STATISTIK-FORUM.de

[MOW78]

Hallo,

stark vereinfacht lässt sich mein Problem wie folgt beschreiben:

Ich habe 10 ordinale Merkmale (AV) bei 100 Personen mit Behinderung beobachtet.
Nun möchte ich wissen wie sich deren Alter (Jung, Alt), Geschlecht (m, w) und Behinderungsgrad (Grad 1, Grad 2, Grad 3) auf jedes dieser 10 Merkmale auswirkt.
Ich würde dementsprechend 10 ordinal logistische Regressionen (alpha a priori bei .05) mit GZLM rechnen (sehr flexibel da hier automatisch Mehrfachvergleiche angeboten werden und man keine Dummy-Kodierung für den Vergleich der Behinderungsgrade vornehmen muss).
Wo ich gedanklich hänge, ist das Problem der alpha-Fehler Inflation. Innerhalb eines Regressionsmodells bietet mir GZLM zwar die Möglichkeit, die Mehrfachvergleiche zwischen Grad 1, 2 und 3 mittels Bonferroni-Holm automatisch zu korrigieren;
im Endeffekt teste ich aber doch für jedes der 10 Regressionsmodelle 5 Hypothesen (Alter, Geschlecht, Grad 1 vs Grad 2, Grad 2 vs Grad 3, Grad 1 vs Grad 3), also insgesamt 10 Modelle * 5 Prädiktoren=50 Hypothesen auf ein und demselben Datensatz. Damit ist die Gefahr der falschen Hypothesenentscheidung doch um ein vielfaches höher und die "Inner-Modell" Korrektur bei weitem nicht hinreichend, oder?
Wenn ja fällt mir aktuell nichts anderes ein, als alle 50 Prädiktoren/Hypothesentests aufsteigend nach ihrem p-wert in einer Liste zu sortieren und sie dann händig mittels Bonferroni-Holm anzupassen.
Wäre super, wenn jemand von Euch dazu etwas einfällt.

Vielen Dank und Grüße, M.