nicht unbedingt ein konkreter "Verdacht", was die Charakteristika angeht, die Einfluss auf die response haben könnten (außer die Persönlichkeitsvariablen introvertiert und extravertiert, zu denen es bereits Befunde gibt).

[Delana]

Meine Frage war als Frage gemeint, nicht als Absolution.
Differenzwerte als abhängige Variable sind immer
diskussionswürdig, ich kenne aber Deine konkreten
Verwendungszwecke, Umstände und Bedenken zu wenig

Ich hatte gestern ein Gespräch mit meinem Betreuer.
Er meinte, dass Differenzwerte in der Psycholgie generell extrem verpönt seien. Zudem könne ich damit keine Korrelationen rechnen, da ich, wenn ich diese Differenzwerte beispielsweise mit dem Alter der Probanden korreliere, die Korrelation mit der Baseline mit drin habe.
Das habe ich zwar soweit verstanden, was ich ansonsten aber als Maß für die Veränderung nehmen könnte, wusste er auch nicht wirklich. Er meinte, da müsse ich mal einen Statistiker fragen
Ich kenne nur leider im real life nicht so viele

Aber ich nehme an, dass ich dich schon etwas überstrapaziert habe, mit meinem Problem hier.

Aber wenn du (oder jemand anders) noch eine Idee hast, darfst du die natürlich gerne noch schreiben.. Ich brauche quasi eine Art Effektstärke, die aber nicht die Gruppenunterschiede sondern die intraindividuellen Unterschiede beschreibt.

Ich werde auch noch einmal weiter googlen, es MUSS doch irgendwo ein Fachartikel zu finden sein, ion dem das gemacht wurde. Ist doch nicht so ungewöhnlich, dass man sich dafür interessiert, ob Menschen unterschiedlich stark auf etwas reagiert haben?

Wenn ich etwas finde, werde ich es auf jeden Fall hier einstellen, vielleicht hat ja noch jemand das Problem!

[PonderStibbons]

Das ist eigentlich alles schon besprochen? Dein Betreuer bezieht sich bei der
Verwendung von Differenzwerten auf etwas anderes, als Du ansonsten hier
diskutierst. Dein Betreuer bezieht sich auf die Verwendung von Differenzwerten
als AV in statistischen Analysen. Du willst ein Maß dafür, wie man "starke" von
"schwachen" Veränderungen unterscheidet (was ich wie gesagt hier für wenig
sinnig halte, weil Deine Fragen auch mit einer Messwiederholungs-ANOVA
geklärt werden können). Das kann was man analog zu den geschilderten
Vorgehensweisen bei der Festlegung von "response" und "nonresponse" machen.
Allerdings kann ich Dich auch ganz falsch verstanden haben. Falls Du zu Deinem
Vorhaben, so wie Du es verstehst, nichts in der Literatur findest, könnte es
tatsächlich sein, dass es nicht sinnvoll bzw. nicht nützlich ist.

Mit freundlichen Grüßen

P.

[Delana]

Vielen vielen Dank, dass du noch einmal geantwortet hast!

Das ist eigentlich alles schon besprochen? Dein Betreuer bezieht sich bei derVerwendung von Differenzwerten auf etwas anderes, als Du ansonsten hierdiskutierst. Dein Betreuer bezieht sich auf die Verwendung von Differenzwertenals AV in statistischen Analysen. Du willst ein Maß dafür, wie man "starke" von "schwachen" Veränderungen unterscheidet (was ich wie gesagt hier für wenigsinnig halte, weil Deine Fragen auch mit einer Messwiederholungs-ANOVA geklärt werden können). Das kann was man analog zu den geschilderten Vorgehensweisen bei der Festlegung von "response" und "nonresponse" machen. Allerdings kann ich Dich auch ganz falsch verstanden haben. quote]

Das ist richtig soweit. Wobei ich, wenn ich mich nicht ganz vertue, eben beides brauche. So habe ich auch meinen Betreuer verstanden.
Ich soll ja a) die Gruppen bilden um dann z.b. mit einem T-Test die Mittelwertsunterschiede (z.b. in den Persönlichkeitsdimensionen) vergleichen zu können und b) ein Maß haben mit dem ich auch rechnen kann (z.B. Korrelationen).
Würde dir denn zu letzterem (also ein Veränderungsmaß als AV) etwas anderes als Differenzwerte einfallen?

Aber ich denke, ich muss ja erst einmal meine Hypothese überprüfen, die besagt, dass einige Personen stärker auf das Treatment reagieren als andere (da weiß ich leider schon nicht genau wie, wenn ich keine Differenzwerte verwenden kann). Danach ist der nächste Step herauszufinden, was diese Personen ausmacht. Hier habe ich tatsächlich natürlich ein paar Charakteristika, die ich mit der ANOVA mit Messwiederholung prüfen könnte, aber erstens sind das ziemlich viele (bei SPSS gehen max. 8) und zweitens müsste ich dann immer noch response/nonresponse-Gruppen bilden, oder? Also ich brauche ja trotzdem noch 2 Gruppen, die ich nach einem Veränderungsmaß einteilen muss?

Falls Du zu Deinem Vorhaben, so wie Du es verstehst, nichts in der Literatur findest, könnte es tatsächlich sein, dass es nicht sinnvoll bzw. nicht nützlich ist.

Den Fachartikel den ich da habe, der ähnliches untersucht wie ich, hat das Problem mit dem "individual growth model " gelöst.
Strukturgleichungsmodelle sind aber eher nicht so mein Fachgebiet um das vorsichtig auszudrücken und schienen mir auch eigentlich etwas „übertrieben“, falls man das überhaupt so sagen darf. Aber ist scheinbar nicht unüblich : "The individual growth model is a relatively new statistical technique now widely used to examine the unique trajectories of individuals and groups in repeated measures data" (Henian Chen and Patricia Cohen, 2006).
Wobei mir ja ausreichen würde, die Werte zu mitteln und Prä/Post zu vergleichen (damit fällt dann eben auch der oben genannte Ansatz weg, da ich dann kein Verlauf mehr hätte).

Vielleicht ist mein Ansatz dann einfach zu ungenau? Aber sonst wird es gleich extrem kompliziert, habe ich das Gefühl :/

Viele Grüße und noch einmal herzlichen Dank für die ganze Mühe, die du dir schon gemacht hast!