Bitte um Hilfe bei Auswahl des passenden H-Tests

[data_sky]

Liebes Forum,

ich hoffe ich bin hier richtig und ihr könnt/ wollt mir helfen

Eine Bekannte von mir schreibt derzeit ihre Masterarbeit und hat von Statistik wenig bis keine Ahnung. Leider sind auch ihre Professoren/ Professorinnen nicht wirklich eine große Hilfe. Aus Ehrgeiz und Neugierde bin daher ich an dieser Stelle eingesprungen.

Ich versuche im folgenden das Versuchsdesign zu schildern:
Die abhängige Variable ist das subjektive Schmerzempfinden. Die unabhängige Variable sind Kombinationen von Kraftrainings-Übungen. Es soll überprüft werden, ob eine bestimmte Kombination im Vergleich zu einer anderen zu einer verbesstern Schmerzreduktion beiträgt.

So weit so gut. Nun die Details:

Es gibt 2 Gruppen (mit jeweils n=10). Gruppe 1 (G1) erhält dabei einmal Treatment A und danach Treatment C. Gruppe 2 (G2) erhält einmal Treatment B und einmal Treatment C. Die beiden Gruppen unterscheiden sich daher lediglich anhand des ersten Treatments (A bzw. B).
Geprüft werden soll, ob es sig. Unterschiede zwischen den Treatment-Kombinationen gibt; genauer gesagt: hilft Treatmenat A+C besser bei der Schmerzlinderung als B+C.
In der Literatur hat sich gezeigt, dass Treatment C immer (!!) zu einer Verbesserung führt. Die Kombination B + C bringt hingegen keine sig. Verbesserung im Vergleich zu C mit sich. Jetzt soll herausgefunden werden, ob A + C schmerzlindernder wirkt als B + C.

Gemessen wird die abhängige Variable als Ordinalskala (Schmerz von 0-10), die dann als Intervallskala gehandhabt werden soll/ kann. Es gibt 3 Messzeitpunkte für beide Gruppen: T1 ist dabei der Ausgangswert, T2 ist der Wert nach dem ersten Treatment für jede Gruppe (also bei G1 nach A, bei G2 nach B) und T3 ist der Wert für jede Gruppe nach dem zweiten Treatment (C).

Zur Veranschaulichung hier eine Tabelle:

______T1__T2__T3
G1____/___A___C
G2____/___B___C

Leider existieren noch keine Daten, daher wird NV jetzt mal der Einfachheit halber angenommen (obwohl n relativ klein ist).

Wie würdet ihr das testen? Könnte hier eine mixed ANOVA (also mit Innersubjektfaktoren "Zeit" & eventuell "Treatment-Kombis", und den Intersubjektfaktoren "Gruppe") sinnvoll sein? Oder wäre hier ein T-Test zwischen den beiden (in dem Fall unabhängigen) Gruppen, hinsichtlich der mittleren Differenzen zwischen T1 und T3 (also G1T1 minus G1T3 VS. G2T1 minus G2T3) sinnvoller- falls ja, ist dann nicht T2 überflüssig? Das wären mal so meine Ideen.

lg

[dutchie]

hallo

also mixed 2x3 ANOVA klingt gut..
wenn du differenzen bildest testest du "teil" wechselwirkungen aus obiger ANOVA
aber ohne die kompletten Information zu nutzen..

Was meinst du mit H-test der geht nur einfaktoriell ohne Gruppen.

denk dir den schmerz intervallskaliert.
und ignoriere erstmal die Vorrausetzungen der ANOVA, schau dir die Mittelwerte an
wenn sie da sind, und rätsel dann über die kleine stichprobe...
kein Zeitpunkt ist überflüssig...
T2 ist die unmittelbare wirkung und T3 die langfristige...
und T1 die Baseline, die gruppen müssen dort gleiches Schmerzempfinden haben!

gruß
dutchie

[data_sky]

