STATISTIK-FORUM.de

[sternchen01]

Hallo alle zusammen,
ich schreibe im Moment meine Diplomarbeit und muss eine Studie replizieren, stoße aber dabei auf meine logische- und fachwissen- Grenze. Bin kein Statistik Genie. Es geht darum zwei Gruppen privat Versicherte und gesetzlich Versicherte. Meine Daten sind nicht normalverteilt. Die Statistik, die schon vor einigen Jahren gemacht wurde, hat wohl mit einem linearen Modell gearbeitet. Ich weiß aber, dass man dafür einen normalverteilten Datensatz braucht.
Um genauer zu werden sind die wie folgt vorgegangen: Es geht um Wartezeit abhängig vom Versicherungsstatus und der Facharztgruppe.
For multivariate analysis the waiting time (response variable) was modelled using a generalized linear model (GLM) from the quasi-Poisson-family with the log link funktion. The number of working days between call and appointment was employed as response variable. Health insurance status (indikator variable) and specialist field (factor variable) were introduced as regressor variables. The interaction between specialist field and insurance status was not included in the model equatation, as this effect did not rich significance.
Kann mir da jemand sagen was die damit meinen? Ich muss das in SPSS eingeben. Darf man eine nicht normal verteilte Daten in dem beschriebenen Model eingeben und wenn ja kann mir jemand das genauer erklären?

Danke

[bele]

Die Frage nach der SPSS-Umsetzung gehört vielleicht eher in das SPSS-Forum, aber vielleicht hast Du ja Glück.

Wartezeiten zwischen zufällig in der Zeit verteilten Ereignissen folgt keiner Normalverteilung sondern einer Poisson-Verteilung. So wie eine Normalverteilung durch Mittelwert und Standardabweichung gekennzeichnet wird, wird eine Poisson-Verteilung durch eine mittlere Wartezeit gekennzeichnet. Man kann nun versuchen, über eine lineare Regression diese mittlere Wartezeit vorherzusagen. Hier wird versucht, anstelle der mittleren Wartezeit den Logarithmus der mittleren Wartezeit durch ein lineares Modell vorherzusagen.
Die Poisson-Verteilung ist aber ein Idealzustand, bei dem alle Ereignisse ganz zufällig und gleich verteilt sind. Das ist bei Arztterminen aber nicht der Fall. Da gibt es Weihnachtsferien und Sommerferien und Grippesaison, in denen Termine länger dauern als sonst. Deshalb hat man hier kein Poisson-Modell sondern ein Quasi-Poisson-Modell gerechnet (Stichwort overdispersion).

Du siehst, dass geht in der Komplexität deutlich über eine einfache lineare Regression hinaus und Du wirst es nicht aus einem Forumseintrag heraus verstehen. Du brauchst mindestens ein gutes Buch. Wie man sich das dann in SPSS zusammenklickt, dafür dürfte Google reichen (Mir hat Google gerade verraten, dass es in SPSS ein Menü "Analysieren" mit einem Unterpunkt "Verallgemeinerte lineare Modelle" gibt...

LG,
Bernhard

[Druss]

Lineare Regression erfordert keine normalverteilung der abhängigen Variable und auch wenn die Residuen nicht normalverteilt sind gilt das Gauss-Markov-Theorem (angenommen alle anderen Annahmen halten).