STATISTIK-FORUM.de

[LSDS]

Hallo,

mein Ziel ist es, bei einer Studie herauszufinden, ob es Veränderungen zwischen den Gruppen über die Zeit hinweg gibt. Neben dem Interatkionseffekt interessieren mich entsprechend die beiden Haupteffekt ,,group'' und ,,time''.

Ich habe 3 Gruppen (2 Interventionsgruppen, eine Kontrollgruppe) und zwei Messzeitpunkte zu einer metrischen Variable X (t0 und t1).

Fallbeschreibung zu meiner Frage:
Die metrische Variable X ist lediglich für t1 nicht normalverteilt (für t0 ist sie normalverteilt). Durch log-Transformation kann ich eine NV für t1 herbeiführen.
Die Ergebnisse mit und ohne tansformierter Variable führen zu unterschiedlichen Ergebnissen: Ohne Transformation resultiert lediglich eine Signifikanz der metrischen Variable X hinsichtlich der unterschiedlichen Zeitpunkte (Zeiteffekt). Mit Transformation resultiert eine Signifikanz hinsichtlich der Interaktion zwischen der Gruppen und Zeit auf der Basis der metrischen Variabe X (Interatkionseffekt).

Frage 1: Muss ich nun auch die Variable t0 entsprechend logarithmieren, obwohl diese normalverteilt ist?
Frage 2: Welche Ergebnisinterpretation kann ich verwenden?

Ich freue mich über eine Antwort!
LSDS

[PonderStibbons]

mein Ziel ist es, bei einer Studie herauszufinden, ob es Veränderungen zwischen den Gruppen über die Zeit hinweg gibt. Neben dem Interatkionseffekt interessieren mich entsprechend die beiden Haupteffekt ,,group'' und ,,time''.

Verstehe ich leider nicht ganz. Was heißt "Veränderungen zwischen den Gruppen über die Zeit" - ob der Unterschied zwischen den Gruppen sich
mit der Zeit verändert? In dem Fall interessiert nur die Interaktion. Sollte diese sich zeigen, sind die beiden Haupteffekte auch nicht mehr einfach
interpretierbar.

Ich habe 3 Gruppen (2 Interventionsgruppen, eine Kontrollgruppe) und zwei Messzeitpunkte zu einer metrischen Variable X (t0 und t1).

Interessant wäre an sich eine konkrete Beschreibung von Thema, Fragestellung, abhängiger Variable und ihrer Messung, Stichprobengröße.
Und ob die Gruppenzuweisung randomisiert erfolgte. Ich würde nebenbei vorschlagen, die abhängige Variable wie üblich y oder AV zu nennen,
nicht X.

Die metrische Variable X ist lediglich für t1 nicht normalverteilt (für t0 ist sie normalverteilt).

Ob die abhängige Variable normalverteilt ist, ist für Varianzanalysen uninteressant.

Frage 1: Muss ich nun auch die Variable t0 entsprechend logarithmieren, obwohl diese normalverteilt ist?

Du hast eine einzelne abhängige Variable, und diese wird zweimal gemessen. Du kannst nicht
diese Variable zu einem Zeitpunkt per Logarithmierung zusammenstauchen und zu dem anderen
Zeitpunkt nicht. Das verändert zwangsläufig den Mittelwertunterschied zwischen den Zeitpunkten,
ohne dass es irgendeine substanzielle Bedeutung hat. Wobei es ohnehin noch keine erkennbare
Begründung gibt, hier irgendwas zu transformieren.

Mit freundlichen Grüßen

PonderStibbons

[LSDS]

Hallo PonderStibbons,

erst einmal vielen Dank für die schnelle Antwort!

Verstehe ich leider nicht ganz. Was heißt "Veränderungen zwischen den Gruppen über die Zeit" - ob der Unterschied zwischen den Gruppen sich
mit der Zeit verändert? In dem Fall interessiert nur die Interaktion. Sollte diese sich zeigen, sind die beiden Haupteffekte auch nicht mehr einfach
interpretierbar.