Hallo dutchie,

danke für die schnelle Antwort und danke, dass du meine Präferenz (die ANOVA zu verwenden) bestätigt hast

1) Sorry für die Verwirrung: H-Test ist hier ziemlich unglücklich gewählt. Soll lediglich eine Abkürzung für Hypothesentest sein^^

2) Ich fass das mal zusammen: mixed 2x3 bedeutet ich habe Innerfaktor Zeit (mit 3 Stufen) und Interfaktor Gruppe (mit 2 Gruppen). Mich (besser gesagt meine Bekannte) interessiert "nur" T1-T3, aber stimmt, wenn die Info schon vorhanden ist umso besser. Muss/ soll ich hier auch auf die Interaktion zwischen den Treatmenas (A+C/ B+C) prüfen? Oder passiert dies automatisch, indem ich ja die Gruppen über die Zeitpunkte vergleiche? (Sorry ich hab da noch iwo einen Knoten in meinen Gehirnwindungen ). Das mit "überflüssig" hab ich nur geschrieben, weil ich eine Arbeit gefunden habe in der lediglich die (mittlere) Differenz zwischen 2 Zeitpunkte gemessen wurden (also in meinem Fall T1-T3) und zwischen (4) Gruppen verglichen wurde.

3) Was meinst du mit die Gruppen müssen bei T1 dasselbe empfinden haben?

4) Rein Interesse halber: wäre ein T-Test hier auch machbar und wenn ja wie?

lg

[dutchie]

hallo

... die interaktion wird automatisch mit getestet, das auch das einzige was
interessant ist, die Haupteffekte bedeuten eigentlich gar nichts!
wenn die Interaktion sig. ist verläut die AV in der einen Gruppe 1 anders
als in Gruppe 2, die Verläufe sind nicht parallel.

..das heißt noch nicht, dass das treatment anders wirkt!!!

es gibt da wohl mehrere mögliche Interaktionen:
Gruppe mit Zeit, und da Gruppe nicht identisch mit treatment
sind wohl auch interaktionen zwischen den Treatments möglich!!!
Was wenn A nur wirkt wenn C folgt, aber nicht alleine?
was wenn A und B gleich wirken aber C den Effekt von B zunichte macht...
nur Spekulation...werden diese möglichkeiten durch den versuchsplan abgedeckt?

Die Arbeit auf die du dich beziehst hat wahrscheinlich nur zwei Zeitpunkte,
da ist das unproblematisch!

die Versuchspersonen müssen zu T1 im durchschnitt identisch sein!
Dasselbe Ausgangsniveau haben..
wenn in der einen Gruppe die Baseline Schmerzempfinden generell höher ist,
wirken die Trestments eventuell anders,
in dem Sinne: man muss krank sein um die Therapiewirkung nachweisen zukönnen,
und wenn die eine Gruppe gesund ist?

zum t-Test, du kannst innerhalb der ANOVA paarweise Mittelwertsvergleich machen (Kontraste)
du hast ja 6 stichproben mit 6 Mittelwerten, du willst jetzt zwei vergleichen .
z.B. wenn du zu T1 die Gruppen vergleichen willst..das ist dann t Test.
aber das klickst du nicht über den normal t-Test, dann beziehst du nur 2 Stichproben mit ein
innerhalb der ANOVA sind aber alle 6 beteiligt, die brauchst du um die Fehlervarianz zu schätzen.

warum in deinen Fall nur T1-T3 und nicht T2-T3 und T1-T3 das würde fehlen..

gruß
dutchie

[data_sky]

hallo

... die interaktion wird automatisch mit getestet, das auch das einzige was
interessant ist, die Haupteffekte bedeuten eigentlich gar nichts!
wenn die Interaktion sig. ist verläut die AV in der einen Gruppe 1 anders
als in Gruppe 2, die Verläufe sind nicht parallel.

