selektiver Dropout / Verringerung Attritionseffekt

[Tian]

Liebe Foris,

welche Möglichkeiten habe ich, die Verzerrung von Ergebnissen wegen unterschiedlicher Attritionseffekte zu minimieren? Ich habe zu 3 Messzeitpunkten die Menge des Alkoholkonsums (Intervallskaliert) bei der Interventionsgruppe und der Kontrollgruppe erhoben (erfasst wurde zudem das Alter, Geschlecht und Schulform). Nun habe ich festgestellt, das zum letzten Messzeitpunkt vor allem Menschen aus der Interventionsgruppe mit hohem Alkoholkonsum nicht mehr an der Befragung teilgenommen haben, sowie solche aus der Kontrollgruppe die schon älter waren.
Da durch diese Erkenntnisse meine Berechnungen verzerrt werden, frage ich mich, wie ich nun weiter vorgehen soll. Imputationen machen und so die Verzerrung weg machen oder mittels partieller Regression oder Kovarianzanalyse? Bin gerade etwas ratlos.

[dutchie]

hallo Tian

War das Ganze ein Experiment?
Hast du den Alk verabreicht oder nur nach täglichem Konsum gefragt,
sodas das design eher korrelativ war...

woher weißt du dass die Berechnungen verzerrt sind?
wenn du das weißt, weißt du dann wie alles zu korrelieren hat?
und du bestätigst nur bestehende Forschung.
Hätte man den dropout vorhersagen können..?

Also an sich ist das Thema zu tricky, um irgend was zu raten
das muss gut überlegt sein, wenn du einen Betreuer hast mit dem besprechen.
Wenn das ne BA oder MA wird, auf den dropout hinweisen..auf die verzerrung..
normal rechnen..entsprechend interpretieren..aber eher nicht irgendwie versuchen
an den daten rumbasteln, das kann mehr schaden als nutzen!!

möglichkeiten gäbe es viel...
z.B. Wenn du weißt wer out dropped, eliminiere eine entsprechende Person (ansonsten per random)
aus der anderen Gruppe...
oder mal googln Propensity score (das ist aber dann schon very tricky bis fancy)

gruß
ducthie