STATISTIK-FORUM.de

[Samhain]

Ich habe jetzt bereits zweimal erfolglos versucht, ein Paper mit meinen Forschungsergebnissen bei namhaften Journalen (JPR, JAD) zu publizieren. Eine von den Reviewern geäußerte Kritik stellt dabei eines meiner beiden Maße für die Interozeptionsgenauigkeit dar. In der Studie geht es prinzipiell um die interozeptive Wahrnehmung von vegetativen Parametern wie Herzrate oder Atemfrequenz in Abhängigkeit von klinischen Störungsbildern wie Panikstörung und Depression.

Während das erste Maß in der Literatur berichtet wird (z.B. Bogaerts et al., 2005) und kaum Kontroversen bei den Reviewern auslöste (hier werden personenbezogene Pearson-Korrelationen zwischen den Biowerten zu verschiedenen Meßzeitpunkten und subjektiven Einschätzungen auf einer Numerischen Rating-Skala gerechnet), stellt das 2.Maß meinen Versuch dar, ein Problem meines Versuchsdesigns zu korrigieren.

Die Versuchspersonen hatten nämlich die Möglichkeit, bei empfundener Nichtveränderung ihrer Bioparameter identische Werte zu den verschiedenen Messzeitpunkten anzugeben. Die Vorlage für die Pearson-Korrelation sah dadurch beispielsweise so aus:

Heart rate vs. NRS (0-10)
67,5 vs. 5
64,3 vs. 5
84,5 vs. 5
70,2 vs. 5

Daraus lässt sich wegen der bei der Pearson-Korrelation inkludierten z-Transformation (würde Division durch 0 bedeuten) leider kein Assoziationsmaß berechnen. Dummerweise gab es relativ viele Versuchspersonen, die so empfunden haben (je nach Parameter 10-20%).
Ich hätte sie ja nun auch tatsächlich alle ausgeschlossen, wenn mir der Ausschluss nicht absolut sinnwidrig vorgekommen wäre.
Sagt es denn nicht auch etwas aus, wenn jemand keine Veränderung spürt? Ist eine Versuchsperson nicht wahrnehmungssensitiv, die bei sehr kleinen bioparametrischen Veränderungen keine Veränderung spürt und ist eine Versuchsperson nicht wahrnehmungsinsensitiv, die auch bei starken Veränderungen keine Abweichung spürt?
Um das Problem zu lösen, habe ich nun einen kleinen Trick angewendet.
Ich habe zuerst die Biowerte z-transformiert, also

Z1-Heart Rate
Z2-Heart Rate
Z3-Heart Rate
Z4-Heart Rate

Da ich die 4 identischen NRS-Werte nicht ebenfalls transformieren konnte, nahm ich den z-Wert der Herzrate #1 als z-Wert für alle vier NRS-Werte. Damit stand jetzt

Z1-Heart Rate vs. Z1-Heart Rate
Z2-Heart Rate vs. Z1-Heart Rate
Z3-Heart Rate vs. Z1-Heart Rate
Z4-Heart Rate vs. Z1-Heart Rate

Ich rechnete nun ABS (z1-z1) + ABS (z2-z1) + ABS (z3-z1) + ABS (z4-z1) und bezeichnete den entstehenden Summenwert als z', mein zweites Interozeptionsmaß. Eine mathematisch etwas beschlagenere Kollegin meint, dass sie sich bis hierhin vielleicht noch darauf einlassen könne, dass aber mein weiteres Vorgehen inakzeptabel sei, weil ich für die Versuchspersonen, deren z-Werte berechenbar waren, dies dann auch getan habe, also

Z1-Heart Rate vs. Z1-NRS
Z2-Heart Rate vs. Z2-NRS
Z3-Heart Rate vs. Z3-NRS
Z4-Heart Rate vs. Z4-NRS

und dann wieder die oben stehende Formel anwendete. Das könne ich nicht machen, weil ich damit nicht alle meine Versuchspersonen mathematisch gleich behandele. Die einen bekämen reguläre z-Werte zugeordnet, die anderen gefakete Ersatz-z-Werte. Interessanterweise hat das die Reviewer gar nicht gestört. Allerdings wollte einer Belege für ein solches Vorgehen in der Literatur genannt bekommen (gibt es nicht), einer wollte, dass ich die Klammerinhalte vor der Addition quadriere, einer wollte auch, dass ich meine Pearson-Korrelation-Werte noch einmal z-transformiere, sprich, jeder wollte was anderes.