Stimmt! Es gibt ja Haupteffekt A (Zeit), Haupteffekt B (Gruppe) und die Wechselwirkung (Zeit x Gruppe). Letzteres will ich ja wissen! Ich meinte damit aber eigentlich, ob ich auch die Treatmens untereinander vergleichen soll, aber das hast du ja eig eh beantwortet (es könnte ja eben sein, dass AC >/< BC, weil C dabei ist oder weil A dabei ist,....).
Die Bekannte testet außerdem einseitg- sprich ihre H1 lautet: µ1>µ2 (Treatment Kombi A+B > Treatment Kombi B+C). Nun ist es aber so, dass dieses Versuchsdesign so noch nicht überprüft wurde. Wäre es daher nicht sinnvoller erstmal zweiseitig zu prüfen?

..das heißt noch nicht, dass das treatment anders wirkt!!!

es gibt da wohl mehrere mögliche Interaktionen:
Gruppe mit Zeit, und da Gruppe nicht identisch mit treatment
sind wohl auch interaktionen zwischen den Treatments möglich!!!
Was wenn A nur wirkt wenn C folgt, aber nicht alleine?
was wenn A und B gleich wirken aber C den Effekt von B zunichte macht...
nur Spekulation...werden diese möglichkeiten durch den versuchsplan abgedeckt?

Das heißt ja eigentlich dann, dass es 3 Haupteffekt gibt (Zeit, Gruppe, Treatment) und die Wechselwirkungen Zeit x Gruppe, Zeit x Treatment, Gruppe x Treatment und Zeit x Gruppe x Treatment. Oder? Also so weit ich weiß wird/ soll Treatment nicht mitberücksichtig werden bzw. genauer gesagt nur die Kombination?

Was ich mir an dieser Stelle auch gedacht habe: eigentlich fehlen Kontrollvariablen komplett. Könnte ja sein, dass etwa Alter, Geschlecht, Schmerzdauer/ Gewohnheit auch eine Rolle spielen bzw. überhaupt erst diverse Wechselwirkungen (mit-)bedingen. Wie sinnvoll ist es diese hier einzubauen? Glaube halt, das würde den Rahmen einer Masterarbeit etwas sprengen^^

Die Arbeit auf die du dich beziehst hat wahrscheinlich nur zwei Zeitpunkte,
da ist das unproblematisch!

Korrekt!

die Versuchspersonen müssen zu T1 im durchschnitt identisch sein!
Dasselbe Ausgangsniveau haben..
wenn in der einen Gruppe die Baseline Schmerzempfinden generell höher ist,
wirken die Trestments eventuell anders,
in dem Sinne: man muss krank sein um die Therapiewirkung nachweisen zukönnen,
und wenn die eine Gruppe gesund ist?

Also es ist prinzipiell so, dass alle (!) Personen Schmerzen haben. Gesund gibt es daher nicht. Wäre hier etwa eine eigene Aufteilung nach Schmerzen sinnvoll (z.B.: geringer Schmerz, mittlerer Schmerz, starker Schmerz)? Werden dann nicht (bei insgesamt n=10 pro Gruppe) die jeweiligen Gruppen recht klein? Würde das reichen oder meinst du wirklich G1T1=: {x1=x2=x3=x4=x5....=xn}?

zum t-Test, du kannst innerhalb der ANOVA paarweise Mittelwertsvergleich machen (Kontraste)
du hast ja 6 stichproben mit 6 Mittelwerten, du willst jetzt zwei vergleichen .
z.B. wenn du zu T1 die Gruppen vergleichen willst..das ist dann t Test.
aber das klickst du nicht über den normal t-Test, dann beziehst du nur 2 Stichproben mit ein
innerhalb der ANOVA sind aber alle 6 beteiligt, die brauchst du um die Fehlervarianz zu schätzen.

warum in deinen Fall nur T1-T3 und nicht T2-T3 und T1-T3 das würde fehlen..

gruß
dutchie

Wenn ich das so machen würde, müsste ich doch auch (aufgrund der Alpha-Fehler-Kummulierung) das Signifikanzniveau dementsprechend korrigieren, oder?

lg und Danke für die Geduld

[data_sky]

Eine Frage hab ich noch: was mach ich denn, wenn die NV nicht gegeben ist? Gibt es hier sinnvolle Alternativen?

