STATISTIK-FORUM.de

[hansilein]

In meinem Experiment sind n=27 Probanden eine Strecke in einem Fahrsimulator gefahren. Dabei mussten sie nebenbei noch ein Touchscreen Tablet bedienen. Es gibt 4 Treatment Fahrten wo die App auf dem Tablet jedes mal anders aufgebaut war. Ich möchte nun untersuchen ob eine dieser Apps eine bessere Fahrperformance verursacht.

Am Ende der Fahrten sollten sie die 4 Apps (Treatments) ranken hinsichtlich 3 Kriterien:
Bestes Insgesamt, Sicherstes, Benutzerfreundlichstes. 1 ist die beste Note, 4 die schlechteste, jede Note darf nur 1 mal vergeben werden.

D.h. als Beispiel hat Proband 1 folgende Wertungen vergeben:
Beste Insgesamt
App1 - 2
App2 - 3
App3 - 1
App4 - 4

Benutzerfeundlichste
App1 - 3
App2 - 4
App3 - 2
App4 - 1

Sicherste
App1 - 2
App2 - 3
App3 - 1
App4 - 4

Ich habe den Mittelwert und die Standardabweichung berechnet und die Sachen in einen Graphen gepackt.
Allerdings sind die Daten ja vmtl. eher ordinalskaliert? Weshalb ich nicht glaube, dass ich das hätte machen dürfen.
Hier mal die Grafik:
Link zum Bild
https://i.stack.imgur.com/yubye.jpg



Ich möchte Aussagen darüber treffen, welche App von den Benutzer als Beste, sicherste, benutzerfreundlichste eingestuft wird.
Und auch einzelne Vergleiche:
"App1 wird als sicherer eingestuft als App2". (Wilcoxon - Signed Rank ?)

Ich danke euch für eure Hilfe

[strukturmarionette]

Hi,

- Apps beim Fahren sind doch verboten. Auch: STGB wegen der vielen Toten.

Gruß
S.

[hansilein]

Deshalb untersuche ich ja, wie man die Ablenkung von Navis o.ä. reduzieren kann

[strukturmarionette]

Hi,

- 4-mal Friedman Test (einer je App) als 'Globaltests'
- dann jeweils sechs post-hoc tests

Gruß
S.

[hansilein]

Alles klar, danke!

Noch eine Follow-Up Frage:
Ich habe jetzt in R die Funktion "friedman" aus dem agricolae Paket benutzt.
Ich kriege den folgenden Output (für "Bestes System allgemein"):

Code: Alles auswählen

best$Treatment,  Sum of the ranks

            best.bestes  r
Drive                55 27
Interaction          78 27
Track                71 27
User                 66 27

Friedman's Test
===============
Adjusted for ties
Critical Value: 6.244444
P.Value Chisq: 0.1003046
F Value: 2.171819
P.Value F: 0.09801156

Post Hoc Analysis

Alpha: 0.05 ; DF Error: 78
t-Student: 1.990847
LSD: 18.48986

Treatments with the same letter are not significantly different.

            Sum of ranks groups
Interaction           78      a
Track                 71     ab
User                  66     ab
Drive                 55      b

D.h. nun erst einmal. das Drive Treatment ist verschieden vom Interaction Treatment, ansonsten ist in der Post-Hoc Analyse keine Signifikanz gefunden worden.
Ich verstehe aber nicht, warum der p-Value des Tests >0.05 ist. Ich hätte vermutet, dass der Friedman Test ja aussagt, es gibt 2 Faktoren die sich signifikant unterscheiden. Also ist das nicht irgendwie widersprüchlich?

Zudem: Gibt es für die Post Hoc Analyse auch p-Werte die man reporten kann, oder wie reportet man die Post-Hoc Analyse im Text?

Zudem: Wie kann ich das Ergebnis des Rankings am sinnvollsten Grapisch darstellen? Macht da meine Graphik schon Sinn mit dem Mittelwert? Ob es jetzt der Mittelwert ist, oder aufsummiert sollte ja von der Balkenlänge keinen Unterschied machen.

Zudem: Wieso 4 mal Friedman? Muss ich nicht eher für jede Kategorie unterscheiden, ob es Unterschiede zwischen den Apps gibt?
Wenn es nur 1 Frage geben würde. Also nur das Ranking nach "Beste App insgesamt". Dann Hätte ich doch nur 1 Test? "Ob es Unterschiede zwischen den Apps gibt". Ah, oder übernimmt die "Friedman()" Funktion aus dem R-Package im Grunde schon die 4 Tests und auch die 6 Post-Hoc Tests.

Zudem: Macht der LSD Post - Hoc überhaupt Sinn mit meinen ordinal skalierten Werten? Oder sollte ein anderes Post-Hoc Verfahren verwendet werden?

Danke

[PonderStibbons]

Es sind ordinale Daten, weswegen Median angebracht ist, nicht Mittelwert.
Da es 3 abhängige Variablen sind, kommen entsprechend 3 Friedman Tests
in Betracht. Ist der Globaltest p < 0,05, kann man sich die paarweisen Vergleiche
ansehen, aonsten nicht.. Ob man die paarweisen ("post hoc") Tests korrigieren
sollte wegen mutliplen Testens oder nicht, darüber streiten sich die Geister.

Mit freundlichen Grüßen

PonderStibbons