Hallo, ich habe eine Kontrollgruppe und eine kranke Gruppe, denen ich verschiedene Behandlungen zukommen lasse. Bei jeder Behandlung nehme ich andere Individuen der Kontroll/kranken Gruppe und auch andere als die von denen ich die Daten für die Kontroll/kranke Gruppe habe. Ich kann die Daten ohne Behandlung auch nicht generieren von den Gruppen, denen ich eine Behandlung zukommen lasse.
So weit ich weiß, müsste ich dann alle zusammen in eine ANOVA für unabhängige Stichproben packen. Das ist natürlich möglich, alle extrem offensichtlichen Unterschiede lassen sich aber so nicht feststellen. Wenn ich immer Kontoll/gesunde Gruppe ohne Behandlung mit Kontroll/gesunde Gruppe mit Behandlung vergleiche (4 Gruppen), müsste ich wohl für alle ANOVAs eine alpha-Fehler Korrektur machen, dann ist auch kein signifikanter Unterschied mehr da.
Gibt es irgend eine akzeptierte Möglichkeit, das einigermaßen korrekt statistisch auszuwerten?
Danke
ganz schnell, da in Eile:
es gibt ein altes und schmutziges Verfahren, das auch noch einen hübschen Namen hat Bernouilli-Verfahren.
Du teilst dein Alpha durch die Anzahl der Tests. Wenn also etwas auf dem 5%-Niveau signifikant sein soll, dann ist es nur dann auf dem 5%-Niveau signifikant, wenn der P-Wert
Hallo,
ich muss zugeben, dass ich keine Ahnung habe, was eine apha-Korrektur ist. Daher kann ich dazu auch nichts sagen.
Aber eine andere Anmerkung: Ich bin mir zwar nicht ganz sicher, ob ich deine Form der Stichprobenbildung verstanden habe, aber für mich klingt das nicht nach unabhängigen Stichproben, da du ja Elemente, die du einmal verwendet hast, bei der nächsten Stichprobenbildung ausschließt. Vielleicht habe ich es aber auch falsch verstanden, dann ignorier meine Anmerkung bitte.
Herzliche Grüße
Andreas
Danke, aber mit Alpha-Fehler Korrektur meinte ich genau dieses Teilen des Signifikanzniveaus durch die Anzahl der Tests.
Ich habe 7 Tests, dass macht eine p Wert von 0.007 und da ist dann nichts mehr „signifikant“
aber haarscharf vorbei. Damit kannst du ja argumentieren. Es setzt sich in veien Disziplinen drcuh, neben den Signifikanzen auch die Effektstärke im Sinne von Cohen zu interpretieren. Berichte doch das eta-Quadrat, das sollte ja recht ansehnlich sein; dabei kenne ich keine Ansatz, Korrekturen vornehmen zu müssen.
VG, Walter.
Danke, aber mit Alpha-Fehler Korrektur meinte ich genau dieses
Teilen des Signifikanzniveaus durch die Anzahl der Tests.
Ich habe 7 Tests, dass macht eine p Wert von 0.007 und da ist
dann nichts mehr „signifikant“
Hallo Andreas,
mmm… nö… ich denke nicht, dass die Stichproben abhängig sind. Ich schließe nichts aus, die sind einfach nicht mehr da. Es geht um Zellen, die ich nur einmal mit einer Methode messen kann, dann sind sie kaputt. Bei der nächsten Messung muss ich andere Zellen nehmen. Ist das trotzdem abhängig?
Danke und Grüße
Klingt gut, ich schau mir das mal an.
Vielen Dank
Hi,
Mal sehen, ob ich das setting verstanden habe: Wir haben eine gesunde Gruppe und eine kranke Gruppe. Jetzt hast Du eine Behandlung (nehmen wir uns mal eine zur Zeit vor), die wendest Du jetzt auf einen teil der kranken und einen Teil der gesunden an, so dass Du am Ende vier Gruppen hast (gesund/unbehandelt, krank/unbehandelt, gesund/behandelt, krank/behandelt).
Ich nehme an, Du bist primär am Effekt der Behandlung bei Kranken interessiert und nicht am Haupteffekt der Behandlung (soll heißen, wenn es den Gesunden zwar wesentlich besser gehen würde, den Kranken aber nicht, bist Du daran eher nicht interessiert); das macht eine ANOVA nicht so interessant in diesem Fall.
