STATISTIK-FORUM.de

[erfinder]

Hallo,

in einer Studie wurde ein eindimensionales Konstrukt (intervallskaliert) zu zwei verschieden Zeitpunkten gemessen, um zu schauen, ob es eine Verbesserung in der gemessenen Fähigkeit gibt.
Ein t-test für abhängige Stichproben offenbarte, dass der Mittelwert zum zweiten Zeitpunkt sig höher ist.

Nun würde ich gerne schauen, ob die Verbesserung (bzw. die Stärke des Mittelwertunterschiedes) von der Ausprägung einer weiteren Variablen abhängig ist.
Bsp: Geschlecht (Dummycodierung 1/0). Dazu habe ich in SPSS über "Fälle aufteilen" zwei getrennte t-tests berechnet. Der eine ist hoch sig, der andere n.s.
das heißt ja eigentlich, dass die Verbesserung sozusagen vom Geschlecht abhängig ist.

War das eine sinnvolle Vorgehensweise? Und was könnte man machen, wenn die weitere Variable intervallskaliert statt binär wäre?

vielen Dank!

[strukturmarionette]

Hi,

War das eine sinnvolle Vorgehensweise?

- prizipiell: Hierarchische Lineare Regression oder Kovarianzanalyse oder Mehrebenenmodelle
- aber zur Sinnfrage (was das wichtigste ist) und den statistischen Umsetzungsmöglichkeiten kann mit Deinen Angaben nichts empfohlen werden

Gruß
S.

[PonderStibbons]

Dazu habe ich in SPSS über "Fälle aufteilen" zwei getrennte t-tests berechnet.

Klassischer Fehler, aber nach wie vor sehr verbreitet.
Der Unterschied zwischen "signifikant" und "nichtsignifikant"
ist nicht aussagekräftig. Angebracht wäre z.B. eine
Varianzanalyse für Messwiederholungen mit dem zusätzlichen
Faktor "Geschlecht". Die Wechselwirkung zwischen
Messwiederholungsfaktor und Geschlecht ist das, was Dich
hier interessiert.

Bei intervallskalierten Variablen kannst Du in SPSS diese
als "Kovariate" in der Messwiederholungsanalyse einbringen,
auch hier interessiert die Wechselwirkung mit dem
Messwiederholungsfaktor.

Mit freundlichen Grüßen

PonderStibbons

[erfinder]

Hallo zusammen und vielen Dank.

"Klassischer Fehler, aber nach wie vor sehr verbreitet. Der Unterschied zwischen "signifikant" und "nichtsignifikant" ist nicht aussagekräftig."

Wie heißt der Fehler denn? Und warum ist signifikant nicht aussagekrätig? Eine für Laien ausformulierte/nachvollziehbare Erklärung/Begründung würde mich freuen.

Danke und viele Grüße
erfinder

[PonderStibbons]

Wie heißt der Fehler denn?

Mit "klassisch" meinte ich weitverbreitet (beispielweise, aber bei weitem nicht nur
in den Neurowissenschaften).
Er beruht auf einem unzureichenden Verständnis von Signifikanztests.

Und warum ist signifikant nicht aussagekräftig?

Der Unterschied zwischen signifikant und nichtsignifikant ist (in aller Regel) nicht
aussagekräftig. Signifikant/nichtsignifikant ist eine artifizielle Dichotomie. Sie besagt
nicht, dass eine Beziehung existiert/nicht existiert. Dass nach Teilung Deines Datensatzes
eine Beziehung hier "signifikant", dort "nichtsignifikant" ergibt, kann konkret mannigfache
Ursachen haben. Wenn es Dir um die besagte Wechselwirkung geht, musst Du sie direkt testen.

Mit freundlichen Grüßen

PonderStibbons

[erfinder]

Vielen Dank.

lieber PonderStibbons, die verbreiteten Fehler in der Anwendung von statistischen Verfahren könnte ich mir auch als Konsequenz von schlechten (Lehr-)Texten vorstellen.
Kannst du vielleicht ein Buch oder Text empfehlen, für dessen korrekte Erklärung von Signifikanztest & Co du deine Hand ins Feuer legen würdest?

viele Grüße Erfinder

[PonderStibbons]

lieber PonderStibbons, die verbreiteten Fehler in der Anwendung von statistischen Verfahren könnte ich mir auch als Konsequenz von schlechten (Lehr-)Texten vorstellen.

Signfikanztests sind wenig nützlich. Sie sind außerdem nicht intuitiv verständlich.
Relativ leicht durchzuführen und schwer zu interpretieren.
Und sie sind in er gegenwärtigen Form ein Bastard aus 2 ganz unterschiedlichen Ansätzen (Fisher
vs. Neyman-Pearson).
Über die Texte kann ich nichts weiter sagen, mag sein dass die meisten schlecht
sind, zudem lesen viele Leute nicht sorgfältig. Das Problem haben Studierende wie Lehrende.
https://www.metheval.uni-jena.de/lehre/ ... haller.pdf

Kannst du vielleicht ein Buch oder Text empfehlen, für dessen korrekte Erklärung von Signifikanztest & Co du deine Hand ins Feuer legen würdest?

http://library.mpib-berlin.mpg.de/ft/gg ... l_2004.pdf
http://www.dgps.de/fachgruppen/methoden ... lmeier.pdf
http://library.mpib-berlin.mpg.de/ft/gg ... s_2004.pdf

Mit freundlichen Grüßen

PonderStibbons

[erfinder]

Lieber PonderStibbons, ich weiß nicht ob du die Zeit hast, aber vielleicht weißt du es ja auch so: in einem Antwortartikel (2-3 Seiten) auf Gigerenzers Ansichten (und deinen?) wird das Null-Ritual als sinnvolle Heuristik für die Beantwortung der Frage, ob das empirische Ergebnis nur Resultat eines Zufalls ist, beschrieben. http://econtent.hogrefe.com/doi/pdf/10. ... 2.57.4.256
Wie würdest du dem entgegen?
viele Grüße Erf.

[PonderStibbons]

Ich weiß nicht, was Marx da beschreibt, die Forschungspraxis ist es jedenfalls
eher nicht. Wäre ja schön, wenn man Fisher wenigstens im ursprünglichen
Sinn anwenden würde, auch wenn das nur sehr beschränkt ginge, aber es
tut ja keiner. Viele denken tatsächlich binär, ein "nichtsignifikantes"
Ergebnis wird in dem Sinne interpretiert, dass ein Effekt = 0 ist, ein
"signifikantes" Ergebnis als das Gegenstück.

Eine Hypothese zu testen, die in aller Regel weder von Interesse, noch
gültig ist, ist wissenschaftlich unbefriedigend. Das ganze Kuddelmuddel mit
Mehrfachtestungen, zu geringer statistischer power etc. pp kommt noch
dazu.

Mit freundlichen Grüßen

PonderStibbons