Umgekehrte Hypothese H0 u1 != u2

Alles zu (M)ANOVA, ALM...

Umgekehrte Hypothese H0 u1 != u2

Beitragvon hansilein » Do 12. Jul 2018, 22:39

Hi,

ich habe Daten von einem Experiment aus einem Fahrsimulator.
Dabei sind Probanden 6 Fahrten gefahren und wurden bei ihren Treatment Fahrten abgelenkt.
Versuch lief ab: Baseline, Treatment_1, Baseline, Treatment_2, Baseline, Treatment_3.

Da ich selbst noch einen Versuch machen möchte, und diesen so kurz wie möglich halten möchte, wollte ich schauen, ob sich die Baselines überhaupt unterscheiden, bzw. ob es überhaupt Sinn ergibt 3 Baseline Fahrten zu machen oder ob 2 Fahrten, 1 am Anfang, 1 am Ende - oder insgesammt 1 Baseline fahrt vllt. auch ausreicht.

Dazu habe ich einen Friedmann-Test gemacht, der mir das Ergebnis gegeben hat, dass ich H0 nicht verwerfen kann. Nun ist H0 beim Friedmann ja, dass keine signifikanten Unterschiede bestehen. Aber dass heißt ja nicht unbedingt dass H0 wahr ist, oder?
Man versucht ja immer H0 zu verwerfen.
Also dachte ich nun, wenn H0 wäre, dass sich die Fahrten unterscheiden, also : H0: u1 != u2, dann könnte ich testen ob ich diese Hypothese ablehnen kann.
Nur wie geht dies? Oder habe ich hier einen Denkfehler?

Zudem:
Das Ergebnis einer jeden Fahrt ist 1 numerischer intervallskalierter Wert der mir eine Performance angibt. (Durchschnittliche Abweichung zu einer Ideallinie). Dieser Wert liegt im Bereich von 0,2 - 0,8

Wenn ich nun wissen möchte, ob die Treatments einen Verschlechterung der Fahrperformanz bedingen, bilde ich da aus allen 3 Baselines den Mittelwert und berücksichtige ich nur die Baseline die unmittelbar vor der Treatment fahrt durchgeführt wurde?

Außerdem:
Ich habe oben einen Friedmann Test gemacht, da ich bei meinem Test auf Normalität der Daten festgestellt habe, dass diese nicht normalverteilt scheinen. Allerdings JEDES andere wissenschaftliche Paper benutzt F-Tests wenn sie die gleichen Werte ausrechnen. Das verstehe ich nicht :/


Viele Fragen, ich hoffe ich stell mich nicht allzu dämlich an!

Vielen Dank für die Hilfe, LG
Hans
hansilein
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Do 12. Jul 2018, 22:31
Danke gegeben: 1
Danke bekommen: 0 mal in 0 Post

Re: Umgekehrte Hypothese H0 u1 != u2

Beitragvon PonderStibbons » Fr 13. Jul 2018, 08:33

Da ich selbst noch einen Versuch machen möchte, und diesen so kurz wie möglich halten möchte, wollte ich schauen, ob sich die Baselines überhaupt unterscheiden, bzw. ob es überhaupt Sinn ergibt 3 Baseline Fahrten zu machen oder ob 2 Fahrten, 1 am Anfang, 1 am Ende - oder insgesamt 1 Baseline fahrt vllt. auch ausreicht.

Das liegt doch in erster Linie an der genauen Fragestellung (was soll genau womit verglichen werden und warum) und an den Vorannahmen. Wenn Du Trainingseffekte bzw. Ermüdungseffekte kontrollieren willst, wären mehrere Messungen unter neutralen Bedingungen sicherlich hilfreich. Wenn Du sie nicht kontrollieren willst/musst, dann reicht womöglich die eine Baseline.
Dazu habe ich einen Friedmann-Test gemacht, der mir das Ergebnis gegeben hat, dass ich H0 nicht verwerfen kann.

Wie klein ist denn die Stichprobe? Wenn die power der Testung gering ist aufgrund kleiner Stichprobe, ist das "nicht-signifikante" Ergebnis bedeutungslos. Zudem stellt sich die Frage, wozu überhaupt Signifikanztest. Du willst doch über die praktische Durchführung der Studie etwas erfahren, da ist vor allem die Deskriptivstatistik relevant.
Nur wie geht dies?

Das geht, wenn Du eine vergleichsweise große Stichprobe hast (dreistellig, wäre meine spontane Idee).

Wenn ich nun wissen möchte, ob die Treatments einen Verschlechterung der Fahrperformanz bedingen, bilde ich da aus allen 3 Baselines den Mittelwert und berücksichtige ich nur die Baseline die unmittelbar vor der Treatment fahrt durchgeführt wurde?

Man könnte eine mehrfaktorielle Varianzanalyse mit Messwiederholung rechnen, mit den 2 Faktoren "Durchgangsnummer" (3 Stufen) und "Durchgangstyp (Baseline versus Experimentell). Das analysiert, ob sich generell mit der Zeit die Leistungen verändern, ob die Leistungen zwischen Baseline und Treatments differieren und über die Wechselwirkung, ob die Differenzen zwischen Baseline und Treatment mit der Zeit größer (oder kleiner) werden.

Allerdings JEDES andere wissenschaftliche Paper benutzt F-Tests wenn sie die gleichen Werte ausrechnen. Das verstehe ich nicht :/

Normalverteilungen sind eher uninteressant, zumindest solange die Stichprobe nicht winzig ist.

