STATISTIK-FORUM.de

[KleineSchneewante]

Hallo zusammen,

ich bin gerade dabei, eine Interventionsstudie (1 Interventions- und 1 Kontrollgruppe; N = ca. 170; 6 Messzeitpunkte) mit SPSS auszuwerten. Momentan arbeite ich an der Auswertung einer metrischen Variable (Lebensqualität auf einer Skala von 0-100). Diese Variable möchte ich zunächst für beide Gruppen zu zwei Zeitpunkten auswerten.
Ich habe die Daten bereits mithilfe des „Shapiro Wilk-Tests“ auf Normalverteilung geprüft (Lebensqualität zum 1. Und zum 2. Zeitpunkt; jeweils für die Interventions- und die Kontrollgruppe). Dabei kam heraus, dass die Daten NICHT normalverteilt sind.
Um die (Signifikanz der) Veränderung jeweils innerhalb der beiden Gruppen zu ermitteln, habe ich zunächst die Fälle auf jeweils die Interventions- bzw. Kontrollgruppe eingegrenzt und anschließend einen „two-sample Wilcoxon test“ (SPSS: Analysieren -> Nicht parametrische Tests -> Alte Dialogfelder -> Zwei verbundene Stichproben -> 1. Paar „Variable 1: Lebensqualität zum Zeitpunkt 1“; Variable 2: Lebensqualität zum Zeitpunkt 2“ -> Wilcoxon) durchgeführt.
Nun sollen jedoch die Veränderungen zwischen den beiden Gruppen untersucht werden. Dabei stellt sich die Frage, welche(r) Test(s) in Frage kommt/kommen und wie diese(r) Test durchgeführt wird. Wenn die Daten normalverteilt wären, würde ich einen „t-Test für unabhängige Stichproben“ durchführen. Da die Daten jedoch nicht normalverteilt sind, fällt dieser Test weg.
In der Literatur habe ich mehrfach von einer ANOVA/ANCOVA (mit oder ohne Messwiederholungen) gelesen. Dabei wird jedoch auch erläutert, dass die Daten normalverteilt sein sollen. Nichtsdestotrotz wird gleichzeitig von einer Robustheit der ANOVA/ANCOVA gesprochen, wenn die Stichprobe der Daten (in meinem Beispiel ca. N= 170) ausreichend groß ist). Daher meine erste Frage: Kann/darf ich eine ANOVA/ANCOVA durchführen, auch wenn die Daten nicht normalverteilt sind? Und wenn ja, wäre eine „normale“ ANOVA/ANCOVA oder eine derartige Analyse mit Messwiederholungen zu bevorzugen? Dabei sollte ich erwähnen, dass sich die Baseline-Charakteristika (Geschlecht, Alter, Bildungsstand) zum Baseline-Zeitpunkt teilweise voneinander unterscheiden. Entsprechend habe ich überlegt, inwiefern eine „normale“ ANCOVA (SPSS: Analysieren -> Allgemeines Lineares Modell -> Univariat -> Abhängige Variable „Veränderung der Lebensqualität_Zeitpunkt2minusZeitpunkt1“; Feste Faktoren „Gruppe (Intervention bzw. Kontrolle); Kovariaten: Lebensqualität (Zeitpunkt1) (+ ggf. Alter, Geschlecht und Bildungsstand zum Zeitpunkt 1)) sinnvoll wäre, da ich dabei auf die Ausgangswerte adjustieren kann. Wenn ich es richtig sehe, kann ich bei einer ANOVA/ANCOVA mit Messwiederholungen nicht auf die Ausgangswerte adjustieren (wenn ich bei den Innersubjektvariablen die „Lebensqualität zum Zeitpunkt 1“ und die „Lebensqualität zum Zeitpunkt 2“ angebe, kann ich die Variable „Lebensqualität zum Zeitpunkt 1“ nicht als Kovariate auswählen). Gibt es eine „Lösung“ für dieses Problem? Welche der beiden „allgemeinen linearen Modelle“ ist empfehlenswert(er)?
Als alternative Analysemöglichkeit habe ich in der Literatur mehrfach von „linear regression models“ bzw. „logistic regression“ gelesen. Aber welche(s) Modell(e) eignet/eigenen sich für meine geplante Auswertung der Ergebnisse? Und wie werden diese durchgeführt? Neben den Unterschieden zwischen den Gruppen würde ich auch gerne noch die Assoziation der soziodemographischen Daten mit der Lebensqualität analysieren (z.B. gibt es eine Assoziation zwischen dem Alter und der Lebensqualität? Und wenn ja, positiv oder negativ?). Muss ich dafür eine Multiple lineare Regression (Multiple regression analysis) durchführen?

