STATISTIK-FORUM.de

[Nova]

Hi,
ich hab nicht wirklich viel Ahnung von Statistik, muss aber für meine Bachelorarbeit einige Versuchsdaten auswerten. In meinem Experiment wurden von 16 Testpersonen 12 Messwerte genommen. Das ganze x2 da ich eine Variable verändere. Ich habe also 16*12=192 Messwerte für Versuch A und 192 für B.Da die Testpersonen beide Varianten hintereinander machen habe ich sie immer versetzt starten lassen um den Lerneffekt zu minimieren. Ich möchte nun nachweißen ob die veränderte Variable einen Einfluss auf die Messungen hatte. Dazu habe ich erst mit Lilliefors Test meine Daten auf Normalverteilung geprüft. Sie sind aber aber leider nur logarithmisch normalverteilt. Soweit ich weiß kann ich die einfaktorielle Anova nur für normalverteilte Messwerte hernehmen. Darf ich sie auch verwenden wenn ich meine Werte vorher logarithmiere? Alternativ habe ich noch den Kruskal-Wallis Test ausprobiert. Anschließend möchte ich noch testen ob es einen Unterschied macht ob ich im Modus A oder B starte. Auch hier wieder die Frage ANOVA2 oder Friedmann. Diese Tests habe ich bisher alle ausprobiert, bin aber nie unter meine 5% Schwelle gekommen. Nehme ich die falschen Tests oder sind meine Datensätze einfach zu ähnlich? Meine Auswertung mache ich in Matlab.

[bele]

In meinem Experiment wurden von 16 Testpersonen 12 Messwerte genommen.

Wurden pro Testperson 12 verschiedene Parameter untersucht oder wurde ein Messwert zwölf mal hintereinander als Zeitreihe gemessen?

Ich möchte nun nachweißen

Weiße Farbe gibt es bei Farben-Müller oder bei Obi.

Darf ich sie auch verwenden wenn ich meine Werte vorher logarithmiere?

Das hängt davon ab, was Du wie verwenden möchtest. Wenn Du zeigen kannst, dass die Logarithmen der A-Werte höher sind als die Logarithmen der B-Werte, dann sind auch die A-Werte höher als die B-Werte.

Alternativ habe ich noch den Kruskal-Wallis Test ausprobiert.

Es ist nicht statthaft, alle nur möglichen Testvarianten durchzuprobieren und nacher die mit dem kleinsten p zu verwenden.

Anschließend möchte ich noch testen ob es einen Unterschied macht ob ich im Modus A oder B starte.

Und was hast Du vorher getestet??

Diese Tests habe ich bisher alle ausprobiert, bin aber nie unter meine 5% Schwelle gekommen. Nehme ich die falschen Tests oder sind meine Datensätze einfach zu ähnlich?

ERläutere doch mal verständlich Deinen Versuchsaufbau und Deine Hypothese und dann kann man Dir vielleicht zu richtigen Test raten. Es gilt wie oben: Alle Tests durchprobieren und dann den mit dem geringsten p auswählen gilt nicht. Total hilfreich bei der Frage, ob man einen Unterschied im Test erwarten darf ist oft ein guter Plot der Rohdaten der einem zeigt, ob man einen Unterschied sieht. Also versuch die Daten mal vernünftig zu plotten.

LG,
Bernhard

[Nova]

Mein Experiment soll zeigen ob es mit der Oculus Rift möglich ist Navigationsaufgaben schneller zu bewältigen als mit einem Monitor. Die Nullhypothese ist dabei ja, dass kein Unterschied zwischen den Messungen mit Oculus/Monitor besteht.Diese möchte ich gerne verwerfen,allerdings muss ich dazu unter die 5% Hürde fallen. Soweit zumindest ansatzweise richtig? Dazu habe ich einen Testraum aufgebaut den man einmal mit Rift und einmal mit Monitor bewältigt. Meine 12 Messwerte sind Zeiten, die benötigt wurden um einen Punkt zu erreichen. Die Punkte sind an einer festen Position,gleich weit vom Ursprung entfernt. Sie befinden sich an verschiedenen Stellen im Raum und jeder Punkt wird nur einmal verwendet.

