ich habe eine Studie mit Alkoholabhängigen gemacht, hab die Daten nun vollständig und bin mir nicht sicher, wie ich sie am besten auswerte. Ich hoffe, ihr könnt mir helfen.
Es gibt 4 Gruppen, 3 Versuchsgruppen und eine Kontrollgruppe. Die 3 Gruppen haben jeweils ein kurzes Treatment bekommen, es wurden jeweils vor und nach dem Treatment zwei Fragebögen ausgefüllt, um den Suchtdruck/Craving zu erfassen. In der Kontrollgruppe, welche kein Treatment bekam, wurden demnach pro Sitzung nur einmal beide Bögen ausgefüllt.
Dieses Prozedere wurde 6 Mal wiederholt.
Das heisst, man hat 6 Messzeitpunkte mit jeweils prä- und posttest (--> insgesamt 12 Messungen pro Person). Was interessant ist, ist eher der Unterschied von prä zu post, da aufgrund der Theorie ein recht kurzfristiger Effekt angenommen wird und evtl, wie sich dieser Unterschied im Verlauf verändert. Was aber zwischen den Sitzungen passiert, ist recht egal.
Nun habe ich das Problem, dass, wenn jemand rückfällig wurde, er aus der Studie ausgeschlossen wurde und ich sowieso wahnsinnig kleine Stichproben habe (Pro Gruppe 8-9 Leute). Es ist also nur der erste Messzeitpunkt komplett, danach sind schon die ersten rausgefallen.
Ich habe folgendes versucht:
Mixed Design Varianzanalyse:
2 InnersubjektFaktoren: Messzeitpunkt (1-6) und Testzeitpunkt (prä-post). Ausprägung Craving ist AV.
1 Zwischensubjektfaktor: Gruppe (1-4).
Die Ausgabe ist verheerend unübersichtlich (ähnlich wie der Salat in meinem Hirn
!). Soweit ich sehe, ist das einzig signifikante hier der Effekt des Messzeitpunktes bei den Innersubjekteffekten. Das bedeutet doch, dass unabhängig von prä-post UND von der Gruppenzugehörigkeit der Messzeitpunkt einen Einfluss auf das Craving hat, oder? Ist ein solches Design überhaupt sinnvoll?
Gut, dann dachte ich, es ist evtl einfacher, 6X die Differenz Prä-Post zu nehmen und eine multiple Varianzanalyse zu rechnen.
Also UV= Gruppe, 6 AVs = Differenz 1-6.
Die Ergebnisse zeigen mal wieder kein signifikantes Ergebnis, außer in der Tabelle "Tests der Zwischensubjekteffekte" bei Gruppe zum ersten Messzeitpunkt. In Graphiken scheint dieses Ergebnis nachvollziehbar: die Differenzen sind ziemlich groß zwischen den Gruppen bei der ersten Messung, bei allen folgenden sind sie nahe beieinander.
Das bedeutet aber, dass das Treatment an sich keinen signifikanten Effekt hat, sondern nur der Unterschied zwischen den Gruppen signifikant groß ist, richtig? Ein t-test in den beiden Gruppen, die den Unterschied ausmachten, war jedenfalls nicht signifikant.
Um den Effekt zu überprüfen, habe ich nur für den ersten Messzeitpunkt eine ANOVA mit Messwiederholung prä-post 1 und Gruppe als Zwischensubjektfaktor gerechnet. Es kam ebenso heraus, dass Messzeitpunkt*Gruppe signifikant wird.
Ich versuche jetzt mal konkrete Fragen zu formulieren:
Zu SPSS:
- SPSS nimmt zur Berechnung nur die Daten der Personen, die bis zuletzt an der Studie teilgenommen haben. Um alle Daten einzuschließen, müsste ich 6 einzelne Tests rechnen, somit kumuliert aber der alpha-Fehler. Was mache ich?
- Die Kontrollgruppe wird in die Berechnung nicht mit aufgenommen, da sie nur einen Test pro Sitzung ausgefüllt hat. Klar, damit lässt sich ja keine Differenz berechnen. Aber selbst, wenn ich nur die Prä-tests nehme, lässt er diese Gruppe aus, weiss jemand von euch, warum?
Zur Methode:
Ist es sinnvoll ein super kompliziertes Design zu wählen und alle prä-posts und evtl beide Fragebögen etc reinzupacken, "nur" um alphafehler zu vermeiden? Oder kann man mehrere Tests rechnen und die Differenz prä-post benutzen? Niveau anpassen?
Ich hoffe, ihr versteht, was mein Problem ist und den Aufbau der Studie ! Bin für jede Hilfe dankbar
!Grüße, Julia
... rechnen.