Unvollständige Datensätze bei nicht-parametrischem Friedman-Test?

[Parametriker]

Hallo,

wie geht man am besten mit unvollständigen Datensätze beim nicht-parametrischen Friedman-Test für gematchte Daten um?

Es geht um Folgendes: Es gibt eine Kontrollgruppe und drei Behandlungen (Anmerkung: Es handelt sich um in vitro Experimente, keine Personen.). Für zwei der Behandlungen (B1 und B2) ist n=15, für die dritte Behandlung (B3) gibt es 10 mehr Replikate, weil später der Fokus auf diese dritte Behandlung gelegt wurde. Daher beträgt n für Kontrollgruppe (K) und die dritte Behandlung n=25. Die Daten sind nicht normalverteilt und haben sich auch nicht durch Logarithmierung oder Wurzelbildung normalisieren lassen.

Der Friedman-Test ist das nicht-parametrische Äquivalent zur ANOVA für gematchte Datensätze. Liegen unvollständige Datensätze vor, so kann man durch Anwendung des General Linear Models auch unvollständige Datensätze wie die obigen analysieren, ohne die unvollständigen Datensätze eliminieren zu müssen.

Meine Statistik-Software wirft bei unvollständigen Daten (s. Beschreibung oben), die ich mit Hilfe des Friedman-Tests analysieren will, eine Fehlermeldung aus, dass nur vollständige Datensätze mit diesem Test analysiert werden können. Dadurch müsste ich die zusätzlichen 10 Replikate, für welche nur Daten für Kontrollgruppe und die dritte Behandlung vorliegen, löschen, um die Analyse vornehmen zu können.

Daher meine Frage: Gibt es irgendeine Alternative hierzu? Denn hierdurch gehen ja wertvolle Daten verloren.
Gibt es vielleicht die Möglichkeit, mehrere Wilcoxon-Vorzeichen-Rang-Tests durchzuführen und diese mit einer multiplenTest-Anpassung zu korrigieren?

[dutchie]

Hallo,

das ist jetzt alles (mit Absicht?) so hinkonstruiert,
dass keine Auswertung richtig funktioniert.

für die dritte Behandlung (B3) gibt es 10 mehr Replikate

dann lässt man das bleiben, wenn man keine Probleme will.

in vitro Experimente,

dann baut man sich genug n, sodass die Verteilungsannahme an Bedeutung verliert,
und wertet mit ANOVA aus, man kennt die Bedingungen ja, auch vor Durchführung des Experiments.

gruß
dutchie

[Parametriker]

Die Erhöhung der n-Zahl ist zwar in der Theorie immer die beste Herangehensweise, aber in der Praxis scheitert es oft an den nötigen Ressourcen - seien es nun die finanzielle Ressourcen oder einfach eine bengrenzte Menge an Zellen/Probenmaterial bzw. eine begrenzte Anzahl an Probanden. Darum vom statistischen Standpunkt aus auch die nicht immer ideale Vorgehensweise bei den Experimenten.

Der Wilcoxon-Vorzeichen-Rang-Test mit Bonferroni-Korrektur wird - so habe ich gelesen - teilweise als Post-Hoc-Test alternativ zu Dunn's Post-Hoc-Test eingesetzt, aber nicht für den direkten Vergleich von mehr als zwei Gruppen.

Ich habe nun noch eine Test-Alternative zum Friedman-Test gefunden, welche mit fehlenden Daten zurechtkommt, die ja z.B. auch dadurch entstehen können, dass es Verlauf einer Studie oder eines Experiments Drop-Outs gibt.

Der sogenannte Skillings–Mack Test soll hier geeignet sein:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2761045/

Dies scheint jedoch kein sonderlich gängiger Test zu sein, denn bisher habe ich noch nie von diesem gehört und in der Statistik-Software, welche ich verwende (u.a. SPSS), ist er auch nicht implementiert.

Gruß
Parametriker

[dutchie]

Hallo,

dieses Signifikanztest Ritual ist schon auch bisschen Fetisch, oder?

gruß

[Parametriker]

Ja, ist es. Ist aber nicht auf meinem Mist gewachsen. Ich würde gerne auch ohne dieses Ritual auskommen. Gibt ja auch einige Artikel, die die Abschaffung selbiger vorschlagen und stattdessen einfach eine klare Darstellung der Daten mit z.B. Dot-Plots und entsprechenden Streuungsparametern (z.B. Konfidenzintervallen oder IQR) befürworten.

"Significant-itis" -- an obsession with the P-value
https://www.sjweh.fi/show_abstract.php?abstract_id=193

Why the P-value culture is bad and confidence intervals a better alternative
https://www.sciencedirect.com/science/a ... 8412007789

Aber leider reiten immer noch viele Reviewer und Journals auf diesen p-Werten herum und der "magischen" p<0,05-Schwelle. Und wenn man publizieren will, muss man diese zufriedenstellen. Da führt kein Weg dran vorbei.

Gruß

[dutchie]

hallo

..und wie gehst du jetzt vor mit deinem unvollständigen gematche??

Gruß
dutchie

[Parametriker]

Hallo,

Behandlung 1 und 2 werden nur noch als Vorversuche innerhalb der Parameterfindung betrachtet.

Gruß
Parametriker

[dutchie]