STATISTIK-FORUM.de

[Marel08]

Hallo!

In der folgendenTabelle würde mich insbesondere interessieren, ob es einen statistisch signifikanten Unterschied zwischen dem Anteil an Bedingung 1 in Gruppe 1 (N=27, 22,7%) verglichen mit jenem in Gruppe 2 (N=44, 1,4%) gibt bzw. ob es generell signifikante Unterschiede zwischen den Gruppen in Bezug auf die Bedingungen gibt. Ein Chi-Quadrat-Test gibt mir nur eine Signifikanz für die Kreuztabelle als Ganzes an. Außerdem stellt die eine leere Zelle ein Problem für die Durchführung eines Chi-Quadrat-Tests dar.

Gruppe 1 (N, %) // Gruppe 2 (N, %)

Bedingung 1: 27 (22.7%) // 44 (1.4%)
Bedingung 2: 3 (2.5%) // 10 (0.3%)
Bedingung 3: 0 (0%) // 11 (0.3%)
Bedingung 4: 89 (74.8%) // 3181 (98%)

Könntet Ihr mir vielleicht bei der Frage helfen, welchen Signifikanztest ich am besten hierfür anwenden kann?

Herzlichen Dank im Voraus.

Marel08

[strukturmarionette]

Hi,

ob es einen statistisch signifikanten Unterschied zwischen dem Anteil an Bedingung 1 in Gruppe 1 (N=27, 22,7%) verglichen mit jenem in Gruppe 2 (N=44, 1,4%)

- hierfür sind zunächst die anggebenen Anteilswerte falsch.
- Für die gesamte Kreuztabelle sind die Zellbesetzungen derart ungleich /ungünstig verteilt, dass kein Signifikanztest empfohlen werden kann.
- Je nach verwendeter Software kämen aber unterschiedlichliche Tricksereien in Frage, je nachdem, um was es (bei den Auszählungen und Bedingungen) geht.

Gruß
S.

[bele]

@strukturmarionette
Warum kann kein Signifikanztest empfohlen werden? Weil über die gesamte Tabelle gesehen die 3181 zu 89 sich ohnehin offensichtlich zu sehr von 44 zu 27 unterscheidet? Oder ist es ein Problem, wenn eine Zelle viel zu stark besetzt ist?

@Marel08
Vorbehaltlich der Begründung von strukturmarionette, wäre ich das ganz plump so angegangen:

Code: Alles auswählen

> tabelle <- matrix(c(27,3,0,89,44,10,11,3181), ncol=2)
> tabelle
     [,1] [,2]
[1,]   27   44
[2,]    3   10
[3,]    0   11
[4,]   89 3181
> fisher.test(tabelle)

   Fisher's Exact Test for Count Data

data:  tabelle
p-value < 2.2e-16
alternative hypothesis: two.sided

> tab2 <- tabelle[1:2,1:2]
> tab2
     [,1] [,2]
[1,]   27   44
[2,]    3   10
> fisher.test(tab2)

   Fisher's Exact Test for Count Data

data:  tab2
p-value = 0.3622
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
  0.465807 12.488945
sample estimates:
odds ratio
  2.029455

LG,
Bernhard



PS: Zum Thema "Tricksereien" kann ich zur oben verwendeten Funktion ergänzen:

[...] computations are based on a C version of the FORTRAN subroutine FEXACT which implements the network developed by Mehta and Patel (1986) and improved by Clarkson, Fan and Joe (1993). The FORTRAN code can be obtained from http://www.netlib.org/toms/643. Note this fails (with an error message) when the entries of the table are too large. (It transposes the table if necessary so it has no more rows than columns. One constraint is that the product of the row marginals be less than 2^31 - 1.)

[Marel08]

@bele,
@strukturmarionette,

Vielen Dank für diese Tipps. Ich werde mir Fisher's Exact Test nochmal genau ansehen und schauen, ob das trotz dieser ungleichen Verteilung der Daten geht.
Ein schönes Wochenende!

Marel08