STATISTIK-FORUM.de

[rokochan95]

Hallo nochmal,

ich bin noch immer bei meinem Projekt, aber bin schon etwas weiter gekommen. Jetzt hänge ich bei der Analyse der folgenden Hypothese fest:

H4:Menschen machen mehr Sport bei Beschäftigung auf Distanz, als bei Beschäftigung in Präsenz.

Dazu will ich die zwei Variablen
Sportliche Aktivität (sport_t1-t4; Häufigkeit pro Woche; ordinals) und
Arbeitsplatz (arbeitsplatz_t1-t4; Homeoffice oder nicht Homeoffice) vergleichen.

Es muss jedoch beachtet werden, dass ein Proband zu jedem Item Antworten zu 4 verschiedenen Zeiträumen (t1 bis t4) gegeben hat.

Welche Analyse macht hier Sinn?

Code: Alles auswählen

> head
# A tibble: 6 x 8
  sport_t1 sport_t2 sport_t3 sport_t4 arbeitsplatz_t1 arbeitsplatz_t2 arbeitsplatz_t3 arbeitsplatz_t4
     <dbl>    <dbl>    <dbl>    <dbl>           <dbl>           <dbl>           <dbl>           <dbl>
1        2        2        2        2               1               1               1               1
2        4        2        4        4               0               1               1               1
3        4        2        4        2               0               1               1               1
4        2        4        2        3               0               1               1               1
5        3        2        2        2               0               1               0               1
6        2        3        2        0               0               1               1               1

> str
tibble [38 × 8] (S3: tbl_df/tbl/data.frame)
$ sport_t1       : num [1:38] 2 4 4 2 3 2 1 3 3 3 ...
$ sport_t2       : num [1:38] 2 2 2 4 2 3 0 1 2 2 ...
$ sport_t3       : num [1:38] 2 4 4 2 2 2 1 4 3 1 ...
$ sport_t4       : num [1:38] 2 4 2 3 2 0 0 1 2 0 ...
$ arbeitsplatz_t1: num [1:38] 1 0 0 0 0 0 1 0 0 0 ...
$ arbeitsplatz_t2: num [1:38] 1 1 1 1 1 1 1 1 1 1 ...
$ arbeitsplatz_t3: num [1:38] 1 1 1 1 0 1 1 0 1 1 ...
$ arbeitsplatz_t4: num [1:38] 1 1 1 1 1 1 1 1 0 1 ...


[PonderStibbons]

Das wäre eine Multilevel-Regression (d.h. mehrere Messungen der abhängigen Variable und des Prädiktors
sind jeweils in einer Person "genestet") mit einer ordinalskalierten abhängigen Variable. Generalized
Estimating Equations (GEE) kann sowas.

Alternativ kann man eine krude Auswertung überlegen, bei der für jede Person die Sport-Angaben
unter den Bedingungen 0 versus 1 im Sinne der Fragestellung geeignet aggregiert (z.B. Maximum) und
mit einem Vorzeichentest verglichen werden. Allerdings würden dann alle Personen ohne Variation
bei "Arbeitsplatz" wegfallen.

Mit freundlichen Grüßen

PonderStibbons

[rokochan95]

Hey PonderStibbons,

danke für den Hinweis. Ich hab versucht das GEE-Modell anzuwenden, allerdings weiß ich nicht, ob ich das richtig gemacht habe.

1. Ich hab zunächst aus den zeitraum-bedingten Variablen sport_t1 bis sport_t4 und arbeitsplatz_t1 bis arbeitsplatz_t4 jeweils eine Variable sport und homeoffice (statt arbeitsplatz für ein besseres Verständnis) gemacht. Für die Zeiträume habe ich neue Variable time [1,2,3,4] erstellt.

2. Dann habe ich die Variable homeoffice als Faktor festgelegt:

Code: Alles auswählen

gee$homeoffice <- as.factor(gee$homeoffice)

3. Anschließend hab ich die Formel erstellt:
sport = sportliche Aktivität; time = die einzelnen Zeiträume (insgesamt 4); homeoffice = Homeoffice oder nicht Homeoffice

Code: Alles auswählen

mf <- formula(sport ~ time + homeoffice)

4. Und schließlich die Analyse durchgeführt:
id = Proband (insgesamt 38)

Code: Alles auswählen

>geeInd <- geeglm(mf, id=id, data=gee, family=gaussian, corstr="ind")

Coefficients:
            Estimate Std.err  Wald Pr(>|W|)   
(Intercept)   2.2927  0.2574 79.34   <2e-16 ***
time         -0.1309  0.0911  2.06   0.1507   
homeoffice1  -0.7092  0.2190 10.49   0.0012 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


Correlation structure = independence
Estimated Scale Parameters:

            Estimate Std.err
(Intercept)     1.41   0.142
Number of clusters:   152  Maximum cluster size: 1

> anova(geeInd)
Analysis of 'Wald statistic' Table
Model: gaussian, link: identity
Response: sport
Terms added sequentially (first to last)

           Df    X2 P(>|Chi|)   
time        1  4.67    0.0306 *
homeoffice  1 10.49    0.0012 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Hab ich das überhaupt richtig gemacht? Was sagen mir die Ergebnisse?

VG
rokochan95

[PonderStibbons]

Wenn ich mal rekapitulieren darf: Du erhebst Daten unter freundlicher Beteiligung von Freiwilligen,
ohne einen Plan, wie Du sie auswerten kannst, Du führst statistische Analysen durch mit Methoden,
mit denen Du Dich nicht auseinandersetzt und von denen Du nicht sicher weist, wie man sie durchführt,
und Du kannst die Ergebnisse nicht interpretieren. Wer betreut das denn und wozu soll das Ganze
gut sein?

Mit freundlichen Grüßen

PonderStibbons

[rokochan95]

Kurz gesagt: Das ist für ein Projekt für ein Modul. Unsere Gruppe hat nicht das nötige Fachwissen in Statistik oder Fragebogen-Erstellung, und die Zeit verfliegt. Irgendwann mussten wir uns dann auf einen Fragebogen festlegen und ihn veröffentlichen, um noch rechtzeitig eine vernünftige Stichprobe zu haben. Das Semester kommt nun langsam zum Ende, und ich habe keine andere Möglichkeit, als die vorhandenen Daten auszuwerten.

Aber das alles hilft ja nicht weiter.

VG
rokochan95

[PonderStibbons]

Ok, nicht vorausschauend geplant. Vor dem fachlichen Hintergrund wäre die Durchführung und Darstellung von GEE dann wohl etwas hergeholt.

Man könnte das deskriptiv darstellen und dann getrennt für die 4 Zeitpunkte jeweils einen Vergleich rechnen (Mann-Whitney U-Test)
und als Zugabe, wie oben skizziert fragen, was passiert, wenn von nicht-Homeoffice auf Homeoffice umgestellt wird.

Mit freundlichen Grüßen

PonderStibbons