Mit freundlichen Grüßen

PonderStibbons
"Multiple exclamation marks are a sure sign of a diseased mind." (Terry Pratchett, 'Eric').
PonderStibbons
Foren-Unterstützer
Foren-Unterstützer
 
Beiträge: 7254
Registriert: Sa 4. Jun 2011, 15:04
Wohnort: Ruhrgebiet
Danke gegeben: 23
Danke bekommen: 1495 mal in 1482 Posts

folgende User möchten sich bei PonderStibbons bedanken:
hansilein

Re: Umgekehrte Hypothese H0 u1 != u2

Beitragvon hansilein » Fr 13. Jul 2018, 10:53

PonderStibbons hat geschrieben:Das liegt doch in erster Linie an der genauen Fragestellung (was soll genau womit verglichen werden und warum) und an den Vorannahmen. Wenn Du Trainingseffekte bzw. Ermüdungseffekte kontrollieren willst, wären mehrere Messungen unter neutralen Bedingungen sicherlich hilfreich. Wenn Du sie nicht kontrollieren willst/musst, dann reicht womöglich die eine Baseline.

Danke! Das hilft weiter :)

PonderStibbons hat geschrieben:Wie klein ist denn die Stichprobe? Wenn die power der Testung gering ist aufgrund kleiner Stichprobe, ist das "nicht-signifikante" Ergebnis bedeutungslos. Zudem stellt sich die Frage, wozu überhaupt Signifikanztest. Du willst doch über die praktische Durchführung der Studie etwas erfahren, da ist vor allem die Deskriptivstatistik relevant.

Die Stichprobengröße ist n=30.
Mit der Antwort zum 1. Abschnitt erübrigt sich die Frage allerdings und ich werde vmtl. eine Baseline zu Beginn und eine zum Ende der Studie fahren lassen. Ich habe zudem noch ein Zitat des ursprünglichen Begründers des Fahrsimulator - Tests gefunden, der schreibt man solle Baselines symmetrisch fahren. Also eine am Anfang und eine am Ende (bzw. zusätzlich optional noch eine in der Mitte).

PonderStibbons hat geschrieben:Man könnte eine mehrfaktorielle Varianzanalyse mit Messwiederholung rechnen, mit den 2 Faktoren "Durchgangsnummer" (3 Stufen) und "Durchgangstyp (Baseline versus Experimentell). Das analysiert, ob sich generell mit der Zeit die Leistungen verändern, ob die Leistungen zwischen Baseline und Treatments differieren und über die Wechselwirkung, ob die Differenzen zwischen Baseline und Treatment mit der Zeit größer (oder kleiner) werden.

Sehr gute Idee. Wenn ich nun in meiner eigenen Studie nur zwei Baselines fahre, am Anfang und am Ende und 3 Treatments in der "Mitte".
Also: Base, Treat1, Treat2, Treat3, Base.
Idee: Ich mache zwei Tests:
1. Test: Schaue ob es einen Ermüdungseffekt/Lerneffekt gibt (Unterschied der Baselines).
2. Test: Einfaktorielle Varianzanalyse mit Messwiederholung -> Schaue ob es einen Unterschied zwischen Baseline-Average und den Treatments gibt.
Ergibt dies Sinn? Was für weitere sinnvolle Dinge könnte ich hier untersuchen?

PonderStibbons hat geschrieben:Normalverteilungen sind eher uninteressant, zumindest solange die Stichprobe nicht winzig ist.

Interessant! Da lese ich mich mal genauer ein.

Vielen Dank für die Hilfe :)
hansilein
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Do 12. Jul 2018, 22:31
Danke gegeben: 1
Danke bekommen: 0 mal in 0 Post

Re: Umgekehrte Hypothese H0 u1 != u2

Beitragvon PonderStibbons » Fr 13. Jul 2018, 11:31

1. Test: Schaue ob es einen Ermüdungseffekt/Lerneffekt gibt (Unterschied der Baselines).

Den kannst Du bei der Analyse der Treatmenteffekte aber nicht rechnerisch einbeziehen.
Oder reicht es, dass man feststellen kann, die Leistung hat sich von Baseline1 zu Baseline 2
in der Stichprobe markant verändert bzw. kaum verändert?
2. Test: Einfaktorielle Varianzanalyse mit Messwiederholung -> Schaue ob es einen Unterschied zwischen Baseline-Average und den Treatments gibt.
Ergibt dies Sinn? Was für weitere sinnvolle Dinge könnte ich hier untersuchen?

Wie könnte denn ich sagen, ob es Sinn ergibt und welche sinnvolle Dinge es sonst noch gäbe?
Es ist nicht meine Studie, ich kenne nicht den theoretischen Hintergrund und die praktischen Zwecke,
es wurde von Dir keine präzise Fragestellung genannt.

Mit freundlichen Grüßen

PonderStibbons
"Multiple exclamation marks are a sure sign of a diseased mind." (Terry Pratchett, 'Eric').
PonderStibbons
Foren-Unterstützer
Foren-Unterstützer
 
Beiträge: 7254
Registriert: Sa 4. Jun 2011, 15:04
Wohnort: Ruhrgebiet
Danke gegeben: 23
Danke bekommen: 1495 mal in 1482 Posts


Zurück zu Varianzanalysen

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 0 Gäste