Jetzt würde ich gerne die Experten des Forums um Hilfe bitten: Wenn mein geschildertes Vorgehen nicht zulässig ist, sehen sie eine zulässige mathematische Alternative? Ich würde es wirklich zu schätzen wissen, wenn ich die Versuchspersonen mit in die Ergebnisberechnung einschließen könnte, die auf der NRS-Skala keinen Unterschied erspürt hatten.

Ich hoffe, dass jemand etwas mit meinem Erklärungsversuch anfangen kann, bin auch gerne bereit, mich bei Bedarf noch detaillierter zu äußern. Vielen Dank im voraus!

[bele]

Hallo,

das Einführen völlig neuer Berechnungsmethoden ohne sehr gute mathematische Begründung macht keinen Reviewer glücklich. Wenn man für etwas keine Korrellation berechnen kann, dann hat das oft auch inhaltliche Gründe. Geh doch mal einen Schritt zurück und frage Dich, wofür Du diese Korrelationsrechnung überhaupt brauchst. Wäre als Alternative auch eine Regressionsrechnung möglich (kann man die NRS durch die Heart rate vorhersagen)? Dann ist Dein Problem verschwunden. Wenn bei Schwankungen der Heart Rate keine Änderung der NRS auftritt, wäre das für Deine weitere Verwendung vergleichbar einer Korrelation mit r=0 ? So eine Substitution wäre ggf. leichter zu begründen als Deine komplexen Rechenwege ohne verständliche Begründung, warum Du das so und nicht anders machst.

Vorschlag: Einen großen Schritt zurück gehen und was anderes versuchen.

LG,
Bernhard

[Samhain]

Ich danke für diesen Hinweis. Klingt plausibel. Tatsächlich habe ich einen Artikel gefunden, in dem so vorgegangen wurde. Allerdings ist mir noch nicht ganz klar, wie ich meine SPSS-Datenmatrix ohne gewaltigen Aufwand (n=94) so verändere, dass ich diese Regression gut rechnen kann. Bisher hat jeder NRS-Messzeitpunkt eine eigene Spalte, also NRS_Heart_Rate_T1, NRS_Heart_Rate_T2 etc. Für die AV in der Regression müssen die Daten für jede VPn in eine Spalte, oder? Also eine NRS-Heart Rate, in der in jeder Zeile ein Meßzeitpunkt abgelegt ist. Ich habe 94 Versuchspersonen und sechs Bioparameter, die auf NRS bewertet wurden. Ich hoffe, dass es eine gute Möglichkeit gibt, diese Umwandlung zu automatisieren. Weißt Du Rat?

[Samhain]

Ich habe es jetzt mal mit dem Transponieren-Befehl versucht, um Zeilen in Spalten zu überführen. Klappt, ist aber mühsam, zumindest wenn ich keine entsprechende Syntax programmiere, die automatisiert für alle 94 Probanden je eine lineare Regression rechnet. Die Autoren des von mir gesehenen Artikels z-transformierten dann noch einmal den standardisierten Koeffizienten Beta, um ein "Präzisionsmaß" für die Interozeption zu erhalten.

ABER: Ich bekomme das gleiche Problem wie bei der Produkt-Moment-Korrelation: SPSS weigert sich, eine lineare Regression mit meiner AV zu rechnen, wenn die Werte der AV zu allen Meßzeitpunkten gleich waren. Wo liegt denn dann der Vorteil der Regression? Kann ich das Problem hier leichter beheben?

Wäre für weitere Hilfestellung sehr dankbar.

[Samhain]

Um vielleicht noch mal deutlich zu machen, warum ich den ganzen Aufwand überhaupt betreibe:

Nehmen wir an, 2 Versuchspersonen durchlaufen eine Versuchsanordnung mit Baseline-Erhebung, Entspannung, mathematischem Stressor und zweiter Entspannung. Verschiedene Bioparameter werden fortlaufend über ein Biofeedbackgerät gemessen. Die VPn stufen die gefühlte Frequenz ihrer Herzrate zu allen vier Zeitpunkten auf einer 11stufigen (0-10) NRS-Skala ein.
Nehmen wir nun an, wir haben zwei Probanden mit unterschiedlicher Herzratenreagibilität. Proband 1 hat zu den vier Zeitpunkten die Herzraten
72,4
70,8
75,2
72,6

und Proband 2 hat zu den vier Zeitpunkten die Herzraten
70,7
62,0
95,4
73,4

Beide Probanden beurteilen die gefühlten Herzraten immer gleich, kreuzen also z.B. immer 5 an.

