ich bin neu hier im Forum und habe gleich eine Frage
.Ich habe zwei Personengruppen die über eine gemeinsame ID verknüpft sind. Für jeweils eine ID werden 2 Zeitsignale Person aus Gruppe1 und Person aus Gruppe2 gemessen. Aus den gemessenen Zeitsignalen werden mehr als 30 Parameter berechnet, die teilweise miteinander "korrelieren" (Pearson KKF >0.5, deshalb die "").
Nun soll geprüft werden ob zwischen den Parametern der Gruppe1 und den Parametern der Gruppe2 ein Zusammenhang besteht.
Dafür habe ich eine part. Korrelation (eine Störgröße musste noch eliminiert werden, Normalverteilung wurde getestet usw.) von allen Parametern der Gruppe1 gegen alle Parameter der Gruppe2 bestimmt. Die Korrelationskoeffizienten wurden mittels SPSS auf Signifikanz (0,05) geprüft.
Und nun kommt das eigentliche Problem:
Dadurch, dass mehr als 900 Korrelationskoeffizienten auf Signifikanz geprüft werden ergibt sich ein massives Multiples Testproblem. Ich bin jetzt auf der Suche nach einem Ansatz für eine geeignete Alpha-Wert-Adjustierung.
Eine erste Recherche hat mich über die Klassiker wie Bonferroni, Bonferroni-Holm, ... stolpern lassen.
Diese erscheinen mir aber nicht geeignet, da die bereits gefundenen Zusammenhänge schwach sind und eine zu konservative Alphawert-Adjustierung deshalb wahrscheinlich nicht zielführend wäre. Zudem berücksichtigen diese Verfahren die Zusammenhänge zwischen den Parametern nicht, welche die Alphaschwelle wieder etwas anheben könnten?
Hat jemand einen Tipp für mich?
Vielen lieben Dank.
Eva
