STATISTIK-FORUM.de

[alphanummer]

Im Rahmen einer epidemiologischen Studie habe ich mittels logistischer Regressionsanalyse hunderte von Zusammenhängen berechnet. Einige meiner Ergebnisse sind statistisch eindeutig signfikant, aber biologisch nicht plausibel.

Meine Betreuerin brachte nun den Einwand, dass auch die signfikanten Ergebnisse Zufall sein können. Sie meint, wenn man nur ausreichend viele Berechnungen macht, werden auch Signifikanzen auftreten. Mir scheint diese Erklärung "gefühlt" auch plausibel, aber gibt es dafür einen wissenschaftlichen Begriff und Erklärung?

Danke für Eure posts.

alpha

[strukturmarionette]

Hi,

Im Rahmen einer epidemiologischen Studie habe ich mittels logistischer Regressionsanalyse hunderte von Zusammenhängen berechnet.

- Hierbei werden keine Zusammenhänge berechnet.

Einige meiner Ergebnisse sind statistisch eindeutig signfikant, aber biologisch nicht plausibel.

- Dann wären zunächst die Spezifikationen der Modelle auf (fachliche) Korrektheit zu prüfen.

Meine Betreuerin brachte nun den Einwand, dass auch die signfikanten Ergebnisse Zufall sein können. Sie meint, wenn man nur ausreichend viele Berechnungen macht, werden auch Signifikanzen auftreten. Mir scheint diese Erklärung "gefühlt" auch plausibel, aber gibt es dafür einen wissenschaftlichen Begriff und Erklärung?

- Neben den Stichprobenumfängen wären zunächst alle Prädiktorvariablen der hundertfach durchgeführten Regressionsanalysen auf Messfehlerfreiheit zu prüfen (als eine wichtige Anwendungsvoraussetzung)

Gruß
S.

[DHA3000]

Das Problem, welches deine Betreuerin anspricht ist das der "Spurious Regression" und kommt aus der Zeitreihenanalyse. Eine wissenschaftliche Quelle dafür ist Granger & Newbold (1974) - "Spourisous Regressions in Econometrics".

Die Autoren haben im Grunde genommen ganz viele Zeitreihen zufällig erzeugt (Random Walks) und anschließen Regressionen untereinander durchgeführt. Obwohl die Zeitreihen nichts mit einander zu tun gehabt haben, da sie "zufällig" erzeugt wurden, konnte trotzdem ein erhöhter Erklärungsgehalt, über dem erwarteten Signifikanzniveau beobachtet werden.
Das ist auch nicht weiter erstaunlich, denn "irgendwas korreliert immer mit irgendwas".

Da du aber in deinem Fall nichts weiter zu dem Modell schreibst, nehme ich eher an, dass es sich im Fehlspezifierung handelt, wie mein Vorschreiber schon engemerkt hat.

[bele]

http://de.wikipedia.org/wiki/Alphafehler-Kumulierung
www.stat.berkeley.edu/~mgoldman/Section0402.pdf - Why is multiple testing a problem?


LG,
Bernhard

[alphanummer]

Vielen Dank für die schnellen und hilfreichen Antworten; zudem mit Literaturverlinkung. Super!