Wir könnten die beiden Probanden (da SPSS weder bei Korrelation noch Regression etwas berechnen kann) aus der Studie schmeißen. Das fände ich aber sowohl schade als auch logisch schwer begründbar. Beide Versuchspersonen haben mitgearbeitet und ihre Wahrnehmung wunschgemäß rückgemeldet. Es wäre eigentlich eine Verzerrung der Verhältnisse, gleiche Wahrnehmungen zu den vier Zeitpunkten einfach nicht zu berücksichtigen.

Die zweite, von Ihnen angedeutete Möglichkeit, wäre, die beiden VPn als Nullkorrelationen zu behandeln, also als extrem schlechte Wahrnehmer, deren Körperfunktionen keinen Zusammenhang zu ihrer Wahrnehmung haben. Das mag mathematisch halbwegs okay sein, (bio)logisch macht es meiner Ansicht nach aber keinen großen Sinn. Dazu folgende Überlegung:
Proband 1 hat eine geringe Herzreagibilität. Es ist gut vorstellbar, dass solche kleinen Abweichungen des Herzschlags wahrnehmungsphysiologisch nicht oder allenfalls nur sehr schwer registriert werden können. Proband 1 liegt also mit seiner Einschätzung einer Nichtveränderung nah an der Wahrheit, könnte also durchaus als guter Wahrnehmer gelten. Proband 2 hat eine sehr starke Herzreagibilität. Seine Einschätzung einer Nichtveränderung ist viel eher auf ein Wahrnehmungsdefizit zurückzuführen, man würde vermuten, dass er keine gute Interozeption hat.
Man müsste meiner Meinung nach die jeweiligen Abweichungen der Probandeneinschätzungen von den "wahren Biowerten" messen und aufaddieren. Je größer die Summe, um so schlechter die Interozeptionsleistung. Meine oben dargestellte Formel war der Versuch, dies zu leisten. Ist das wirklich so unplausibel?

[bele]

Hallo,

zu SPSS kann ich leider gar nichts sagen. Ich habe mal eine Studentenversion davon gekauft, damals aber noch mit Deutschen Mark bezahlt und von mehreren Installationsdisketten auf meinen Rechner aufgespielt. SPSS habe ich seither nicht mehr angefasst.

Die zweite, von Ihnen angedeutete Möglichkeit,...

Wir können gerne forumsüblich das Du verwenden.

Das mag mathematisch halbwegs okay sein, (bio)logisch macht es meiner Ansicht nach aber keinen großen Sinn. Dazu folgende Überlegung:
Proband 1 hat eine geringe Herzreagibilität. Es ist gut vorstellbar, dass solche kleinen Abweichungen des Herzschlags wahrnehmungsphysiologisch nicht oder allenfalls nur sehr schwer registriert werden können. Proband 1 liegt also mit seiner Einschätzung einer Nichtveränderung nah an der Wahrheit, könnte also durchaus als guter Wahrnehmer gelten. Proband 2 hat eine sehr starke Herzreagibilität. Seine Einschätzung einer Nichtveränderung ist viel eher auf ein Wahrnehmungsdefizit zurückzuführen, man würde vermuten, dass er keine gute Interozeption hat.

Tut mir leid, ich finde das gar nicht logisch. Du willst Proband 1 unterstellen, dass er eine stärkere Pulsveränderung wahrgenommen hätte, obwohl es gar keine Daten dazu gibt, weil er nie einen so hohen Puls hatte. Proband 1 könnte durchaus sehr viel schlechtere Introspektionsfähigkeiten haben als Proband 2 - Du darfst in Deiner Auswertung nicht einfach annehmen, dass er besser ist. Du kannst Proband 1 aus der Studie schmeißen und die Selbstwahrnehmung nur bei solchen Leuten untersuchen, bei denen etwas zu spüren gab.

Ich glaube, Du musst noch einen Schritt weiter zurück in der Abstraktionsebene gehen und schreiben, warum Dich die Korrellation interessiert bzw. wie Du die Korrellationskoeffizienten weiter verarbeiten möchtest. Vielleicht bietet sich dann ein anderes Vorgehen an.

