STATISTIK-FORUM.de

[troemmelche]

Liebe Leute,
das Quantitätsgesetz von Training besagt, dass diejenigen, die bereits sehr gut sind, mehr trainieren müssen, um einen Trainingseffekt zu erzielen. Diejenigen, die noch nicht so gut sind, brauchen nicht so viel Training, um schon einen Trainingseffekt zu haben.

Ich habe nun eine Studie für meine Bachelorarbeit durchgeführt, bei denen zu Beginn und am Ende ein Ausdauertest gemacht wurde und zwischendrin trainiert wurde.

Mit einem t-Test kann ich nun ja sagen, dass sich die gesamte Stichprobe vom ersten zum zweiten Messzeitpunkt verbessert hat.

WIE kann ich aber ausdrücken, ob sich eher die Schwachen verbessert oder ob sich die Starken genau gleich wie die Schwachen verbessert haben? Was muss ich dafür rechnen?

Ich bin euch für eure Hilfe seeeeeeeeeeeeeeehr dankbar.

LG Caro

[PonderStibbons]

Hast Du überhaupt Schwache und Starke? Wenn alle eher schwach oder alle eher stark sind, kann man die Hypothese nicht bearbeiten.

Innerhalb der Stichprobe könntest Du die individuellen Prä-post-Differenzen berechnen und mit dem Ausgangswert korrelieren. Außerdem sollte unbedingt ein X-Y-Streudiagramm zwischen diesen beiden Variablen erstellt werden. Das würde solche Etiketten vermeiden wie "stark" und "schwach" und stattdessen der Frage nachgehen, ob innerhalb der Leistungsbandbreite der betrachteten Stichprobe der Leistungszuwachs mit dem Ausgangswert zusammenhängt.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Falls PonderStibbons da noch Zweifel gelassen haben sollte: Ich finde, Du solltest mindestens zwei Grafiken zeichnen. Einmal den prä-Wert auf der x- und den post-Wert auf der y-Seite gemeinsam mit einer Winkelhalbierenden Gerade. Wenn Deine Teilnehmer sich verbessert haben, dann liegen die Punkte oberhalb der Geraden, wenn sie sich verschlechtert haben, dann nicht. Wenn sie sich alle gleich verbessert haben, dann finden sie sich gleich weit, also quasi parallel zur Winkelhalbierenden, wenn sich inital schwache oder initial starke mehr verbessert haben, dann ist dort auch der Abstand zur Winkelhalbierenden größer. Das wäre der universelle Plot, von dem ich finde, man sollte ihn immer haben. Konkret für Deine hier gestellte Frage ist es besser, den prä-Wert auf der x-Achse und die Differenz Post-Wert minus Prä-Wert auf der y-Achse zu haben. Das nutzt den Raum im Diagramm besser aus.
Rechnen könntest Du zum Beispiel eine Korrelation aus prä-Wert und post-minus-prae-Wert oder eine lineare Regression mit der Du versuchst, den Post-Wert aus dem Prä-Wert vorherzusagen und zwar mit einem quadratischen Term. Das hängt davon ab, ob Du weitere Einflussgrößen in die Rechnung einbeziehen willst (so könnte die Leistungsfähigkeit bei jüngeren Menschen leichter verbesserungsfähig sein als bei älteren) und natürlich davon, welche statistischen Verfahren Du schon kennengelernt hast.

LG,
Bernhard

[troemmelche]

Liebe*r? Ponderstibbons, liebe*r? Bele,

vielen lieben Dank für eure schnellen Antworten

Anbei habe ich mich mal versucht, dies umzusetzen.
Wie kann ich denn ein Bild von Streudiagramm anhängen?

So sieht die Korrelation aus:
Ausdauer_t1 Ausdauert2-t1
Ausdauer_t1 Pearson-Korrelation 1 -,262**
Sig. (2-seitig) <,001
N 276 276

Interpretation: Es besteht ein hoch signfikant schwach negativer Zusammenhang zwischen der Verbesserung der Ausdauer und dem Ausgangsniveau der Ausdauer. Je besser jemand zu t1 ist, desto weniger verbessert die Person sich.
RICHTIG???

So sieht die lineare Regression mit dem Endergebnis der Ausdauer als abhängige Variable aus:

Modell RegressionskoeffizientB Std.-Fehler Beta T Sig. Untergrenze Obergrenze Toleranz VIF
1 (Konstante) 11,223 1,721 6,522 <,001 7,835 14,610
Ausdauer_t1 ,844 ,035 ,826 24,232 <,001 ,775 ,912 1,000 1,000

Da weiß ich die Interpretation aber nicht. Signifikant ist es. Aber dann?
Mit einem Meter mehr beim Eingangstest verbessert sich die Leistung zum Ausgangstest um 0.8 Meter???
ODER WIE ODER WAS?

Sorry, da hab ich keine Ahnung!

Insofern wäre ich euch sehr verbunden, wenn ihr mir noch einmal weiterhelfen könntet!

