STATISTIK-FORUM.de

[jessr]

Hallo ihr lieben,

Ich bräuchte eure Hilfe. Ich glaube, das Problem ist relativ simpel, aber ich komm irgendwie nicht selber drauf.

Und zwar geht es um das geeignete Verfahren für meine Daten:

Kurzum: N =7, also relativ klein, es ging um ein bestimmtes Training, das 27 Mal gemacht wurde, ich habe gemittelte Daten für 5 Zeitpunkte (gemittelt heißt, dass Training 2 und 3 zb. gemittelt wurde).

Pro Training wurden 4 Blocks (à 40 Durchgänge) durchlaufen, in drei bekam man Feedback, in einem nicht. Diese zwei Bedingungen werden getrennt betrachtet, da ich das nicht gewichten kann.
Nehmen wir jetzt also zb. die Feedback Bedingung: Die Probanden sollten 3x40Trials durchlaufen, in der Hälfte sollten sie negativieren, in der anderen positivieren (ist eigentlich egal was das heißt). Ich möchte jetzt über die fünf Zeitpunkte schauen, ob sich Veränderungen bzgl. der Negativierung bzw der Positivierung ergeben haben, also ob sich die Werte vergrößert/verkleinert haben. Und zusätzlich noch ob sich pro Zeitpunkt die Werte für Neg. und Pos. unterscheiden (es wäre zb schlecht, wenn die Werte von Pos. und Neg über die Zeit ansteigen würden, der eine Wert sollte sich immer gegensätzlich vom anden entwickeln).

Nun habe ich die Daten auf NV geprüft und es ist immer mind. ein Datensatz dabei der nicht NV ist, zb. bei Feedback der vom 5. Messzeitpunkt sowohl in der Pos. als auch in der Neg. Bedingung. Das heißt, parametrische Verfahren fallen weg, oder? (zumal die SP einfach verdammt klein ist, kann man damit überhaupt guten Gewissens parametrische Tests laufen lassen?).

Also nonparametrische Verfahren oder?

Jetzt hab ich da mal einen Friedman Test drüber laufen lassen, also für Feedback Neg. Und da kam was signifikantes raus. DAnn hab ich einen Wilcoxon Sign Ranked Test durchgeführt um zu sehen wo der Unterschied liegt und noch ein Verfahren, das in Andy Fields Buch (Discovering Statistic using SPSS) aufgeführt ist. Und da komm ich auf keine sign. Ergebnis, nirgends... Das kann doch nicht seiN??? Wieso ist der Friedman Test sign. und bei den post hoc Tests kommt nirgendwo was signifikantes raus?

Oder ist das Verfahren eigtl gar nicht geeignet dafür?

[PonderStibbons]

Also nonparametrische Verfahren oder?

Die sind zumindest robust.

Jetzt hab ich da mal einen Friedman Test drüber laufen lassen, also für Feedback Neg. Und da kam was signifikantes raus. DAnn hab ich einen Wilcoxon Sign Ranked Test durchgeführt um zu sehen wo der Unterschied liegt und noch ein Verfahren, das in Andy Fields Buch (Discovering Statistic using SPSS) aufgeführt ist. Und da komm ich auf keine sign. Ergebnis, nirgends...

Was heißt das, Ergebnis beim Friedman Test p=0,0499, bei den anderen Verfahren
p=0,0501?

Das kann doch nicht seiN???

Doch sicher, kann vorkommen. Wobei ich "noch ein Verfahren, das in
Andy Fields Buch steht" leider nicht beurteilen kann.

Wieso ist der Friedman Test sign. und bei den post hoc Tests kommt nirgendwo was signifikantes raus?

Hast Du das nun als post-hoc Tests gerechnet ohne Korrektur wegen
multiplen Testens, oder einfach als unkorrigierte paarweise Vergleiche?

Mit freundlichen Grüßen

P.

[jessr]

Okay, dann steht zumindest die Entscheidung: nonparametrische Verfahren. Kann ich das auch so begründen, dass eine Stichprobe mit 7 Personen einfach sonst auch zu klein wäre?

Zum Bsp. das eine Friedman Ergebnis:
(mean rank)

t1: 3,00
t2: 4,14
t3: 3,86
t4: 2,00
t5: 2,00

Chi-Square: 11,314
exact sign: 0,016

Der Test aus dem Buch geht so: z-Wert ermitteln von (alpha/(k(k-1)) was in meinem Fall mit k =5 -> z von (0,05/20), und das wiederrum ist 0,0025 -> z Wert: 2,81

dann wird das multipliziert mit: Wurzel aus((k(k+1))/6N), was wiederum die Wurzel aus (5*6)/6*7 ist -> 0,84515

Das multipliziert mit 2,81 ergbit dann 2,375. Und dann besagt der Test/das Buch, dass ich die Mean Rank Vergleiche mit diesem Wert vergleichen soll.

Zum Beispiel: |t5-t1| ) = |2,00 - 3,00| = 1,00 < 2,375, also nicht sign.

Wenn man sich die Daten aber mal anschaut, dann niemals ein Wert größer oder gleich der 2,375 rauskommen, weil die größte Differenz die zwischen t2 und t4 oder t5 mit 2,14 wäre.

Beim Wilcoxon Sign Ranked Test hab ich eine Korrektur wegen multiplen Tests durchgeführt (alpha durch die Anzahl der Tests, die ich gemacht habe, oder?). Kam auch nix signifikantes raus:

Wenn ich zum Bsp. vier Tests durchführe, also vier Mal 2 Zeitpunkte vergleiche, wäre mein neues Sign. Niveau ja 0,05/4 = 0,0125

Das niedrigste Sign. beim WSRT ist dann aber 0,018.

Ist denn die Friedman ANOVA überhaupt das richtige Mittel?

[PonderStibbons]

Okay, dann steht zumindest die Entscheidung: nonparametrische Verfahren. Kann ich das auch so begründen, dass eine Stichprobe mit 7 Personen einfach sonst auch zu klein wäre?

Eine derart kleine Fallzahl ist jedenfalls ein stichhaltiges Argument.

Der Test aus dem Buch geht so: z-Wert ermitteln von (alpha/(k(k-1))
was in meinem Fall mit k =5 -> z von (0,05/20), und das wiederrum ist 0,0025 -> z Wert: 2,81
dann wird das multipliziert mit: Wurzel aus((k(k+1))/6N), was wiederum die Wurzel aus (5*6)/6*7 ist -> 0,84515
Das multipliziert mit 2,81 ergbit dann 2,375. Und dann besagt der Test/das Buch, dass ich die Mean Rank Vergleiche mit diesem Wert vergleichen soll.

Die Prozedur berücksichtigt, dass bei vielen Testungen die Gefahr falsch-positiver
Resultate wachsen könnte und setzt daher ein strengere Hürde für ein "signifikantes"
Ergebnis an. Das kann dazu führen, dass ein globaler Test "signifikant" wird, aber kein
Einzelvergleich die strenge Hürde nimmt. Dito beim Wilcoxon mit korrigiertem
Signifikanzniveau.

Ist denn die Friedman ANOVA überhaupt das richtige Mittel?

Wenn dieselbe Personengruppe mehrfach gemessen wurde und man die
Messungen vergleichen möchte, dann ist Friedman geeignet.

Mit freundlichen Grüßen

P.