Ich möchte wissen, ob sich der Parameter zwischen den Gruppen über die Zeit hinweg unterscheiden. Also verändern sich die Werte von t0 zu t1 unterschiedlich zwischen den Gruppen? Daher habe ich mich für eine Mixed ANOVA entschieden. Oder würdest du eine ANCOVA mit t0-Wert als Kovariate empfehlen? Aber da ist ja eigentlich die Fragestellung anders...

Interessant wäre an sich eine konkrete Beschreibung von Thema, Fragestellung, abhängiger Variable und ihrer Messung, Stichprobengröße.
Und ob die Gruppenzuweisung randomisiert erfolgte. Ich würde nebenbei vorschlagen, die abhängige Variable wie üblich y oder AV zu nennen,
nicht X.

30 Patienten wurden randomisiert in 3 Gruppen aufgeteilt (2 Interventionsgruppen, eine Kontrollgruppe). Es wurden unterschiedliche Parameter, wie z.B. das Gewicht, erhoben. Hierzu wurde das Gewicht für jeden Patienten zu t0 und t1 gemessen.

Ob die abhängige Variable normalverteilt ist, ist für Varianzanalysen uninteressant.

Sorry...Hinsichtlich der NV war ich heute Nachmittag etwas auf dem ,,Schlauch'' gestanden. Das ist natürlich richtig, da brauche ich ja gar keine NV für die AV.

Allerdings ist jetzt noch eine Frage aufgekommen. Ich habe teilweise 4 Ausreißer in den Gruppen. Da es keine Messfehler etc. sind, möchte ich sie aufgrund der kleinen Stichprobe beibehalten. Die meisten parametrischen Statistiken sind ja nur wenig robust gegenüber Ausreißern...Aber eine nicht-parametrische Alternative gibt es ja für die Mixed Anova auch nicht...Wie würdest du damit umgehen?

Sorry für die vielen Fragen!

Vielen Dank!
Mit freundlichen Grüßen
LSDS

[PonderStibbons]

Ich möchte wissen, ob sich der Parameter zwischen den Gruppen über die Zeit hinweg unterscheiden. Also verändern sich die Werte von t0 zu t1 unterschiedlich zwischen den Gruppen?

Das wird durch die Interaktion dargestellt. Daher war es unverständlich zu lesen,
es würde "entsprechend die beiden Haupteffekte interessieren". Die interessieren
bei der Frage ja gerade nicht.

Allerdings ist jetzt noch eine Frage aufgekommen. Ich habe teilweise 4 Ausreißer in den Gruppen. Da es keine Messfehler etc. sind, möchte ich sie aufgrund der kleinen Stichprobe beibehalten.

Die solltest Du auch bei großen Stichproben beibehalten.

Aber eine nicht-parametrische Alternative gibt es ja für die Mixed Anova auch nicht...Wie würdest du damit umgehen?

Was wäre das, "Ausreißer" (oder gar gleich 4) bei gerade mal n=10 pro Gruppe?

Mit freundlichen Grüßen

PonderStibbons

[LSDS]

Was wäre das, "Ausreißer" (oder gar gleich 4) bei gerade mal n=10 pro Gruppe?

Ich habe für eine Variable, z.B. das Gewicht, in jeder der 3 Gruppen einen Ausreißer. Jetzt ist meine Frage, ob ich trotzdem die Mixed ANOVA rechnen kann, obwohl sie ja wenig robust ggü. Ausreißern ist oder, ob es eine nicht-parametrische Alternative hierzu gibt?

Besten Dank.

LSDS

[PonderStibbons]

Nein, sowas gibt es nicht.
Ich würde "Ausreißer" nicht herausnehmen, normalerweise gehören sie dazu.
Und für die Interaktionstestung und den Zeitpunkt-Effekt interessieren die Veränderungen, nicht die
Werte an sich.

Eine krude Methode wäre, die individuellen Differenzwerte zu berechnen und per Kruskal-Wallis Test
zwischen den Gruppen zu vergleichen. Der Kruskal-Walis behandelt diese abhängige Variable dann
allerdings als ordinalskaliert.

Mit freundlichen Grüßen

PonderStibbons