Datenanalyse mit SPSS: 2 Gruppen und 2 Messzeitpunkte

[KleineSchneewante]

Hallo zusammen,

ich bin gerade dabei, eine Interventionsstudie (1 Interventions- und 1 Kontrollgruppe; N = ca. 170; 6 Messzeitpunkte) mit SPSS auszuwerten. Momentan arbeite ich an der Auswertung einer metrischen Variable (Lebensqualität auf einer Skala von 0-100). Diese Variable möchte ich zunächst für beide Gruppen zu zwei Zeitpunkten auswerten.
Ich habe die Daten bereits mithilfe des „Shapiro Wilk-Tests“ auf Normalverteilung geprüft (Lebensqualität zum 1. Und zum 2. Zeitpunkt; jeweils für die Interventions- und die Kontrollgruppe). Dabei kam heraus, dass die Daten NICHT normalverteilt sind.
Um die (Signifikanz der) Veränderung jeweils innerhalb der beiden Gruppen zu ermitteln, habe ich zunächst die Fälle auf jeweils die Interventions- bzw. Kontrollgruppe eingegrenzt und anschließend einen „two-sample Wilcoxon test“ (SPSS: Analysieren -> Nicht parametrische Tests -> Alte Dialogfelder -> Zwei verbundene Stichproben -> 1. Paar „Variable 1: Lebensqualität zum Zeitpunkt 1“; Variable 2: Lebensqualität zum Zeitpunkt 2“ -> Wilcoxon) durchgeführt.
Nun sollen jedoch die Veränderungen zwischen den beiden Gruppen untersucht werden. Dabei stellt sich die Frage, welche(r) Test(s) in Frage kommt/kommen und wie diese(r) Test durchgeführt wird. Wenn die Daten normalverteilt wären, würde ich einen „t-Test für unabhängige Stichproben“ durchführen. Da die Daten jedoch nicht normalverteilt sind, fällt dieser Test weg.
In der Literatur habe ich mehrfach von einer ANOVA/ANCOVA (mit oder ohne Messwiederholungen) gelesen. Dabei wird jedoch auch erläutert, dass die Daten normalverteilt sein sollen. Nichtsdestotrotz wird gleichzeitig von einer Robustheit der ANOVA/ANCOVA gesprochen, wenn die Stichprobe der Daten (in meinem Beispiel ca. N= 170) ausreichend groß ist). Daher meine erste Frage: Kann/darf ich eine ANOVA/ANCOVA durchführen, auch wenn die Daten nicht normalverteilt sind? Und wenn ja, wäre eine „normale“ ANOVA/ANCOVA oder eine derartige Analyse mit Messwiederholungen zu bevorzugen? Dabei sollte ich erwähnen, dass sich die Baseline-Charakteristika (Geschlecht, Alter, Bildungsstand) zum Baseline-Zeitpunkt teilweise voneinander unterscheiden. Entsprechend habe ich überlegt, inwiefern eine „normale“ ANCOVA (SPSS: Analysieren -> Allgemeines Lineares Modell -> Univariat -> Abhängige Variable „Veränderung der Lebensqualität_Zeitpunkt2minusZeitpunkt1“; Feste Faktoren „Gruppe (Intervention bzw. Kontrolle); Kovariaten: Lebensqualität (Zeitpunkt1) (+ ggf. Alter, Geschlecht und Bildungsstand zum Zeitpunkt 1)) sinnvoll wäre, da ich dabei auf die Ausgangswerte adjustieren kann. Wenn ich es richtig sehe, kann ich bei einer ANOVA/ANCOVA mit Messwiederholungen nicht auf die Ausgangswerte adjustieren (wenn ich bei den Innersubjektvariablen die „Lebensqualität zum Zeitpunkt 1“ und die „Lebensqualität zum Zeitpunkt 2“ angebe, kann ich die Variable „Lebensqualität zum Zeitpunkt 1“ nicht als Kovariate auswählen). Gibt es eine „Lösung“ für dieses Problem? Welche der beiden „allgemeinen linearen Modelle“ ist empfehlenswert(er)?
Als alternative Analysemöglichkeit habe ich in der Literatur mehrfach von „linear regression models“ bzw. „logistic regression“ gelesen. Aber welche(s) Modell(e) eignet/eigenen sich für meine geplante Auswertung der Ergebnisse? Und wie werden diese durchgeführt? Neben den Unterschieden zwischen den Gruppen würde ich auch gerne noch die Assoziation der soziodemographischen Daten mit der Lebensqualität analysieren (z.B. gibt es eine Assoziation zwischen dem Alter und der Lebensqualität? Und wenn ja, positiv oder negativ?). Muss ich dafür eine Multiple lineare Regression (Multiple regression analysis) durchführen?