Und noch etwas: laut der einen Professorin soll es sich hierbei um eine Pilostudie handeln. Deswegen muss gar keine Inferenzstatistik durchgeführt werden. Laut einer anderen Professorin reicht der T-Test bzw. ein alternatives nicht-parametrisches Verfahren. Naja... was stimmt den jetzt? Die erste Aussage ist doch (meines Erachtens nach) eher widersinnig. Die zweite Aussage bezieht sich auf ein Verfahren, dass eigentlich zu kurz greift.

[dutchie]

hallo

...ich glaub ich hab die AV missverstanden..
also die gruppen sollten insichtlich Schmerz gleich sein
da kann man durch randomisierung bewerkstelligen, aber n klein
oder man parallelisiert die gruppen, jedenfalls sollte man schmerz kontroillieren
das passiert auch zu T1 und danach sollte man sich überlegen wie man aufteilt!
zu T1 sind ja alle noch unbehandelt. wenn da überhaupt stimmt?

ob einseitig oder zweiseitig hängt von deiner Hypothese ab!
Wirkt die therapie? Ist zweiseitig weil man ausschließen muß, dass die Therapie signifikant schadet!!!!
Soll die Therapie angewendet werden? ist einseitig, weil sie nur angewendet wird wenn sie positiv wirkt.
also besser zweiseitig!

alpha korrigierst du nicht, das wir dann ja nie signifikant.

und am Versuchsplan kann auch nicht geschraubt werden, da es sich ja um Schmerzpatienten handelt!!!

möglich:
du rechnest T1-T2 und T1-T3 und T2-T3
die AV heißt dann Wirkung...
...und du machst dann 3 mal t-Test für 2 unabhängige stichproben , hast dann zusätzlich die möglichkeit nonparametrisch zu testen
mit U Test. wegen voraussetzungen! T1-T2 teste ob A = B

dann rechnest du für gruppe 1 und 2 gerennt ob T1-T2 für A > 0, also ob A wirkt!
selbiges für B, t-Test für eine Stichprobe!

dann machst du das ganze mit 2x3 ANOVA, testet obige Wechselwirkungen nochmal, eventuell mit problematischen Voraussetzungen
aber mit größerer Teststärke !!
und dann schauen was rauskommt!
und zusätzlich immer Einzelfallbetrachtung!

...das tut bei einer Pilotstudie keinem weh und weiß nicht warum darauf verzichten,
aber bei kleinen zu erwartendem Effekt und kleiner Stichprobe, ist das wahrscheinlich überflüssig da
das ganze nicht signifikant wird.

gruß
dutchie

[data_sky]

hallo

...ich glaub ich hab die AV missverstanden..
also die gruppen sollten insichtlich Schmerz gleich sein
da kann man durch randomisierung bewerkstelligen, aber n klein
oder man parallelisiert die gruppen, jedenfalls sollte man schmerz kontroillieren
das passiert auch zu T1 und danach sollte man sich überlegen wie man aufteilt!
zu T1 sind ja alle noch unbehandelt. wenn da überhaupt stimmt?

Ich verstehe. Ja, zu T1 sind alle unbehandelt. Die Gruppenzuteilung erfolgt durch Randomisierung. Es wird also so lange erhoben, bis 20 Personen getestet wurden und dann werden die Probanden zufällig auf die Gruppen aufgeteilt.

ob einseitig oder zweiseitig hängt von deiner Hypothese ab!
Wirkt die therapie? Ist zweiseitig weil man ausschließen muß, dass die Therapie signifikant schadet!!!!
Soll die Therapie angewendet werden? ist einseitig, weil sie nur angewendet wird wenn sie positiv wirkt.
also besser zweiseitig!

Ergibt Sinn!

alpha korrigierst du nicht, das wir dann ja nie signifikant.

