Nominal Ordinal Skalen Signifikanz richitg überprüfen

[moritzboesch]

Hallo,

Ich habe eine Stichprobe von insgesamt N=90 und möchte einzelne Fragestellungen zum Beispiel nach Alter (fünf Altersstufen) oder Organisationseinheit (acht Gruppen) (beides Nominalskalen) darauf überprüfen, ob ein signifikanter Unterschied zwischen den Gruppen vorliegt. Dabei handelt es sich bei allen Fragestellungen um Ordinalskalen. Man hat mir zuerst (nicht hier im Forum sonder an der Uni) den T-Test für unabhängige Variablen empfohlen. Doch da gab es teilweise komische Werte und beim durchsuchen des Forums und des Internets hab ich bemerkt, dass der Test allein schon wegen der Skalierung nicht zu empfehlen ist.

Jetzt hab ich den U-Test (Mann Whitney) probiert und habe ein paar Fragen.

Ein konkretes Beispiel: Ich habe 90 Ärzte, die auf acht Organisationseinheiten aufgeteilt sind. Jetzt möchte ich zwei Organisationseinheiten überprüfen ob es signifikante Unterschiede bezüglich des Verhaltens der Ärzte dort gibt (Umgang mit Patienten). Hypothese: Auf der Radiologie kommunizieren Ärzte offener mit ihren Patienten als bei der Endoskopie.

offen kommunizieren
Radiologie N=31 MW=18,47 Summe=581,00
Endoskopie N=9 MW=26,56 Summe=239,00

Mann Whitney U = 85,000
Wilcoxon W=581,000
Z=-2,258
Asymp. Signifikanz (2seitig)=0,024
Exakte Signifikanz (2*1seitig)=0,080 (nicht korrigiert für Bindungen)

1.) Ist bei diesen Stichproben überhaupt ein aussagekräftiges Ergebnis zu erwarten?
2.) Wenn ja, ist dies der richtige Test dafür?
3.) Wenn nein, welcher ist zu empfehlen?
4.) Welchen Wert muss ich bei solch einer Stichprobengröße heranziehen, die asymptotische Signifikanz (2fach) oder die exakte (1fach)? Nach der asymp. wäre es ja ein signifikanter Unterschied aber bei der exakten nicht.

Wenn ihr mir nur die vierte Frage beantworten könntet, wäre das spitze, weil ich dann hoffentlich davon ausgehen kann, dass die ersten drei Fragen hinfällig sind. Ich muss dazu sagen, ich bin Anfänger und (fast) alles was ich hier geschrieben habe, hab ich hier im Forum gelernt, darüber bin ich sehr froh, aber auch noch unsicher, ob meine Gedankengänge so stimmen.

[KarinJ]

man müßte die robustheit des tests recherchieren, auswendig weiss ich nichts dazu. diehl & arbinger "inferenzstatistik" machen normalerweise zu den tests angaben über robustheit.

normalerweise ist exakt besser als asymptotisch. exakt bedeutet "genau ausgerechnet", während asymptotisch den p-wert über eine verteilung ermittelt, was bei kleinen stichproben weniger genau ist.

aber hier berücksichtigt "exakt" keine rangbindungen, die wahrscheinlich vorgekommen sind, und wäre damit weniger gut.

alternativ könnte man den randomisationstest nach fisher durchführen, beschrieben im o.g. buch (siehe auch archiv) und es gibt ein programm von der uni tulane rtgr.exe. der ermittelt exakte p-werte und arbeitet mit mittelwerten. für die genannten vergleichsgruppenstärken kann er auf .05 auch signifikant werden. man muss allerdings jeden wert eintippen.

[moritzboesch]

Wow, vielen Dank für die schnelle Antwort. Ich nehme also an, grundsätzlich ist der U-Test somit der richtige Test für meinen Zweck. Dann werd ich mir gleich mal das Buch besorgen und dann weiter sehen. Wenn ich die Antwort weiß, wird sie dann hier zu lesen sein. Wenn jemand schneller mit der richtigen Antwort ist - sofern das aufgrund meiner Angaben überhaupt möglich ist - bin ich natürlich auch nicht böse.

[moritzboesch]

Noch eine kleine Zwischenfrage: Hab das Programm (für nachfolgende Leser: es heißt übrigens rtgrp.exe) jetzt ausprobiert und mal für das Beispiel alle Werte eingegeben und es kam 0.0311 raus. Heißt das jetzt, der Test ist im allgemeinen robust - auch für andere Organisationseinheiten - oder kann man vom einen nicht auf das andere schließen?

[KarinJ]

mit dem programm kannst du auch andere unabhängige gruppen vergleichen. es spielt nur die größe der gruppen eine rolle - im archiv steht ein beitrag von mir, was die untergrenzen sind, damit ein test theoretisch noch signifikant werden könnte.

allerdings solltest du dir überlegen, ob du nicht auch einen omnibus-test rechnen solltest - so was wie varianzanalyse, um alle orgas insgesamt zu vergleichen. wenn du nämlich jede orga mit jeder vergleichst, dann wäre das ja das gleiche vorgehen wie bei paarweisen tests post-hoc nach einem omnibus-test. in dem fall müßte das signifikanzniveau adjustiert werden (z.b. nach bonferroni).

[Generalist]

diehl & arbinger "inferenzstatistik"