Im Enddefekt würde ich gerne die folgenden Ergebnisse darstellen:
1. Gibt es eine (signifikante) Veränderung innerhalb der beiden Gruppen (Messzeitpunkt 1 zu Messzeitpunkt 2)? -> Bisheriger Plan: Wilcoxon-Test
2. Gibt es eine (signifikante) Veränderung zwischen den beiden Gruppen (Messzeitpunkt 1 zu Messzeitpunkt 2) bzw. unterscheiden sich die Mittelwerte der Veränderung der beiden Gruppen (Veränderung von Messzeitpunkt 1 zu Messzeitpunkt 2)?
3. Gibt es Assoziationen zwischen den soziodemographischen Angaben (Geschlecht, Alter und Bildungsstand) und der Lebensqualität?

Vielen Dank im Voraus und viele Grüße!

[dutchie]

Hallo KleineSchneewante

..und die Liste der Möglichkeiten ließe sich noch fortsetzen.
z.b. hin zu gemischten Modellen und individueller interaktion mit dem Messzeitpunkten.

zu 1.2.3.
Es ist nicht gut, wenn du innerhalb einer Analyse das Skalenniveau wechselst
bleib bei ANOVA, wenn du Zweifel an den Voraussetzungen hast kannst du da ein
robustes Verfahren anschließen, auch Wicoxen wenn du willst, das bereichert aber nur
die Berechnung von p, ersetzt aber nicht eine metische deskriptive Statistik.

die AV ist metrisch die UV nominal --> ANOVA
die AV nominal --> log. regression
alles ist metrisch --> lin. Regression

aber alle drei sind (ver)allgemein(ertes) lineares Modell (ALM).

1. klick das in SPSS über Allgemeines lineares Modell--> Messwiederholung
und versteh den output, schau dir auch die Optionen usw an..
die Interaktion ist der entscheidende Test!
sind die Verläufe zwischen den Gruppen parallel?

..dann gut gliedern:

2. Baselineproblem
wenn zu t1 sig Unterschiede, Problem aber wie lösen?

3.Zeitverlauf?
immerhin 6 Zeitpunkte, Kontraste (polynomial)
es kann sein das zwischen t1 und t3 ein effekt da ist, der dann wieder verschwindet.
du kannst Differenzen zwischen den Zeitpunkten berechnen und die als neue AV analysieren.

gruß
dutchie

[KleineSchneewante]

...vielen Dank für die ausführliche Antwort!

meine AV (Lebensqualität) ist metrisch und meine UV (Gruppe: Intervention bzw. Kontrolle) ist nominal. Entsprechend würde ich eine ANOVA präferieren.

Ist es bei 2 Messzeitpunkten egal, ob ich eine "normale" ANOVA/ANCOVA oder eine "ANOVA/ANCOVA mit Messwiederholungen" durchführe? Ab 3 Zeitpunkten bleibt ja lediglich die "ANOVA mit Messwiederholungen".

Zusätzlich habe ich nochmal eine Verständnisfrage:Wenn ich eine ANOVA/ANCOVA (mit Messwiederholungen) durchführe, würde ich die Variablen ja folgendermaßen definieren:
- Innersubjektvariablen: Lebensqualität_Zeitpunkt1; Lebensqualität_Zeitpunkt2
- Zwischensubjektfaktoren: Gruppe (Interventions- oder Kontrollgruppe)
- Kovariaten: Geschlecht, Alter

Anschließend schaue ich mir die "Tests der Innerjubjekteffekte" an:
- Bei "Messzeitpunkte * Gruppe" beträgt die Signifikanz p < 0,001; entsprechend schlussfolgere ich daraus, dass sich die Mittelwerte der Lebenqualitätveränderung zwischen den beiden Gruppen (Interventions- und Kontrollgruppe) signifikant unterscheiden
- Bei "Messzeitpunkte * Alter" und "Messzeitpunkte * Geschlecht" betragen die Signifikanzen jeweils p > 0,05; entsprechend schlussfolgere ich daraus, dass es zu einer Veränderung der Lebensqualität unabhängig von dem Alter und Geschlecht gekommen ist.

