STATISTIK-FORUM.de

[SaRa1708]

Hallo!
Ich bin aktuell beim Verfassen des Proposals für meine Masterthesis und komme nicht mehr weiter.
Meine H0 lautet: "Es gibt keine Unterschiede bezüglich der Körperzusammensetzung (Fettmasse) nach einem dreiwöchigen Rehabilitationsaufenthalt."
Es wird eine Messung der Körperzusammensetzung zu Beginn der Rehabilitation und eine nach 3 Wochen durchgeführt. Ich möchte den Unterschied z.B. eine Reduktion der Fettmasse nach 3 Wochen untersuchen.

Nach Recherchen habe ich mich entschieden, dass ein gepaarter t-test sinnvoll ist. Ich habe mir G*Power heruntergeladen und versucht meine Stichprobengröße zu berechnen:
t-test
Means: difference between two dependente means (matched pairs)
A priori
Tails (two)
Effect Size ?
Alpha-Err: 0,05
Power: 0,95

Ich bin mir generell unsicher, ob das alles so sinnvoll ist und weiß nicht, welche Effektgröße ich eingeben soll bzw. ist es besser alles nach der Studiendurchführung zu berechnen?
Danke im Voraus!

[PonderStibbons]

Meine H0 lautet: "Es gibt keine Unterschiede bezüglich der Körperzusammensetzung (Fettmasse) nach einem dreiwöchigen Rehabilitationsaufenthalt."

Bei einer wissenschaftlichen Studie würde ich die Forschungshypothese erwarten, wieso schreibst du eine statistische Nullhypothese hin?
Die streng genommen auch keine ist, dazu müsstest Du schon den getesteten Parameter angeben, wowas wie "der Mittelwert der
Fettmasse in Gruppe A ist = dem Mittelwert der Fettmasse in Gruppe B".

Power: 0,95

Wieso so hoch? Gängig ist 0,80.

weiß nicht, welche Effektgröße ich eingeben soll

Was wäre denn realistisch? Das ist Mittelwert nachher minus Mittelwert vorher, geteilt durch Standardabweichung
vorher bzw. geteilt durch Standardabweichung der Differenzwerte. Wenn es völlig absurd wäre, nach dreiwöchiger
Reha eine große oder auch nur mittlereren Effekt zu érwarten, dann musst Du z.B. von einem kleinen ausgehen.
Man kann sich bei solchen Abschätzungen eventuell auch an dem orientieren, was in anderen Studien so an
Veränderungen prä-post berichtet wird.

bzw. ist es besser alles nach der Studiendurchführung zu berechnen?

Du berechnest eine Stichprobengröße zur Fallzahlplanung. Eine Fallzahlplanung nach Abschluss der Ehebung zu
machen, klingt ein wenig widersinnig. Oder berechnest Du die Stichprobengröße zu irgendeinem anderen zweck?

Mit freundlichen Grüßern

PonderStibbons

[SaRa1708]

Danke für die Tipps, ich dachte mir schon, dass es zu ungenau formuliert ist!

Der gepaarte t-test ist aber in diesem Fall schon sinnvoll?

Sorry das habe ich falsch formuliert, im Nachhinein könnte ich eine Power-Analyse durchführen mit SPSS, um die Effektgröße bzw. das Signifikanzniveau zu berechnen...
Mich wundert bei der Berechnung der Stichprobe, die niedrige Zahl, welche ich erhalte...

Ich habe mal 3 Datensätze eingegeben und eine Effektgröße von 0,52 erhalten. Wenn ich dass einfüge und eine Power von 0,8 ergibt die Stichprobengröße 34. Mir scheint das eine sehr kleine Stichprobe zu sein - ich habe für den Zeitraum der Durchführung voraussichtlich 240 Personen zur Verfügung...

[PonderStibbons]

Der gepaarte t-test ist aber in diesem Fall schon sinnvoll?

Wenn es um den vorher-nachher-Vergleich einer intervallskalierten Messung geht, wäre das gängig.

Sorry das habe ich falsch formuliert, im Nachhinein könnte ich eine Power-Analyse durchführen mit SPSS, um die Effektgröße bzw. das Signifikanzniveau zu berechnen...

Verstehe ich leider nicht. Ist beides keine Poweranalyse.

Ich habe mal 3 Datensätze eingegeben und eine Effektgröße von 0,52 erhalten.

Beruht das auf realistischen Annahmen? Wie hoch sind denn Mittelwerte und Standardabweichungen vorher bzw. nachher?

Wenn ich das einfüge und eine Power von 0,8 ergibt die Stichprobengröße 34.

Da bei Messwiederholungsanalysen jede Person quasi ihre eigene Kontrolle ist, sind die
benötigten Stichprobengrößen geringer als bei Gruppenvergleichen. Wie gesagt ist die
Frage, ob d=0,5 realistisch ist.

Wenn Du ausreichend Ressourcen hast, kannst Du natürlich auch eine power 0,95
statt 0,80 annehmen.

Zusätzlich musst Du noch Studienabbrüche berücksichtigen und dementsprechend mehr
Teilnehmende rekrutieren.