Es ist nicht statthaft, alle nur möglichen Testvarianten durchzuprobieren und nacher die mit dem kleinsten p zu verwenden.

Mir ist erst heute die logarithmische Normalverteilung aufgefallen und ohne bin ich doch auf nichtparametrische Tests angewiesen,oder nicht? Ich habe noch zig andere Tests gefunden, die sich so anhören als könnte sie zu meinem Problem passen: Quade,Scheirer-Ray-Hare,Wilcoxon-Mann-Whitney,usw. Je nachdem wie viele Faktoren ich beachte kommen natürlich auch andere p-Werte raus.

Und was hast Du vorher getestet??

Ich habe nur getestet ob es einen Unterschied macht ob ich den Test mit Oculus oder Monitor absolviere. Ich möchte aber auch zusätzlich prüfen ob es einen Unterschied macht womit man startet(Oculus oder Monitor).Dies wollte ich dadurch erreichen dass ich den Friedman Test nehme,meine Daten nach "Startmodus"(Oculus oder Monitor) sortiere und als replicates die Hälfte meiner Testwerte nehme(96). Im zweiten Durchlauf sollte man schon an das Prinzip des Experiments und die Steuerung gewohnt sein, weshalb das Ergebnis besser ausfallen müsste.Ich könnte die Punkte auch noch punktweise miteinander vergleichen(Punkt 1 schneller mit Oculus erreichbar,Punkt 2 mit Monitor etc).Maximale Genauigkeit meiner Aussage müsste ich ja erreichen wenn ich Oculus gegen Monitor vergleiche und die Daten nach Startmodus und dem jeweiligen Punkt filtere. Ich weiß von den Plots dass die Daten sehr nah zusammenliegen. Der Unterschied im Median ist mit dem Auge kaum zu erkennen. Ich hab eben keine Ahnung von Statistik und möchte gerne irgendwie ein Ergebnis bekommen. Ein p-Wert von 0,2 lässt mich die Hypothese schließlich weder widerlegen, noch bestätigen.

[PonderStibbons]

Soweit ich weiß kann ich die einfaktorielle Anova nur für normalverteilte Messwerte hernehmen.

Du hast ein Messwiederholungsdesign, Deiner Beschreibung nach,
bei dem 16 Personen erst 12 Messungen unter der einen, dann
12 Messungen unter der anderen absolviert haben. Da ist eine
einfaktorielle ANOVA (bzw. der Kruskal-Wallis) fehl am Platze.

Welches ist denn die abhängige Variable, werden die 12 Werte
eines Durchgangs denn nicht zusammengefasst?

Mit freundlichen Grüßen

P.

[Nova]

Gemessen wird die benötigte Zeit für jeden Punkt. Auf dem Screenshot sieht man links die Messwerte mit Oculus,rechts mit Monitor. Die Daten werden in dieser Form ausgewertet (bei Bedarf nach Start sortiert).Soweit ich weiß berechnet Matlab für jede Spalte den Mittelwerte und vergleicht diese dann.Wenn du mit zusammenfassen "gruppieren" meinst,dann sind sie für die einfaktorielle ANOVA nicht gruppiert. Erst für Friedmann/ANOVA2 bilde ich zwei Gruppen zu je 192/2 Messwerten. Wieso sind ANOVA oder Kruskal-Wallis fehl am Platz wenn ich die Daten vorher logarithmiere?

[PonderStibbons]

.Soweit ich weiß berechnet Matlab für jede Spalte den Mittelwerte und vergleicht diese dann.

Wenn Matlab das so macht, dann macht es das allem
Anschein nach falsch. Vermutlich kommst Du nicht
umhin, Dich kundig zu machen, was Matlab
denn da so treibt und ihm dann mitzuteilen, wie es
eigentlich gehen soll.