ABER: Ich bekomme das gleiche Problem wie bei der Produkt-Moment-Korrelation: SPSS weigert sich, eine lineare Regression mit meiner AV zu rechnen, wenn die Werte der AV zu allen Meßzeitpunkten gleich waren.

Das Problem verstehe ich nicht. Fehlende Varianz in der abhängigen Variablen sollte kein Grund sein, keine lineare Regression zu rechnen. Im Ergebnis ist beta für die unabhängig Variable eben sehr nahe an Null oder gleich Null und der Intercept ist hoch signifikant und gleich der konstanten abhängigen Variablen. Vielleicht meldet sich ja noch ein SPSS-Guru.

LG,
Bernhard

[Samhain]

Hallo,
könnte es nicht sein, dass auch in der linearen Regression (auf Basis der darin enthaltenen mathematischen Operationen) eine z-Transformation vorgenommen wird? Das Nichtberechnen durch SPSS hat meiner Ansicht nach einfach damit zu tun, dass eine z-Transformation der Werte nicht vorgenommen werden kann, was wiederum damit zu tun hat, dass eine Nullvarianz über die vier Werte rechnerisch eine Division durch 0 bedeuten würde.

Warum ich mich für eine Korrelation entschieden habe? Gute Frage. Weil ich mich vor die Frage gestellt sah, wie aus meinen in der Studie gewonnenen Werten ein Maß für die Interozeption gewonnen werden kann, welches jedem Probanden einen Interozeptionswert zuweist und ihn dadurch vergleichbar mit den anderen Probanden macht. Interozeptionsforschung bedient sich oft anderer Untersuchungsdesigns, z.B. dem aus der Signal-Detektions-Theorie abgeleiteten Whitehead-Paradigma, wo letztlich die Zahl der korrekten Zuordnungen von über Kopfhörer dargebotenen Herzschlägen als Interozeptionsmaß dient oder dem sogenannten Schandry-Task, wo die Zahl der in verschiedenen Zeiteinheiten korrekt gezählten Herzschläge Maß für die Interozeptionsgenauigkeit ist. Solche Untersuchungsmethoden sind gut validiert, aber ausschließlich für die Herzratenwahrnehmung entwickelt worden (dem Hauptansatzpunkt der Interozeptionsforscher). Ich wollte ja auch Hautleitfähigkeit, Pulsvolumenamplitude, Atemfrequenz, Schulterverspannung und Atemamplitude erfassen, d.h., es brauchte ein universelles Maß. Ausgangslage waren dann für jeden Probanden 4 Biowerte und 4 NRS-Skalenwerte und das für alle 6 Parameter.
Für mich lag nahe, dass eine Korrelation zwischen den jeweils vier x vier Werten eine hohe Augenscheinvalidität aufweist. Je höher die Korrelation, desto höher die Übereinstimmung zwischen Bioparameter und Selbsteinstufung bezüglich des Bioparameters, desto höher die Interozeptionsgenauigkeit. In der Literatur wurde das von der Arbeitsgruppe um Bogaerts et al. (2005) bereits für verschiedene Atemparameter gemacht. Einziger Unterschied: Die haben die Korrelationen danach noch einmal z-transformiert und diesen Wert als Genauigkeitsmaß genommen. Da mir nicht klar war, welchen Vorteil die erneute Transformation haben sollte, habe ich diesen Schritt ausgelassen. Klarer Vorteil der Gruppe um Bogaerts: Die verwendeten eine Visuelle Analog-Skala, die frei vom Probanden ausgefüllt werden konnte und dann per Lineal ausgemessen wurde. Mein Fehler. Aber daher meine Frage: Kann ich trotz dieses "Schnitzers" im Versuchsdesign Werte für Interozeptionsgenauigkeit bekommen, auch wenn der Proband viermal die "5" gekreuzt hat?
Vielen Dank für die bisherigen Antworten. Ich hoffe, ich habe Deine Nachfrage richtig verstanden und das Warum der Korrelation nachvollziehbarer erklärt.

[bele]

Das Nichtberechnen durch SPSS hat meiner Ansicht nach einfach damit zu tun, dass eine z-Transformation der Werte nicht vorgenommen werden kann, was wiederum damit zu tun hat, dass eine Nullvarianz über die vier Werte rechnerisch eine Division durch 0 bedeuten würde.

Ich weiß nicht, wo das SPSS-interne Problem liegt. Andere Software berechnet Regressionen, wenn die AV konstant ist. Bitte geh aber auf Nummer Sicher, dass Du nicht das Problem warst, indem Du versehentlich die Konstante als UV eingesetzt hast.