Mit freundlichen Grüßen

PonderStibbons

[SaRa1708]

Danke!
Könnte man es auch so begründen?
Die Effektgröße wurde mit 0,2 festgelegt, um zumindest einen geringen Effekt feststellen zu können. Wenn die Daten vollständig erhoben wurden, wird eine Power-Analyse durchgeführt, um den tatsächlichen Effekt feststellen zu können.

Liebe Grüße
Sarah

[PonderStibbons]

Danke!
Könnte man es auch so begründen?
Die Effektgröße wurde mit 0,2 festgelegt, um zumindest einen geringen Effekt feststellen zu können.

Wenn Du die Freiheit und die Ressourcen hast und es keine ethischen Bedenken gibt über
den Einschluss von "zu viel" Probanden, warum nicht.

Wenn die Daten vollständig erhoben wurden, wird eine Power-Analyse durchgeführt, um den tatsächlichen Effekt feststellen zu können.

Den tatsächlichen Effekt wirst Du nie feststellen, weil Du nur Stichprobendaten hast, in denen
der tatsächliche Effekt durch den Stichprobenfehler vergrößert oder verkleinert wurde. Du
kannst der (Un)sitte folgen und ein Effektstärkemaß berechnen, aber das ist eben einfach die
Berechnung eines Effektstärkemaßes, keine power-Analyse.
Die Frage "welchen Populationseffekt kann ich vermutlich mit meiner Stichprobengröße
nachweisen" hast Du mit der a priori Analyse schon geklärt. Falls Dir zusätzlich hinterher jemand
eine sogenannte "post hoc Poweranalyse" aufschwatzen will, wirf ihn aus dem Haus.

Mit freundlichen Grüßen

PonderStibbons

[SaRa1708]

Haha alles klar, danke

Ich habe meine Hypothese umformuliert:
H0: Es gibt keinen Unterschied der Mittelwerte der Fettmasse zu Beginn und nach einem dreiwöchigen Rehabilitationsaufenthalt.

Ist es nun sinnvoll weitere Hypothesen aufzustellen um weitere Parameter zu testen oder stelle ich die dann einfach nur anhand der Mittelwerte dar? z.B.: Muskelmasse, Wasserhaushalt, ...
Außerdem wäre es noch interessant einen Zusammenhang zwischen der Leistungskategorie der Patient*innen und der Veränderung der Fettmasse herzustellen.

Tut mir leid, dass ich so viele Fragen habe.

Liebe Grüße
Sarah

[PonderStibbons]

Ich habe meine Hypothese umformuliert:
H0: Es gibt keinen Unterschied der Mittelwerte der Fettmasse zu Beginn und nach einem dreiwöchigen Rehabilitationsaufenthal

Ich verstehe den Sinn leider nicht. Wenn Du eine Studie machst, hast Du eine Forschungshypothese,
warum schreibst Du stattdessen eine H0 hin? Die ist allenfalls ein Hilfsmittel bei der Durchführung einer
bestimmten Form inferenzstatistischer Tests und für sich genommen völlig belanglos.

Außerdem wäre es noch interessant einen Zusammenhang zwischen der Leistungskategorie der Patient*innen und der Veränderung der Fettmasse herzustellen.

Mag sein. Verbindet sich damit eine Frage an das Forum?

Mit freundlichen Grüßen

PonderStibbons

[SaRa1708]

Uns wurde erklärt, dass bei jeder Hypothese H0 und H1 gebildet werden müssen, um sie dann annehmen oder verwerfen zu können.
Muss ich für jede Variable eine eigene Hypothese aufstellen? Also ich kann nicht schreiben Unterschied der Körperzusammensetzung, sondern je eine Hypothese für Fettmasse, Muskelmasse, Wasserhaushalt, ... formulieren?

Bezüglich dem Zusammenhang muss ich dann wohl einen anderen statistischen Test verwenden?

Freundliche Grüße

[PonderStibbons]

Uns wurde erklärt, dass bei jeder Hypothese H0 und H1 gebildet werden müssen, um sie dann annehmen oder verwerfen zu können.

Ach so, die Art von Statistikausbildung. Erklärt trotzdem nicht, warum Du keine Forschungshypothesen
angegeben hast, sondern immer nur diese Strohpuppen. Aber egal, ist nicht so wichtig.

Muss ich für jede Variable eine eigene Hypothese aufstellen? Also ich kann nicht schreiben Unterschied der Körperzusammensetzung, sondern je eine Hypothese für Fettmasse, Muskelmasse, Wasserhaushalt, ... formulieren?

Das sind so Feinheiten, die Du besser mit Deinem Betreuer besprichst, weil es wie man sieht lokale Unterschiede gibt.

Bezüglich dem Zusammenhang muss ich dann wohl einen anderen statistischen Test verwenden?

Du kannst individuelle prä-post Differenzwerte bilden und diese zwischen den Leistungskategorien vergleichen
(einfaktorielle Varianzanalyse oder Kruskal-Wallis H-Test). Falls die Betreuer zu anspruchsvoll dafür sind, stattdessen
eine "gemischte" Varianzanalyse, d.h. eine Varianzanalyse für Messwiederholungen mit "Messzeitpunkt" als
Innersubjektfaktor und "Leistungskategorie" als Zwischensubjektfaktor.

Mizt freundlichen Grüßen

PonderStibbons