STATISTIK-FORUM.de

[mango]

Hallo,

ich habe zwei Dummyvariablen, die ich auf ihren Effekt auf die Überlebenszeiten in einem Spelldatensatz untersuche. Ich habe dazu ein Cox-Modell mit beiden Dummys und dazu einem Interaktionsterm berechnen lassen. Letzterer dient dazu, um herauszufinden, ob Dummy 1 einen signifikanten Einfluss darauf hat, wie sich Dummy 2 auswirkt. Ich habe dieses Vorgehen öfter in Bezug auf normale lineare Regressionen gelesen und dachte eigentlich, dass das kein Problem ist.

Meine Syntax (in Stata) ist:

Code: Alles auswählen

stcox i.dummy1 i.dummy2 i.dummy1#i.dummy2

Jetzt bekomme ich aber Ergebnisse, die mich etwas ratlos machen. Dummy 1 hat einen signifikanten negativen Effekt auf das Hazard (Hazard Ratio ist <1, P>|z| ist unter 1%), während Dummy 2 insignifikant ist (fast 50% Irrtumswahrscheinlichkeit). Der Interaktionsterm ist aber wiederum hoch signifikant. Wie kann das sein bzw. wie ist das zu interpretieren? Dummy 1 und Dummy 2 haben eine Interaktion, Dummy 2 hat aber selbst keinen nachweisbaren Effekt?

Ich wäre wirklich dankbar für eure Hilfe!

[PonderStibbons]

Ich verstehe nicht ganz, worin das Problem liegt. Der Unterschied zwischen den Stufen von #1
ist je nach Ausprägung von #2 unterschiedlich groß. Warum sollte #2 dazu noch einen
(konditionalen) "Haupteffekt" haben müssen? Es gilt übrigens auch das Umgekehrte,
der Unterschied zwischen den Stufen von #2 ist je nach Ausprägung von #1 unterschiedlich.
Vielleicht nivelliert sich das insgesamt...

Mit freundlichen Grüßen

P.

[mango]

Okay, das Problem liegt wohl darin, dass ich zwar die Prozedur der Cox-Regression an sich ganz gut verstehe, die Details des Auspartialisierens bei einer multivariaten Regression und das Schätzverfahren an sich nur sehr schematisch.

Mein Gedankengang war der folgende: Ich habe zwei unabhängige Variablen. Teste ich deren Einfluss separat, bekomme ich jeweils signifikante Ergebnisse, wenn ein gewisses Maß von Korrelation in Relation zur Stichprobengröße vorliegt. Stecke ich beide zusammen in ein Modell, kann es sein, dass sich die Signifikanz verringert, wenn eine Kovarianz zwischen den beiden unabhängigen Variablen vorliegt. Der zusätzliche Interaktionsterm sollte mir dann zusätzlich zeigen, ob die Effekte voneinander abhängen. Wenn die auf eine der beiden Variablen zurückzuführende Varianz aber mit einer gewissen Wahrscheinlichkeit zufällig zustande gekommen ist, also davon ausgegangen werden muss, dass die Verteilung der abhängigen Variable zwischen den einzelnen Werten dieser unabhängigen Variable in der Population gleich ist, muss das doch auch für die Interaktion dieser Variable mit einer anderen gelten.