STATISTIK-FORUM.de

[laurence]

Hallo zusammen

Ich analysiere einen Fragebogen über die Appetitregulation in Kindern genauer und schaue ob es eine signifikante Different zwischen meinen 2 Gruppen (männlich, weiblich) gibt.
Mein Fragebogen besteht aus 18 Fragen und bei jeder Frage besteht die Antwortmöglichkeit aus einem 5-point Likert scale (never, rarely, sometimes, often, very often). Die Antwortmöglichkeiten wurden folgendermassen kodiert: Never=1, Rarely=2, Sometimes=3, often=4, very often=5. Innerhalb dieses Fragebogen gibt es 4 Subgruppen: 4 Fragen gehören zur Gruppe1 (Sättigungsgefühl), 4 Fragen zur Gruppe2 (Freude am Essen), 4 Fragen zur Gruppe3 (Geschwindigkeit der Nahrungsaufnahme), 6 Fragen zur Gruppe4 (genereller Appetit). Die statistische Frage lautet nun wie folgt: Gibt es innerhalb dieser 4 subgruppen einen signfikanten Unterschied zwischen Männer und Frauen, also zum Beipiel haben Frauen mehr Freude am Essen als Männer (Antwort auf Subgruppe2)?
Mein Outcome ist somit binär (weiblich, männlich). Soweit so gut. Num komme ich aber nicht mehr weiter. Was ist hier die beste statistische Methode zum Analysieren dieser Fragestellung?
1. Ist es am einfachsten wenn ich pro Subgruppe den Median berechne und diesen sozusagen als Cut-off verwende? Das heisst zum Beispiel, wenn höher als der Median dann heisst dies eine grössere Freude am Essen und wenn tiefer dann eine niedrigere Freude am Essen?

2. Sollte ich eine ordinale logistische Regression anwenden? Wie kann ich dann aber zum Schluss sagen welche Gruppe eine höhere resp. tiefere Freude am Essen hat? Und ob dieser Unterschied signifikant unterschiedlich ist?


Ich bin euch echt dankbar für eure HIlfe! Denn ich weiss echt nicht mehr weiter.
Danke, Danke!

[strukturmarionette]

Hi,

vielleicht verwechselst Du etwas:

- Es handelt sich nicht um vier Subgruppen im Fragebogen, sonder um vier Subskalen, die jeweils etwas anderes messen sollen.
- Die Subgruppen bzw. Teilstichproben, zwischen denen jeweils Differenzen aufgedeckt werden sollen, sind männl. vs. weibl. (je Subskala).
- Männl. vs. weibl. ist klein binärer Output, sondern es handelt sich um eine kategoriale UV mit zwei Ausprägungen.

S.

[PonderStibbons]

Auf die vorstehende Antwort aufbauend:
Du summierst also die Antworten auf die Items derselben Subskala (e.g. die 4 Items zu "Sättigung")
-- dabei darauf achten, ob fehlende Antworten bei einzelnen Items auftreten -- und vergleichst dann
zwischen Männern und Frauen, ob dieser Summenwert unterschiedlich hoch ist. Am einfachsten
mit einem Mann-Whitney U-Test (bzw. Wilcoxon Rangsummentest).

Mit freundlichen Grüßen

P.

[laurence]

Hi,
Vielen, vielen Dank fuer eure schnelle Hilfe. Drei kleine Fragen haette ich aber noch:

1. Wuerde ein Chi-Square Test auch funktionieren?

2. Bei diesem Test kann ich dann zwar sagen, ob sich meine zwei Gruppem signfikant unterscheiden. Aber wie finde ich dann heraus, in welche Richtung es geht, d.h welche Gruppe eine hohere bzw. tiefere Saettigung hat?

3. Zu einem spaeteren Zeitpunkt moechte in meinem Modell fuer potenzielle "Confounders" wie beispielsweise soziooekonomischer Status korrigieren. Welches Modell kann ich dann nehmen?

Vielen, vielen Dank fuer eure Hilfe. Langsam faengt die Statstik echt an Spass zu machen.

[PonderStibbons]

1. Wuerde ein Chi-Square Test auch funktionieren?

Nicht mit den Summenscores. Da müsstest Du die Summenscores erst kategorisieren (zum Beispiel in hoch versus niedrig).
Das wäre aber eine immense Verschwendung von statistischen Informationen und ist daher nicht zu empfehlen.

Bei diesem Test kann ich dann zwar sagen, ob sich meine zwei Gruppem signfikant unterscheiden. Aber wie finde ich dann heraus, in welche Richtung es geht, d.h welche Gruppe eine hohere bzw. tiefere Saettigung hat?

Bei den meisten Statistikprogrammen ist im Testergebnis ablesbar, welche Gruppe höher liegt
(zum Beispiel, welche die höhere Rangsumme hat). Oder Du siehst Dir in der
Deskriptivstatistik an, welche Gruppe den höheren Mittelwert bw. den höheren Median hat.

Zu einem spaeteren Zeitpunkt moechte in meinem Modell fuer potenzielle "Confounders" wie beispielsweise soziooekonomischer Status korrigieren. Welches Modell kann ich dann nehmen?

Das kommt darauf an, welches Skalenniveau für die Summen-Scores angenommen wird.
Da gibt es unterschiedliche Auffassungen. Nimmt man an, dass die Summenscores
Intervallskalenniveau haben (und nicht nur ordinales Niveau), kann man an Varianzanalyen,
Kovarianzanalysen oder multiple lineare Regressionen denken. Nimmt man nur ordinales
Niveau an, wird es etwas umständlicher.

Mit freundlichen Grüßen

P.