Welches statistische Verfahren?

[Marcel84]

Ich mach im Rahmen meiner Masterarbeit ein Studie und bin mir aktuell unsicher, welches Verfahren zur statistischen Analyse am besten geeignet ist.
Design: 28 Probanden nehmen an einer Intervention teil. Es gibt keine Kontrollgruppe. Messzeitpunkte: T0 dann 3 Wochen Intervention dann T1. 3 Monate später dann nochmal die T2 als follow-up. Datenerhebung findet jeweils in Form von validieren Fragebögen statt. Daten sind alle ordinalskaliert (Bsp. 'überhaupt nicht, etwas, sehr, vollkommem'). Ergebnisse liegen noch nicht komplett vor, daher konnten sie bisher nicht auf Normalverteilung der Residuen überprüft werden. Leider sind nicht alle Daten vollständig und bei T2 gibt es mehrere NAs. (Vermutlich etwa 20 Prozent.)
Ich ziehe aktuell in Betracht einen Friedman Test durchzuführen bzw. alternativ ein lineare gemischtes Modell zu rechnen, falls ein linearer Zusammenhang besteht.
Welches Verfahren würdet ihr empfehlen?
Danke im Voraus!

[dutchie]

Hallo Marcel,

tja...
erstmal das Skalenniveau klären!

Residuen, linearer Zusammenhang, gemischtes Modell usw. brauchen Intervallniveau!
gemischtes Modell mit T0, T1 und T2 ist eine Unterschiedsfragestellung,
mit 0, 3 Wochen 12 Wochen (besser tage) wäre eine Zusammenhangsfragestellung.

Teststärke ?? Stichprobe klein!
Symptomatik?? Ausreißer? Wirkschema??

Erstmal ist der Unterschied t0 t1 relevant.
einfach ordinal ansetzten --> Vorzeichentest (wirklich ordinal!)

Einzelfallanalyse! Wie sind die Wirkungen verteilt?
z.B. viele um null, plus ein paar starke Verbesserungen?
--> rein deskriptiv, situativ ist eine Wirkung da!

...davon abhängig, entscheiden wie man weiter analysiert!
Dropoutanalyse zu t2, kann zb von t1 abhängen.

Friedman eher nein, weil du brauchst die Kontraste der Messzeitpunkte.
Verteilungen Varianz prüfen, normal wird die Varianz kleiner!

gemischtes Modell wäre schon gut, aber bei der kleinen Stichprobe???
da gibt es ein paar Voraussetzungen!

gruß
dutchie

[Marcel84]

Erstmal vielen Dank, für deine schnelle Antwort.

Zum Skalenniveau: Ich habe gelesen, dass es in der Praxis trotzdem gängig ist, auch bei ordinalem Skalenniveau eine gemischtes Modell zu rechnen, wenn man den Skalenpunkten Werte zuweist, bei denen man ungefähr davon ausgehen kann, dass sie einen gleichgroßen Abstand aufweisen und zudem einen natürlichen Nullpunkt haben.

Ich bin mir auch nicht sicher, wie ich die Stichprobengröße im Falle eines gemischten Modelles genau berechne. Ich hab diesbezüglich gelesen, dass man sich an einer ANOVA mit Messwiederholungen orientieren kann. Da wären es laut GPower mindestens 28 Personen (ß=0.8, mittlerer Effekt). Gleichzeitig soll ein gemischtes Modell mit den Missings in T2 umgehen können, im Gegensatz zur ANOVA.

Ich hab einige Paper gelesen, die bei vergleichbarem Design einen Friedman Test gerechnet habe. Warum genau ist der hier nicht zu empfehlen? Mein N wird leider nicht mehr wachsen, daher dachte ich, er ist hier eher angebracht als ein gemischtes Modell.

[dutchie]

Hallo Marcel,

Zum Skalenniveau: Ich habe gelesen, dass es in der Praxis trotzdem gängig ist, auch bei ordinalem Skalenniveau eine gemischtes Modell zu rechnen, wenn man den Skalenpunkten Werte zuweist, bei denen man ungefähr davon ausgehen kann, dass sie einen gleichgroßen Abstand aufweisen und zudem einen natürlichen Nullpunkt haben.

mal hier schauen:
viewtopic.php?f=3&t=11841&p=30933&hilit ... 3po#p30933

oder hier
https://de.wikipedia.org/wiki/Verbale_Rating-Skala
in der Literatur unter Rohrmann schaun

Skalenpunkte zuweist? du meinst kodieren
also 0 1 2 3 haben den gleichen Abstand
Die Frage ist erstmal, ob das zu messende Merkmalsausprägungen die Eigenschaft Abstände besitzt (A),
das hat mit der Messung erstmal(!) nichts zu tun.

Du kannst deine Daten ordinal oder metrisch interpretieren!
Metrisch meint: Abstände machen Sinn,
Machen die das bei Depressivität ?
kann man mal philosophieren, letztlich ist das ein Definitionsproblem,
also liegt das in der Hand der Wissenschaft (B)

Wie jetzt A oder B?

Ich bin mir auch nicht sicher, wie ich die Stichprobengröße im Falle eines gemischten Modelles genau berechne. Ich hab diesbezüglich gelesen, dass man sich an einer ANOVA mit Messwiederholungen orientieren kann. Da wären es laut GPower mindestens 28 Personen (ß=0.8, mittlerer Effekt). Gleichzeitig soll ein gemischtes Modell mit den Missings in T2 umgehen können, im Gegensatz zur ANOVA.

Ja das kannste über ANOVA machen, wenn "compound symmetrie" gegeben
ist gemischtes Model = ANOVA mit MW

Die missing müssen analysiert werden! das sollte man nicht einfach wegstatistiken
gemischtes Model analysiert auch unvollständige Fälle,
ANOVA und auch Friedman nicht, die nehmen nur vollständige !

Es ist nicht so, dass es nur eine Analyse gibt, mach beides und
interpretiere was da rauskommt,

Ob jetzt Friedemann (ordinal angeblich?) oder gemischt
das sind andere Inhalte.
Wenn deine Intervention nur eine Verbesserung erreichen soll --> ordinal
Aber was, wenn du z.B. das Suizidrisiko reduzierst, bei allen sig ordinal.
aber nur um 1 Tag (= abstand = intervall = gemischt).
Wenn du nur ordinal denkst entgeht dir das!

Irrelevate Veränderungen werden ordinal genauso als Veränderung gewertet
wie große!! Will man das so haben? Um ausreißer zu relativieren ist das gut!

Aber was wenn dein Interventionseffekt ein Ausreißereffekt ist?
Meint die Inter wirkt nur bei wenigen, aber nicht bei der Masse!
Jetzt gilt es zu klären warum, was unterscheidet die???

Die Statistik ist dir untergeben, nicht umgedreht.

gruß
dutchie