STATISTIK-FORUM.de

[fockt]

Hallo,
bin leider absoluter Anfänger,bitte daher eher etwas "einfacher" antworten. Vielen Dank schoneinmal.

Das Problem - (vielleicht ist es ja auch keins):

Ich habe 3 Gruppen A, B, C die je eine andere Therapie bekommen haben nachdem ein Laborwert X bestimmt wurde. Dieser Laborwert muss aber nicht der ausschlaggebende Punkt für die Gruppeneinteilung gewesen sein (dafür kommen auch andere Faktoren in Frage).
Die Gruppen haben völlig verschieden Fallzahlen n A=9, B=16, C=129.
Wenn eine einfaktorielle ANOVA mache sagt er mir eine hochsignifikante H0 Wiederlegung an.
Posthoch Analyse mit Scheffe oder Bonferroni zeigt mir das A und B zueinder gleich sind, aber A und B jeweils zu C hochsignifikant unterschiedlich.

SPSS merkt an, dass samples nicht gleich sind und daher Fehler 1. Ord. nicht ausgeschlossen werden kann.
Wie kann ich nun feststellen ob eine ANOVA mit meinen Fallzahlen zulässig ist, oder was wäre besser geeignet?

Kruskal Wallis Test ist vielleicht robuster bei so kleinen Gruppen, aber da kann ich ja nicht die Posthoc Analyse machen.
Nachtrag...der Wert X ist nicht normalverteilt.

Vielen Dank
Gruß
chris

[PonderStibbons]

Posthoch Analyse mit Scheffe oder Bonferroni zeigt mir das A und B zueinder gleich sind,

Die korrekte Formulierung ist, dass die Nullhypothese bei diesem Vergleich nicht verworfen werden kann. Fehlender Nachweis von Ungleichheit ist in der Inferenzstatistik nicht Nachweis von Gleichheit, insbesondere bei sehr kleinen Fallzahlen.

SPSS merkt an, dass samples nicht gleich sind und daher Fehler 1. Ord. nicht ausgeschlossen werden kann.

Kannst Du die präzise Formulierung posten? Fehler erster Ordnung können niemals ausgeschlossen werden, daher ist die Formulierung tendenziell unsinnig.

Speziell können ungleiche samples unter Umständen das Risiko eines Fehlers erhöhen, nämlich dann, wenn zugleich die Streuungen der Gruppen sehr unterschielich sind. Wenn die größeren Streuungen in den Zellen mit den kleineren Falzahlen auftreten, erhöht sich das Risiko von Fehlern 1. Art. Wenn die größeren Streuungen in den Zellen mit größerem n vorkommen, erhöht sich hingegen das Risiko von Fehlern 2. Art.

Wie kann ich nun feststellen ob eine ANOVA mit meinen Fallzahlen zulässig ist, oder was wäre besser geeignet?

Schau Dir erst einmal Varianzhomogenität an (Levene Test).

Nachtrag...der Wert X ist nicht normalverteilt.

Irrelevant. In einer ANOVA sollen nicht die Ausgangsvariablen "normalverteilt sein" (aus einer normalverteilten Grundgesamtheit stammen), sondern die Vorhersagefehler (Residuen). Und auch das ist nur bei kleineren Stichproben von Interesse, Deine ist hingegen schon vergleichsweise umfangreich.

Gruß

P.
---
Gottseidank...Kanon für 36

[fockt]

Danke für die Antwort.

bzgl. der SPSS Bemerkung:
Means for groups in homogeneous subsets are displayed.
b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
a. Uses Harmonic Mean Sample Size = 16,541.

Das zeigt mir der Scheffe Test bei SPSS als Zusatznote an.

Laut Levene Test ist meine Variable innerhalb der Gruppe nicht homogen.

Das Problem mit den Residuen. Ich kann mir die Residuen zwar wunderbaranzeigen lassen, aber wie ich die auf Normalverteilung testen kann weiss ich nicht.
Einfach alle als neue Variable und KS Test oder gibt es da einen eleganteren Weg?

Die ANOVA mit Posthoc wär schön und eleganter wenn ich sie machen könnte.
Plan B wäre Kruskal Wallis Test und dann multiples Testen mit Mann Whitney TEst bei angepasstem Signifikanzniveau p*2 (Bonferoni Korrektur).
Ist das eine Option?

Danke und Gruß

[PonderStibbons]

Einfach alle als neue Variable und KS Test oder gibt es da einen eleganteren Weg?

Wie bereits gesagt stellt Normalverteilung bei der gegebenen Stichprobengröße kein Thema dar, aber wenn Du es machen willst, dann in der Tat über abspeichern/testen.

Plan B wäre Kruskal Wallis Test und dann multiples Testen mit Mann Whitney TEst bei angepasstem Signifikanzniveau p*2 (Bonferoni Korrektur).

Die ONEWAY Prozedur in SPSS hat meines Wissens Abwandlungen für ungleiche Varianzen (Brown-Forsythe und Welch) sowie einen post-hoc Test für ungleiche Varianzen (Games-Howell). Bonferroni ist nebenbei eine Korrektur des Typs: neues alpha = altes alpha / Anzahl Tests, also hier mit 5%/3 .


Gruß

P.
---
Gottseidank...Kanon für 36

[fockt]

Alles klar!

Danke für die Tips mit der robusten Oneway.

Werde es bzw. habe es konservativ gemacht und natürlich mit p/n.

Gruß und Danke soweit.