Wenn du mit zusammenfassen "gruppieren" meinst,dann sind sie für die einfaktorielle ANOVA nicht gruppiert. Erst für Friedmann/ANOVA2 bilde ich zwei Gruppen zu je 192/2 Messwerten.

Das ist leider nicht nachvollziehbar.
Du hast n=16, Du hast 2 Versuchsbedingungem, Du hast 12 Messungen pro Person
pro Durchgang. Für die Auswertunbg hast Du demnach
nicht einfach "zwei Gruppen a 192 Messwerten". Du
musst der Tatsache Rechnung tragen, dass die
immer mehrere Messwerte von derselben Person
stammen.

Wieso sind ANOVA oder Kruskal-Wallis fehl am Platz wenn ich die Daten vorher logarithmiere?

Weil das Verfahren für unabhängige Beobachtungen sind.
Du hast aber nicht 2*192 unabhängige Beobachtungen,
vielmehr sind die 24 Beobachtungen ein- und derselben
Person abhängige Messungen. Ob da was logarithmiert
wird oder nicht, ist da erstmal drittrangig.

Du brauchst einen Ansprechpartner im RL, wie es scheint.

Mit freundlichen Grüßen

P.

[Nova]

Du hast n=16, Du hast 2 Versuchsbedingungem, Du hast 12 Messungen pro Person
pro Durchgang. Für die Auswertunbg hast Du demnach
nicht einfach "zwei Gruppen a 192 Messwerten". Du
musst der Tatsache Rechnung tragen, dass die
immer mehrere Messwerte von derselben Person
stammen.

In diesem Fall passt die Form meiner Daten und ich muss nur die ANOVA2 nehmen und ihr sagen dass meine Messung aus 16x12 blöcken besteht?

p = anova2(X,reps) performs a balanced two-way ANOVA for comparing the means of two or more columns and two or more rows of the observations in X. The data in different columns represent changes in factor A. The data in different rows represent changes in factor B. If there is more than one observation for each combination of factors, input reps indicates the number of replicates in each position, which must be constant

Wenn ANOVA allgemein nicht funktioniert welche verfahren sollte ich mir dann für abhängige Verfahren anschauen?

[PonderStibbons]

p = anova2(X,reps) performs a balanced two-way ANOVA for comparing the means of two or more columns and two or more rows of the observations in X. The data in different columns represent changes in factor A. The data in different rows represent changes in factor B. If there is more than one observation for each combination of factors, input reps indicates the number of replicates in each position, which must be constant

Ich weiß nicht, was damit genau gemeint ist, ich kenne
Matlab nicht.

Das einfachste Vorgehen wäre, von jeder Person
den Medianwert der 12 Werte aus Durchgang 1
zu ermitteln, dann den Medianwert der 12 Werte
aus Durchgang 2, und diese beiden Medianwerte
mittels t-Test für abhängige Messungen oder
mittels Wilcoxon-Vorzeichenrantest zu vergleichen.
Den Median kommt deswegen in Frage, weil es
sich hier anscheinend um Reaktionszeitmessungen
handelt; diese sind notorisch schief verteilt bzw.
weisen Ausreißer auf, was den Mittelwert verzerrt,
hingegen der Median ist robust gegen solche
Effekte.

Mit freundlichen Grüßen

P.

[Nova]

Danke, genau so dachte ich funktioniert die ANOVA2 bei matlab. Ich werd mal schaun ob ich über manuel Median,t-test... auf das selbe Ergebnis komme.

[Nova]

Hab das ganze mal durchgekaut und komm nach Medianberechnung und T-Test auf p=0.1647 mit Wilcoxon auf 0.6 und anova2 auf 0.1723. Nach median Berechnung ist sowieso keine Normalverteilung mehr übrig.Bringt mich alles nicht unter 0.05 aber dann gibts offenbar keinen nachweisbaren Unterschied.