Das erste, was ich machen würde, ein Test nur innerhalb der Kranken behandelt gegen nicht behandelt. Der nächste interessante Paarvergleich ist dann behandelt/krank gegen nichtbehandelt/gesund, um festzustellen, ob Dein Treatment wieder den Status der Gesunden herstellt. Erst in dritter Linie würde ich jetzt eine ANOVA interessant finden, um festzustellen, ob es einen Interaktionseffekt gibt, d.h. ob kranke mehr von der Behandlung profitieren als gesunde; wenn das nicht der Fall ist, ist die Behandlung immer noch cool, aber mehr ein allgemeiner Lage-Verbesserer als eine Heilung.
Das ganze Verfahren kannst Du mit jeder Behandlung separat durchführen. Wenn Du dabei nur hin und wieder signifikante Ergebnisse bekommst, ist eine Bonferonni-Alpha-Korrektur vernünftig, um zu sehen, ob die Behandlungen insgesamt als Block besser sind als keine Behandlungen; über die individuellen Behandlungen sagt das dann aber nichts mehr aus.
Solltest Du das Gefühl haben, dass ein Effekt da sein müsste, sich aber nicht signifikant zeigt, komm damit noch mal zurück; dann kann man beginnen zu überlegen, ob vielleicht mächtigere Statistik-Verfahren (z.B. Classifier) nötig sind, um den Effekt nachzuweisen.
Gruß,
Timo von Oertzen
Hallo,
leider kann ich bei diesem Anliegen nicht weiterhelfen.
Viel Erfolg!
Sorry, aber da kann ich leider nicht weiter helfen. Gruß Robert
Hallo fähebrd,
ich bin mich nicht sicher, ob ich das Design Deiner Studie richtig verstanden habe.
Ich fasse mal zusammen: Du hast 8 Gruppen, je vier kranke und gesunde Gruppen, mit den vier verschiedene Behandlungen durchgeführt wurden. Es ergibt sich ein 2 x 4 Design (Patientenstatus x Behandlung).
------------------- Patientenstatus
------------------- gesund krank
Behandlung #1 – A1 – A2 –
Behandlung #2 – B1 – B2 –
Behandlung #3 – C1 – C2 –
Behandlung #4 – D1 – D2 –
Ist dies wirlich das Design Deiner Studie? Dann würde ich Dir raten, die gemeinsam erhobenen Daten auch gemeinsam in einer zweifaktoriellen Varianzanalyse zu analysieren. (Ich setze mal voraus, dass die abhängige Variable normalverteilt, metrisch skaliert und homoskedastisch ist.) Die genaue Ausprägung von Haupt- und Interaktionseffekten des vierstufigen Faktors Behandlungstyp könntest Du dann mit einem post-hoc-Test oder (besser) mit geplanten Vergleichen analysieren.
Ich hoffe, diese Anregung bringt Dich etwas weiter.
Viele Grüße,
Kutya
keine ahnung, sorry!
Hi,
So weit ich weiß, müsste ich dann alle zusammen in eine ANOVA
für unabhängige Stichproben packen. Das ist natürlich möglich,
alle extrem offensichtlichen Unterschiede lassen sich aber so
nicht feststellen.
Vermutlich verwendest du einen Glibaltest (F-test), der dann tatsächlich auch nur auf Unterschiede irgendeiner Kombination von den Gruppen testet.
Wenn ich immer Kontoll/gesunde Gruppe ohne
Behandlung mit Kontroll/gesunde Gruppe mit Behandlung
vergleiche (4 Gruppen), müsste ich wohl für alle ANOVAs eine
alpha-Fehler Korrektur machen, dann ist auch kein
signifikanter Unterschied mehr da.
Korrekt. Da ss dann nichts mehr rauskommt kann passieren. Dann ist das n zu klein, der test hat nicht genug power, die Unterscheide nicht groß genug oder die Varianz zu groß.
Bessere Verfahren zur Korrektur sind bonferroni-holm, Sidak oder Tukey (für all pairwise comparisons).
Viele Grüße,
JPL