Wenn ich das nicht korrigiere, kann es doch aber sein, dass ich sig. Ergebnisse erhalte, obwohl sie es nicht sind. Das ist doch das Problem beim multiplen Testen oder verwechsel ich hier was?

und am Versuchsplan kann auch nicht geschraubt werden, da es sich ja um Schmerzpatienten handelt!!!

möglich:
du rechnest T1-T2 und T1-T3 und T2-T3
die AV heißt dann Wirkung...
...und du machst dann 3 mal t-Test für 2 unabhängige stichproben , hast dann zusätzlich die möglichkeit nonparametrisch zu testen
mit U Test. wegen voraussetzungen! T1-T2 teste ob A = B

ok.

dann rechnest du für gruppe 1 und 2 gerennt ob T1-T2 für A > 0, also ob A wirkt!
selbiges für B, t-Test für eine Stichprobe!

Könnt ich stattdessen nicht auch 2 T-Tests für verbundene Stichproben durchführen? Denn wenn A bzw. B wirkt, dann müsste ich doch sig. Unterschiede feststellen können zwischen T1 und T2. Sprich ich mach einen verbundenen T-Test für G1: G1T1 VS G1T2 und einen für G2: G2T1 VS G2T2.

dann machst du das ganze mit 2x3 ANOVA, testet obige Wechselwirkungen nochmal, eventuell mit problematischen Voraussetzungen
aber mit größerer Teststärke !!
und dann schauen was rauskommt!
und zusätzlich immer Einzelfallbetrachtung!

Angenommen NV, Spharizität und (Fehler-)Varianzhomogenität sind gegeben. Wäre es dann nicht sinnvoller zuerst 2x3 ANOVA zu machen und erst, wenn diese Bedingungen nicht passen auf die paarweisen Vergleiche zu gehen?

...das tut bei einer Pilotstudie keinem weh und weiß nicht warum darauf verzichten,
aber bei kleinen zu erwartendem Effekt und kleiner Stichprobe, ist das wahrscheinlich überflüssig da
das ganze nicht signifikant wird.

Wie groß der Effekt ist, kann noch nicht abgeschätzt werden, weil es keine vergleichbaren Untersuchungen gibt. Und ist das bei einer Pilotstudie nicht auch eigentlich "egal", denn wenn ich keine sig. Unterschiede ("im Kleinen") finden, heißt das doch noch nicht automatisch, dass in einer größer angelegten Studie diese nicht dann doch bestehen.

Noch etwas: die Professorin hat von verbundenen T-Tests gefaselt. Es wäre doch auch möglich jeweils 3 verbundene T-Tests zu machen für die jeweiligen Gruppen --> Insgesamt also 6 Stück: G1T1-G1T2, G1T2-G1T3, G1T1-G1T3, G2T1-G2T2, GT2-G2T3, G2T1-G2T3. Dann kann ich aber nur sagen, ob in der einen oder der anderen Gruppe sig. Unterschiede feststellbar sind. Aber ein Vergleich der beiden Gruppen (und damit der beiden Treatments) ist dadurch ja nicht möglich oder?

[dutchie]

..hallo

also es besteht keinen grund alpha zu justieren.
alles was du tust ist hypotesengesteuert und geplant...
und du testest alle hypothesen nur einmal..
wenn man bei alpha 5 % testet sind 5% aller entscheidungen
weltweit falsch! damit muss man leben!
wenn du keinen Fehler machen willst, ist es besser nicht zu testen.

Wenn die vorraussetzungen verletz sind, wird p der ANOVA falsch.
..du hast doch gefragt was tun in diesem Fall,
dann bestimmst du die drei Differenzen und machst nonparametrisch,
das kannst du aber auch anders händeln bootstrap oder exakte Fisher test...

du kannst auch t1 und t2 vergleichen...das bedeutet aber nix! wenn A schadet und B hilft
oder wenn nur A hilft und B nicht...kannst so nicht differenzieren...

gruß
dutchie