Danke und Gruß

[PonderStibbons]

Wie kann ich denn ein Bild von Streudiagramm anhängen?

Die Leute laden es meistens woanders hoch und posten dann hier den Link.

Interpretation: Es besteht ein hoch signfikant schwach negativer Zusammenhang

Es besteht ein statistisch signifikanter negativer Zusammenhang. In der vorliegenden Stichprobe in etwa mittelgroß.

Sorry, da hab ich keine Ahnung!
Insofern wäre ich euch sehr verbunden, wenn ihr mir noch einmal weiterhelfen könntet!

Worin besteht am Ende präzise Dein Problem hierbei? Wie eine einfache lineare Regressionsanalyse
funktioniert und was die outputs aussagen, dafür gibt es ja Literatur, auch für Neulinge, und
Du wirst Dich damit befasst haben. Was macht Dich stutzig?

Mit freundlichen Grüßen

PonderStibbons

[troemmelche]

Danke erneut.

Du wirst Dich damit befasst haben

Ich versuche es gerade :-/

RegressionskoeffizientB Std.-Fehler Beta T Sig
(Konstante) 13,896 2,394 5,804 <,001
Ausdauer_t1 ,796 ,047 ,836 16,959 <,001

In einer einfachen linearen Regression mit Ausdauer als der abhängigen und der Ausdauerleistungsfähigkeit zum ersten Messzeitpunkt als erklärende Variablen zeigt sich für die Ausdauer zu Beginn der Studie (b = .80, p < .001) ein signifikanter Effekt. Die Ausdauerleistung zum ersten Messzeitpunkt hat einen hoch signifikanten Einfluss auf die Ausdauer am Ende der Studie.
Kann ich das so formulieren?

Mit einem Meter mehr beim Eingangstest verbessert sich die Leistung zum Ausgangstest um 0.8 Meter

Ob diese Schlussfolgerung so richtig ist, habe ich mich gefragt?!

Und bedeutet es jetzt auch, dass diejenigen, die zu Beginn mehr laufen, sich dann eben auch mehr verbessern?

Ich hatte zudem einen weiteren Fragebogen, auch da würde ich nun gerne schauen, ob diejenigen, die dort hohe Werte erzielen, sich auch mehr verbessern oder umgekehrt.
Da kann ich dann analog zu dem Ausgangsniveau der Ausdauer doch auch stattdessen den Punktwert des Fragebogens nehmen und eben eine Korrelation bzw. Regression rechnen?

Vielen Dank!

[PonderStibbons]

Und bedeutet es jetzt auch, dass diejenigen, die zu Beginn mehr laufen, sich dann eben auch mehr verbessern?

Ist die Verbesserung die abhängige Variable bei dieser Regressionsanalyse?

Mit freundlichen Grüßen

PonderStibbons

[troemmelche]

Ist die Verbesserung die abhängige Variable bei dieser Regressionsanalyse?

Nein, da hatte ich den Ausdauerwert zum 2. Messzeitpunkt genommen.
Deswegen:

oder eine lineare Regression mit der Du versuchst, den Post-Wert aus dem Prä-Wert vorherzusagen und zwar mit einem quadratischen Term. Das hängt davon ab, ob Du weitere Einflussgrößen in die Rechnung einbeziehen willst (so könnte die Leistungsfähigkeit bei jüngeren Menschen leichter verbesserungsfähig sein als bei älteren)

Aber das habe ich wahrscheinlich falsch verstanden bzw. falsch interpretiert.

diejenigen, die zu Beginn mehr laufen, sich dann eben auch mehr verbessern

Wenn ich das herausfinden will, rechne ich also eine Regression mit der Veränderungsvariable als abhängiger Variable?

Mit einem Meter mehr beim Eingangstest verbessert sich die Leistung zum Ausgangstest um 0.8 Meter. Ob diese Schlussfolgerung so richtig ist, habe ich mich gefragt?!

Und entschuldige bitte, dass ich da darauf rumhacke - aber ist denn diese Schlussfolgerung zumindest richtig?

DANKE

[PonderStibbons]

Mit einem Meter mehr beim Eingangstest verbessert sich die Leistung zum Ausgangstest um 0.8 Meter. Ob diese Schlussfolgerung so richtig ist, habe ich mich gefragt?!

Und entschuldige bitte, dass ich da darauf rumhacke - aber ist denn diese Schlussfolgerung zumindest richtig?

Und meine Frage war, ob denn Deine abhängige Variable die Verbesserung (Veränderung) war.
Semantisch ist mir Deine Frage leider unklar. Meinst Du, pro Meter höherer prä-Leistung ist die
vorhergesagte Endleistung um 0,8m höher? Oder meinst Du, pro Meter höherer prä-Leistung
wird ein um 0,8m höherer Leistungszuwachs vorhergesagt? Mir scheint, die y-Variable in der
Analyse war Endleistung, nicht Leistungszuwachs.

Mit freundlichen Grüßen

PonderStibbons