Bei einer ANOVA/ANCOVA (ohne Messwiederholung) würde ich genauso vorgehen (nur anstatt "Innersubjektvariablen" zu bilden, würde ich bei "Abhängige Variable" meine "Veränderungsvariable (entsprechend LebensqualitätZeitpunkt2minusLebensqualitätZeitpunkt1) angeben. Bei der Auswertung würde ich mir die "Tests auf Zwischenjubkete" anschauen. Dabei ergeben sich die gleichen Signifikanzen wie bei der "ANOVA/ANCOVA mit Messwiederholungen".

Sind die Durchführung und Interpretation der Werte richtig? Und ist es tatsächlich egal, ob ich bei 2 Messzeitpunkten eine ANOVA/ANCOVA mit oder ohne Messwiederholungen durchführe?

Vielen Dank und viele Grüße!

[dutchie]

Hallo

hab dir auch eine PN geschrieben bevor ich das gelesen hab.

Du hast ja eine Interaktion der Kovariaten mit Messzeitpunkt im Modell,
wo kommt die her, das hast du selber geklickt? über Modell?
d.h. du hast vier gleichwertig UVs im Modell, wieviel interaktion willst du machen?
vierfache Interaktionen sind möglich?

Sind die Durchführung und Interpretation der Werte richtig? Und ist es tatsächlich egal, ob ich bei 2 Messzeitpunkten eine ANOVA/ANCOVA mit oder ohne Messwiederholungen durchführe?

so weit ich sehe ist das richtig, aber die beiden Verfahren haben eine andere AV!
insofern ist die Bezeichung ohne Messwiederholung stark irreführend, da gar keine messwiederholten
Variablen vorliegen, sondern Differenzen.
..und es ist egal im bezug auf die Interaktionshypothese, es kommt dasselbe raus, wie du gesehen hast.
sofern sich die Modellzusammensetzung sonst nicht ändert.
Die Hauteffekte werden aber nicht getestet! Die Hypothesen sind doch andere, isofern ist es nicht dasselbe.

gruß
dutchie

[KleineSchneewante]

Hallo und nochmal vielen Dank,

das ist eine gute Frage!

Das Problem ist, dass die Lebensqualität häufig durch die Faktoren "Geschlecht", "Alter" und "Bildungsstand" beeinflusst wird. Entsprechend habe ich überlegt, diese Faktoren als Kovariaten einzusetzen. Ist dieser Gedanke falsch/nicht sinnvoll?

Die AV ist bei der "normalen" ANCOVA tatsächlich anders, da dort nicht die beiden Messzeitpunkte, sondern die Veränderung dieser Messzeitpunkte, genutzt wurde. Empfehlenswert wäre entsprechend die "ANOVA/ANCOVA mit Messwiederholungen", oder?


Nun meine Fragen:
1. Ist diese Vorgehensweise richtig?
2. Kann ich - trotz mangelnder Einhaltung der Voraussetzungen für eine ANCOVA - eine ANCOVA durchführen? Wenn nein, was gibt es für Alternativen?
3. Wenn ich nun eine ANCOVA mit Messwiederholungen durchführe, sollte ich Analysen getrennt nach den einzelnen Kovariaten durchführen (1. Analyse: Kovariate "Baselinewerte", 2. Analyse: Kovriate "Geschlecht" usw.) oder eine Analyse mit allen Kovariaten zusammen (1. Analyse: Kovariaten: "Baselinewerte", "Geschlecht", "Alter" und "Bildungsstand")?

[dutchie]

Hallo,

du willst doch testen ob die Intervention wirkt?

wenn "Geschlecht", "Alter" und "Bildungsstand"
in den Gruppen gleichverteilt sind, sind diese Variablen irrelevant für die Interventionswirkung.