Die haben die Korrelationen danach noch einmal z-transformiert und diesen Wert als Genauigkeitsmaß genommen. Da mir nicht klar war, welchen Vorteil die erneute Transformation haben sollte, habe ich diesen Schritt ausgelassen.

Vielleicht kann ich Dir in diesem Punkt helfen mit dem Verweis auf Fishers z-Transformation, die etwas anderes ist also die gemeine z-Transformation. Sorry, falls Du das schon alles weißt, sonst lies mal hier:
http://en.wikipedia.org/wiki/Fisher_transformation
http://www.statistik-und-beratung.de/20 ... /#more-567

Klarer Vorteil der Gruppe um Bogaerts: Die verwendeten eine Visuelle Analog-Skala, die frei vom Probanden ausgefüllt werden konnte und dann per Lineal ausgemessen wurde.

Dadurch haben Sie bei Probanden die nix spüren eine zufällige kleine Varianz durch ungenaues Setzen der Linie eingebaut. Das ist so, als würdest Du zu jeder deiner 5en eine kleine normalverteilte Zufallszahl addieren. Der einzige Unterschied ist, dass Du Deinem Reviewer nicht wirst erklären können, warum Du eine kleine Zufallszahl addierst.

Mein Fehler. Aber daher meine Frage: Kann ich trotz dieses "Schnitzers" im Versuchsdesign Werte für Interozeptionsgenauigkeit bekommen, auch wenn der Proband viermal die "5" gekreuzt hat?
Vielen Dank für die bisherigen Antworten. Ich hoffe, ich habe Deine Nachfrage richtig verstanden und das Warum der Korrelation nachvollziehbarer erklärt.

wie aus meinen in der Studie gewonnenen Werten ein Maß für die Interozeption gewonnen werden kann, welches jedem Probanden einen Interozeptionswert zuweist und ihn dadurch vergleichbar mit den anderen Probanden macht.

Wäre nicht vllt. doch die Steigung der Regressionsgeraden (Veränderung der NRS pro Veränderung der heart rate) das passendere Maß?

LG,
Bernhard

[bele]

Das Nichtberechnen durch SPSS hat meiner Ansicht nach einfach damit zu tun, dass eine z-Transformation der Werte nicht vorgenommen werden kann, was wiederum damit zu tun hat, dass eine Nullvarianz über die vier Werte rechnerisch eine Division durch 0 bedeuten würde.

Ich weiß nicht, wo das SPSS-interne Problem liegt. Andere Software berechnet Regressionen, wenn die AV konstant ist. Bitte geh aber auf Nummer Sicher, dass Du nicht das Problem warst, indem Du versehentlich die Konstante als UV eingesetzt hast.

Die haben die Korrelationen danach noch einmal z-transformiert und diesen Wert als Genauigkeitsmaß genommen. Da mir nicht klar war, welchen Vorteil die erneute Transformation haben sollte, habe ich diesen Schritt ausgelassen.

Vielleicht kann ich Dir in diesem Punkt helfen mit dem Verweis auf Fishers z-Transformation, die etwas anderes ist also die gemeine z-Transformation. Sorry, falls Du das schon alles weißt, sonst lies mal hier:
http://en.wikipedia.org/wiki/Fisher_transformation
http://www.statistik-und-beratung.de/20 ... /#more-567

Klarer Vorteil der Gruppe um Bogaerts: Die verwendeten eine Visuelle Analog-Skala, die frei vom Probanden ausgefüllt werden konnte und dann per Lineal ausgemessen wurde.

Dadurch haben Sie bei Probanden die nix spüren eine zufällige kleine Varianz durch ungenaues Setzen der Linie eingebaut. Das ist so, als würdest Du zu jeder deiner 5en eine kleine normalverteilte Zufallszahl addieren. Der einzige Unterschied ist, dass Du Deinem Reviewer nicht wirst erklären können, warum Du eine kleine Zufallszahl addierst.

wie aus meinen in der Studie gewonnenen Werten ein Maß für die Interozeption gewonnen werden kann, welches jedem Probanden einen Interozeptionswert zuweist und ihn dadurch vergleichbar mit den anderen Probanden macht.

Wäre nicht vllt. doch die Steigung der Regressionsgeraden (Veränderung der NRS pro Veränderung der heart rate) das passendere Maß?

LG,
Bernhard