Parallelisierte Stichprobe - Dropouts

[lufferess]

Hi,

ich habe i.F. mehr ein methodisches Problem als eines, das mit SPSS zu tun hat:

Für meine DA habe ich aus einem Pool geeigneter Menschen (thematisch) eine Zufallsstichprobe gezogen (für die Kontrollgruppe, N = 50) und dann im 1:1 Verhältnis die Experimentalgruppe hieran parallelisiert. Hiernach erfolgte die Rekrutierung der Vpn, wobei sich aber natürlicherweise herausstellt, das einige Vpn nun doch nicht mehr an der Studie teilnehmen wollen.

Ich habe nun also vor Beginn des eigentlichen Experiements Drop-Outs, möchte aber gern meine Gruppengrößen gleichhalten.

Wie gehe ich mit diesem Problem um? Kann ich für die ausgefallenen Vpn "Ersatzmänner bzw. Frauen" suchen, die in Bezug auf meine entscheidenden Variablen (Alter- und Geschlecht) gleich denen der ausgefallenen Leute sind. Hierbei würde ich natürlich wieder ein Sample passender Leute ziehen und dann den Zufall entscheiden lassen, wer die fragliche Person ersetzt.

Ist sowas methodisch zulässig? Alternativen?

Besten Dank für eure Ideen!

lufferess

[drfg2008]

nur ein erster Gedanke: Da du laut Schilderung mit dem Versuch noch nicht begonnen hast ("vor Beginn des eigentlichen Experiements"), weshalb nicht eine neue Randomisierung durchführen. Die "1:1 Parallelisierung" würde mir ohnehin Kopfschmerzen bereiten (Matched Samples ?).

Bei der Radomisierung jedenfalls mit dem Log Verfahren prüfen, ob die relevanten Größen in beiden Gruppen sich nicht sig. unterscheiden. Auch auf höhere Ordnungen testen.

[lufferess]

Hey,

danke für den Hinweis. Eine evtl. etwas dilletantische Frage zurück (ich bin Neuling auf dem Gebiet von matched samples und wurde von meinem Betreuer angewiesen, so zu verfahren):
kannst du das "Log-Verfahren" etwas genauer beschreiben?
Ich habe bisher (evtl. dilettantischerweise) t-test (sowohl unabhängig als auch abhängig, darüber gibt es im Netz ja Debatten) gerechnet, um signifikante Unterschiede zu testen. Von "Log" höre ich zum ersten Mal. Logistische Regression?

Dankeschön!

LG,
lufferess

[lufferess]

Nochmal zum besseren Verständnis:
die Parallelisierung wurde natürlich vorgenommen, um Störvariablen wie Geschlecht und Alter zu kontrollieren. Es handelt sich nicht um "echte Zwillinge" i.S. von Mann und Frau. Es handelt sich hierbei um eine explorative Studie in der klinischen Psychologie, d.h., ich ziehe das Sample aus einem vorselegierten Sample mit best. Ein- und Ausschlusskriterien.

[drfg2008]

binärlogistische Modelle bieten die Möglichkeit, diskrete Merkmale zu prüfen, d.h. zu prüfen, ob diese über die beiden Sample Gruppen gleich randomisiert wurden. Da aber auch Zusammenhänge höherer Ordnung eine Rolle spielen können, wäre ein solches Verfahren vorzuziehen gegenüber einfachen 2-Variablen Vergleichen.

Beispiel: UV: Geschlecht / Rauchgewohnheit AV: Überlebenszeit.

Geschlecht (m/w) mag im 2-Variablen Vergleich nicht signifikant sein, auch nicht Rauchgewohnheit (Raucher / Nichtraucher). Aber die Kombination aus beidem: männliche Raucher könnte in der Treatment- oder der Kontrollgruppe zu häufig auftreten und daher die Ergebnisse der Studie verfälschen.

Matched Samples: Da meist manuell gematched wird, und nicht nach einem Stichprobenplan & Zufall, würde dieses Verfahren angreifbar sein.

Weshalb also nicht einfach noch einmal per Zufall auf 2 Gruppen randomisieren.

[lufferess]

Danke! Ich werde mir das mal ansehen.
Neu randomisieren kann ich insofern nicht, als dass auch schon über 20 andere Leute zugesagt haben. Somit wäre die erste Stichprobe ja schon festgelegt.

[lufferess]

Okay, habe jetzt eine binär logistische Regression konzipiert, AV ist die Gruppenzugehörigkeit (KG und EG), als UVen neben Geschlecht und Alter in weiteren Blöcken versch. relevante Fragebogenmaße.
Wo ich noch unsicher bin: was meintest du mit höherer Ordnung?
Welche Werte sind neben der Signifikanz d. Regressionskoeffizienten, und dem Anfangsblock an sich, von Bedeutung bei der Interpretation?

Nochmals vielen Dank, das war ein sehr guter Hinweis!

[drfg2008]

für Interaktion: General Loglinear Analysis (Saturated Model)


Bühl/Zoefel hatten verständliche Beispiele in ihrem SPSS Buch