STATISTIK-FORUM.de

[allesralk]

Liebe Schwarmintelligenz,

bei der Entscheidung, welches Verfahren für meine Datenstruktur nun am besten geeignet wäre, komme ich auf keinen grünen Zweig.

Erstmal eine grobe Beschreibung: In einer Evaluationsstudie möchte ich die Entwicklung von drei Gruppen zwischen Prä- und Post-Messzeitpunkt bestimmen. Hinzu kommen verschiedene Kovariaten und auch eine hierarchische Struktur der Daten...

Mein Problem:
1) Wenn ich mehrere ANCOVAS mit Mwdh.-Faktor rechne, muss ich den Alphafehler soweit "runterkorrigieren, dass keine signifikanten Ergebnisse mehr zu erwwarten sind.
2) Wenn ich eine MANCOVA rechne, kann ich den Messwiederholungsfaktor nicht berücksichtigen und verliere Power.
3) Hierarchisch Lineare Modelle können mit SPSS nicht berechnet werden und ich müsste mich von Grund auf ins Thema und entsprechende Programme einarbeiten, wozu ich mich gerade nicht im Stande sehe (und mir nicht sicher bin, ob das dann wirklich der Könisweg wäre.)

Nun hatte ich eine Idee , wie ich die Prä-Werte in die MANCOVA einfließen lassen könnte und wollte Euch nach Eurer Einschätzung fragen : Könnte ich anstelle der Post-Werte auf allen aVs die Differenzwerte zwischen Post- und Prä-Werten berechnen und als Grundlage für die Analyse nehmen? Welche Folgen hat das (für die Auswertung/ Teststärke usw.)?

Würde mich sehr über hilfreiche Hinweise und Tipps freuen!

[strukturmarionette]

Hi,

3) Hierarchisch Lineare Modelle können mit SPSS nicht berechnet werden und ich müsste mich von Grund auf ins Thema und entsprechende Programme einarbeiten, wozu ich mich gerade nicht im Stande sehe (und mir nicht sicher bin, ob das dann wirklich der Könisweg wäre.

- jenes kann SPSS (außer für latente Variablen)
- du musst dich nicht in SPSS, sondern zunächst in das Konzept von MLM (oder HLM) einarbeiten.

Gruß
S.

[allesralk]

Hi Strukturmarionette,
danke für deine Antwort!
Wäre ja toll, wenn SPSS das schafft, aber 3-Ebenen? Meinen bisherigen Recherchen zu Folge ist das nicht möglich...und wenn ich dann die Messwiederholung einbauen möchte .
Kann ich deinen Hinweis aber so verstehen, dass Du ein HLM als die besste der vorgeschlagenen Methoden ansehen würdest?

Viele Grüße!

[PonderStibbons]

1) Wenn ich mehrere ANCOVAS mit Mwdh.-Faktor rechne,

Wie viele denn konkret? Und wie groß ist Deine Stichprobe?

muss ich den Alphafehler soweit "runterkorrigieren, dass keine signifikanten Ergebnisse mehr zu erwwarten sind.

Müssen musst Du gar nichts.

2) Wenn ich eine MANCOVA rechne, kann ich den Messwiederholungsfaktor nicht berücksichtigen und verliere Power.

Operationalisieren denn Deine abhängigen Variaben gemeinsam ein Konstrukt?
Wenn nicht, ist eine MANOVA ohnedies keine sonderlich sinnvolle Option.

3) Hierarchisch Lineare Modelle können mit SPSS nicht berechnet werden

Sicher können sie, aber Du hast mehrere verschiedene Response-Variablen.

Mit freundlichen Grüßen

P.

[allesralk]

1) Wenn ich mehrere ANCOVAS mit Mwdh.-Faktor rechne,

Wie viele denn konkret? Und wie groß ist Deine Stichprobe?

--> Es wären 10 ANOVAS (meine Gesammtstichprobe umfasst 280 Personen, verteilt auf drei Gruppen)

muss ich den Alphafehler soweit "runterkorrigieren, dass keine signifikanten Ergebnisse mehr zu erwwarten sind.

Müssen musst Du gar nichts.

--> O.k., aber anders habe ich dann ein Wahrscheinlichkeit von 50%, dass ich mind. ein falsches Ergebnis annahme.

2) Wenn ich eine MANCOVA rechne, kann ich den Messwiederholungsfaktor nicht berücksichtigen und verliere Power.

Operationalisieren denn Deine abhängigen Variaben gemeinsam ein Konstrukt?
Wenn nicht, ist eine MANOVA ohnedies keine sonderlich sinnvolle Option.

--> Nein, aber sie korrelieren teilweise hoch miteinander (z.B. Selbstwert und Selbstwirksamkeitserwartungen)

3) Hierarchisch Lineare Modelle können mit SPSS nicht berechnet werden

Sicher können sie, aber Du hast mehrere verschiedene Response-Variablen.

--> Auch das noch ...

[PonderStibbons]

ich erkenne keine rechte Begründung für eine MANOVA.

Dass gleich 10 Response-Variablen vorliegen, erscheint womöglich etwas überambitioniert.Dass sowas Probleme schafft, wundert dann nicht sosehr und lässt sich nicht durch die geschickte Datenanalyse wegtricksen.

Ob du ein hohes Fehlerrisiko 1. Art nicht eingehen willst (50% ist das nur, wenn alle 10 Nullhypothesen stimmen), bleibt natürlich Dir überlassen. Vielleicht solltest du die Zahl der abhängigen Variablen verringern. Oder als Kompromiss statt 5%/10 für alpha 1% festlegen. Oder eine poweranslyse machen, ob bei n=280 nicht auch ein Alpha 0,005 noch akzeptable Power haben könnte.

Mit freundlichen Grüßen

P.