Im Enddefekt würde ich gerne die folgenden Ergebnisse darstellen:
1. Gibt es eine (signifikante) Veränderung innerhalb der beiden Gruppen (Messzeitpunkt 1 zu Messzeitpunkt 2)? -> Bisheriger Plan: Wilcoxon-Test
2. Gibt es eine (signifikante) Veränderung zwischen den beiden Gruppen (Messzeitpunkt 1 zu Messzeitpunkt 2) bzw. unterscheiden sich die Mittelwerte der Veränderung der beiden Gruppen (Veränderung von Messzeitpunkt 1 zu Messzeitpunkt 2)?
3. Gibt es Assoziationen zwischen den soziodemographischen Angaben (Geschlecht, Alter und Bildungsstand) und der Lebensqualität?

Vielen Dank im Voraus und viele Grüße!

[PonderStibbons]

Ich habe die Daten bereits mithilfe des „Shapiro Wilk-Tests“ auf Normalverteilung geprüft (Lebensqualität zum 1. Und zum 2. Zeitpunkt; jeweils für die Interventions- und die Kontrollgruppe). Dabei kam heraus, dass die Daten NICHT normalverteilt sind.

Präzise ausgedrückt, dass die Nullhypothese verworfen wird, Deine Stichprobendaten stammten
aus einer normalverteilten Grundgesamtheit.
Bei n=170 auch kein Wunder, da reagieren solche Tests auch auf unwesentliche Abweichungen
von der Normalverteilungshypothese, sind also letztlich sinnlos.

Zum Glück ist es irrelevant, aus welcher Verteilung Deine Daten (bzw. eigentlich hätten die Subgruppen
oder die Residuen betrachtet werden müssen, nicht die unkonditionalen Rohwerte) stammen, mit n=170 ist
eine Varianzanalyse ausreichend robust. Naheliegend wäre eine "gemischte" Varianzanalyse (VA für
Messwiederholungen mit einem zusätzlichen Zwischensubjektfaktor "Gruppe"). Die Interaktion
Zeit*Gruppe zeigt Dir, ob sich die Gruppen über die Zeit unterschiedlich entwickeln.

In der Literatur habe ich mehrfach von einer ANOVA/ANCOVA (mit oder ohne Messwiederholungen) gelesen. Dabei wird jedoch auch erläutert, dass die Daten normalverteilt sein sollen.

Wenn die Literatur Dir das vermittelt, schmeiß sie weg, da stecken gleich drei Fehler drin.

Dabei sollte ich erwähnen, dass sich die Baseline-Charakteristika (Geschlecht, Alter, Bildungsstand) zum Baseline-Zeitpunkt teilweise voneinander unterscheiden.

Kannst Du ja in die Analyse einbeziehen.

Mit freundlichen Grüßen

[KleineSchneewante]

...erstmal VIELEN DANK für die schnelle Antwort!

Entsprechend würde ich nun für den Gruppenvergleich eine Variananalyse mit "Messwiederholungen" durchführen (Innersubjektvariablen: Lebensqualität Zeitpunkt1; Lebensqualität Zeitpunkt2; Zwischensubjektfaktoren: Gruppen). Dabei gibt es aber nicht die Möglichkeit, auf die Baselinewerte zu adjustieren, oder?

Wenn ich bei Kovariaten "Geschlecht", "Alter" und "Bildungsstand" eingebe, ist die Analyse nicht möglich ("Es wurden keine gültigen Fälle gefunden"). Woran kann das liegen? Und/oder ist eine Aufteilung der Kovariaten sinnvoll (z.B. 1. Analyse mit der Kovariate "Geschlecht"; 2. Analyse mit der Kovariate "Alter" usw.) ?

Viele Grüße

[PonderStibbons]

Auch hier in Arbeit.

[KleineSchneewante]

...und nochmal vielen Dank! Das Geschlecht haben wir tatsächlich bereits in "1" und "2" codiert. Wenn ich "Geschlecht" also Kovariate einfüge (ANOVA mit Messwiederholungen), bekomme ich in der Tabelle "Test der Innersubjekteffekte" sowohl "Messzeitpunkte * Geschlecht" (p > 0,05) als auch "Messzeitpunkte * Gruppe" (p < 0,05) angezeigt. Entsprechend unterscheidet sich die Veränderung der Lebensqualität zwischen den Gruppen (Intervention und Kontrolle) signifikant, während es keine signifikanten Unterschiede bei der Veränderung der Lebensqualität zwischen den Geschlechtern (unabhängig von der Gruppeneinteilung) gibt, oder?

Viele Grüße