Zwischen t1 und t2 bleiben diese Variablen konstant können, können als für die Veränderung nicht verantwortlich sein.

Wenn in der Interventionsgruppe nur Frauen und in der Kontrollgruppe nur Manner wären, dann wären
Geschlecht und Intervention konfundiert und du hättest ein Problem, dann erst.
Für die Baseline gilt dasselbe, die hat in beiden Gruppen gleich zu sein.

-> Dafür habe ich jeweils zunächst eine ANOVA mit je einer Kovariate als "abhängige Variable" und meiner "Gruppenvariable" als fester Faktor durchgeführt. Die Auswertung (Tabelle "Tests der Zwischensubjekteffekte"; Zeile: Gruppe; Spalte: Signifikanz) ergab:
Baselinewerte (p=0,512); Geschlecht (p=0,286); Alter (p=0,001), Bildungsabschluss (p=0,014), daraus schlussfolgere ich, dass diese Voraussetzung von den Kovariaten "Baselinewerte" und "Geschlecht" erfüllt und von den Kovariaten "Alter" und "Bildungsabschluss" nicht erfüllt werde

Die AV muss intervallskaliert sein!! Geschlecht und Bildung sind das nicht!!
... wenn das Durchschnittsalter sich sig. zwischen den Gruppen unterscheidet
ist das nur relevant wenn Alter auf Lebeszufriedenheit wirkt oder es die Interventionswirkung beeinfluß.
wenn m1 = 42 und m2 = 40 mag dies sig. sein, pychologisch ist das aber irrelevant!
das kann auch sig sein weil Stichprobe so groß.

Mir scheint du willst mit Gewalt das Modell vergrößern!

1. baseline und Geschlecht zu t1 gleich zwischen den Gruppen --> Keine Notwendigkeit das ins Modell zu tun!
2. du stellst eine Therapiewirkung fest.
3. In der Kontrollgruppe erwartest du keine Veränderung, wenn das so ist, kannst du diese Gruppe vergessen
und
4. nur in der Interventiongruppe feststellen bei wem der Effekt an größten ist, dazu AV differenz korrelieren
mit Alter Geschlecht und Bildung.
5. wenn aber Alter und Bildung zwischen den gruppen ungleich in bedeutsamer Weise, hast du ein problem, das du mit
statistiktricks (ANCOVA) nicht weg bekommst! Alter vielleicht, Bildung (=IQ) nicht!

Anschließend habe ich jeweils (getrennt nach Kovariaten) eine ANCOVA durchgeführt. Dabei wurden die beiden Messzeitpunkte der Lebensqualität als "Innersubjektfaktoren" definiert, die "Gruppe" als "Zwischensubjektfaktoren" und entsprechend die jeweilige Kovriate als "Kovariate". Bei "Modell" bin ich auf "Terme erstellen" gegangen und habe die Terme "Gruppe", "Kovariate" und "Gruppe * Kovariate" gewählt. " Die Ergebnisse (Tabelle "Tests der Zwischensubjekteffekte"; Zeile: Gruppe** Kovariate; Spalte: Signifikanz) zeigte die folgenden Ergebnisse: Baseline-Werte (p<0,01), Alter (p=0,123); Geschlecht (p=0,372); Bildungsabschluss (p=0,165), daraus schlussfolgere ich, dass diese Voraussetzungen von den Kovariaten "Alter", "Geschlecht" und "Bildungsabschluss" erfüllt und von der Kovariate "Baselinewerte" nicht erfüllt ist.

sorry, da geht so viel durcheinader, oh man/frau
Das kommt von rumgoogln..
so wäre das nicht richtig, weil du das nach Zeitpunkten getrennt machen müsstest.

und ANCOVA ( du testet ob, ob die Korrelationen zwischen Kovaraite und AV in den gruppen gleich sind)
ist ein NOTfallmaßnahme und fraglich ob das Sinn macht.

Also stell erst mal fest ob Alter (z.B.) wirklich konrolliert werden muß!
Wenn sich da ein 80jähiger in einer der Gruppen verirrt hat oder ein Spassvogel erklärt 130 Jahre alt zu sein,
dann werden die eliminiert, und man muß die Variable Alter nicht zur "KOVARIATE" machen.

gruß
dutchie