STATISTIK-FORUM.de

[impella99]

Hallo zusammen,

leider bin ich bis jetzt nicht fündig geworden. Vielleicht kann mir hier jemand weiterhelfen.

Ich suche einen passenden statistischen Test bzw. passendes statistisches Vorgehen für folgende Situation:

Ich möchte zwei nicht-normalverteilte, nominalskalierte Parameter aus zwei unabhängigen Stichproben miteinander auf Differenz testen und so einen p-Wert erhalten.
Leider habe ich keinen passenden Test gefunden. Transformation in Normalverteilung und dann McNemar-Chi-Quadrat-Test funktioniert leider nicht.

Vielen Dank im Voraus!

[bele]

Das wird leider nichts. Nominalskalen haben keinen Median.

[impella99]

@bele: Stimmt. Habe den Fragentext angepasst.

[PonderStibbons]

Mit Verlaub, aber das ergibt so leider keinen Sinn. "Transformation [nominalskalierter Parameter] in Normalverteilung und dann McNemar"
enthält gleich drei massive Fehler.

Schildere doch einfach mal konkret und in einfachen Worten Thema, Fragestellung, Erhebungsdesign, Variablen und deren messverfahren,,
Stichprobengröße (!). Dann wird's für den Ausßenstehenden nachvollziehbar.

Mit freundlichen Grüßen

PonderStibbons

[impella99]

@PonderStibbons

Um etwas zu lernen: Könntest du mir die Fehler erklären?

Anbei die Infos:
Thema: Ein medizinisches Diagnostikum und seine Effektivität in 3 Gruppen (Personen ohne Erkrankung, Personen mit Erkrankung A und Personen mit Erkrankung B)
Fragestellung: Unterscheiden sich die mit dem Diagnostikum erhobenen Werte zwischen den Gesunden und Personen mit Erkrankung A/B?
Erhebungsdesign:
Variablen und deren messverfahren: z.B. übertrifft ein gemessener Parameter den Wert 10 ja/nein
Stichprobengröße: je n: 100

[bele]

Hi!

Stimmt, so verstehe ich es. Ist der Cutoff bei 10 gesetzt oder willst Dj nach einem "optimalen" Cutoff suchen? Muss es überhaupt ein Cutoff sein oder könnte man auch den Parameter selbst nehmen, wenn das statistisch viel besser wäre?

LG, Bernhard

[impella99]

Hi,

der Cut-Off ist momentan so. Erstmal würde ich ihn gerne in seiner jetzigen Form analysieren.
Danach würde ich gerne schauen, ob es einen optimaleren gibt.
Man könnte aber auch (zusätzlich?) den Parameter selbst nehmen.

LG

[PonderStibbons]

@PonderStibbons
Um etwas zu lernen: Könntest du mir die Fehler erklären?

Nominalskalierte Variablen lassen sich nicht in intervallskalierte transformieren.
McNemar Test ist für abhängige Messungen, hier war die Rede von unabhängigen Gruppen.
Transformation der Verteilung der abhängigen Variable in eine Normalverteilung (wenn es denn möglich wäre)
geht am Thema vorbei. Nicht die AV sollte (unter Umständen) normalverteilt sein, sondern die AV in den einzelnen
Gruppen.

Anbei die Infos:
Thema: Ein medizinisches Diagnostikum und seine Effektivität in 3 Gruppen (Personen ohne Erkrankung, Personen mit Erkrankung A und Personen mit Erkrankung B)
Fragestellung: Unterscheiden sich die mit dem Diagnostikum erhobenen Werte zwischen den Gesunden und Personen mit Erkrankung A/B?
Erhebungsdesign:
Variablen und deren Messverfahren: z.B. übertrifft ein gemessener Parameter den Wert 10 ja/nein
Stichprobengröße: je n: 100

Unabhängig von der Cut-off Festlegung, die bele angesprochen hat, das Auswertungsverfahren für den Vergleich
von Gruppen hinsichtlich einer kategorialen Variable "> 10 ja/nein" ist der Chi²-Test. Sollten weitere Parameter
als Co-Variablen/Kontrollvariablen einbezogen werden, dann gegebenenfalls multiple logistische Regression.

Für den originalen Messwert einfaktorielle Varianzanalyse. Gegebenenfalls kann es hier nützlich (aber nicht
statistisch zwingend erforderlich) sein, den Messwert zu transformieren, wenn es fachlich Sinn ergibt (e.g.
wenn ein Laborwert nicht gleichmäßig größer wird, sondern sich bei Erkrankung potenziert).

Mit freundlichen Grüßen

PoncderStibbons

[bele]

Hi,

zunächst solltest Du überlegen, ob Du das Problem in zwei Teilprobleme unterteilen willst. Geht es um die Frage, ob der Test irgendwas unterscheiden kann, dann erstellst Du eine Kontingenztabelle: Drei Spalten für gesund, A und B und zwei Zeilen, eine für Messwert < 11 und einer für Messwert > 10. Eingetragen wird die Häufigkeit und daraus kann man dann einen Chi-Quadrat-Test oder einen Fisher-Test rechnen.

Vielleicht ist es aber auch von vorneherein sinnvoll das in zwei Teilprobleme zu zerlegen: Kann der Test zwischen gesunden und nicht-gesunden unterscheiden? und Kann der Test bei Kranken zwischen den beiden Krankheiten unterscheiden? Dann würdest Du zwei Kontingenztabellen mit zwei Spalten und zwei Zeilen erstellen und Chi-Quadrat oder Fisher-Test rechnen. Das ergänzt man dann durch eine Odds Ratio (OR) um die geschätzte Stärke des Zusammenhangs zu beschreiben.



Zwei Dinge möchte ich anmerken. Erstens ist es viel effizienter, den Messwert anstelle der Testwertentscheidung anhand des Cutoff zu verwenden. Ich bin selbst Arzt und weiß, dass wir Mediziner anders ticken. Aus Sicht der Mathematik gibt es da aber keinen Zweifel. In diesem Fall würde man dann anstelle der oben genannten Tests eine ANOVA (oder eine lineare Regression) rechnen und anstelle der OR eine ROC-Kurve und dazu eine AUC als Maß des Zusammenhangs angeben.
Zweitens: Man ist in Wirklichkeit nie in der Situation, nur diesen Messwert zu kennen. Man weiß eigentlich immer auch, ob ein Patient alt oder jung ist, ob Mann oder Frau, ob übergewichtig oder nicht, Raucher oder nicht und es ist ein bisschen artifiziell, bei der Auswertung so zu tun, als stünde so ein Testergebnis im Vakuum. Manche Daten stehen einfach immer und quasi kostenlos zur Verfügung. Wie gesagt, ich bin selbst Arzt und ich weiß, dass die Auswertung "im Vakumm" nicht unüblich ist, aber ich kann es hier nicht unerwähnt lassen. Für eine in diesem Sinne vernünftigere Auswertung wäre dann die von Ponderstibbons angesprochene Regressionsrechnung angebracht, wenn natrlich auch deutlich komplizierter.

schauen, ob es einen optimaleren gibt.

ähm,


LG,
Bernhard

[impella99]

Vielen Dank euch zwei für die ausführlichen Antworten und Tipps!

Ich glaube der exakte Fisher-Test war das was ich ursprünglich gesucht habe. Die restlichen Tipps schaue ich mir mal in Ruhe an, versuche sie zu verstehen und anzuwenden!

Viele Grüße und nochmals herzlichen Dank

impella99