STATISTIK-FORUM.de

[MarBi]

Hallo zusammen,
ich komme bei den Berechnungen für meine Diplomarbeit gerade nicht weiter und freue mich über jede Antwort wirklich sehr.
Ich muss mich auf ein bestimmtes Verfahren festlegen und es auch gut begründen können, was mir leider nicht gelingt.
Hintergrund: Es gibt 3 Gruppen: 2 klinische und eine Kontrollgruppe. Die Frage in meiner Studie ist, wie sich die klinischen Gruppen von der Kontrollgruppe im Lernen vom positiven und negativen Feedback unterscheiden. 1. klinische Gruppe soll besser aus negativem Feedback lernen und schlechter aus positivem; 2. Klinische genau umgekehrt. Die Hypothesen sind also gerichtet und es werden jeweils 1 klinische mit der Kontrollgruppe verglichen - einmal in Bezug aufs positive Feedback und einmal in Bezug aufs negative Feedback. Ich müsste in diesem Fall also vier t-Tests durchführen (und korrigieren?).
Als weitere Möglichkeit habe ich mir überlegt, ANOVA zu rechnen und ensprechende Kontraste zu bilden (einmal fürs positive und einmal fürs negative Feedback). ICh bin mir aber nicht sicher, ob dieses Vorgehen gerechtfertigt ist, denn es werden ja eigentlich zu keinem Zeitpunkt alle drei Gruppen miteinander verglichen...Der Vorteil dieses Verfahrens wäre aber, dass ich explorativ auch die beiden klinischen Gruppen miteinander vergleichen könnte (gut, ich muss erst die Haupthypothesen testen und erst danach zusätzlice Rechnungen durchführen, deswegen zählt dieser Vorteil erstmal nicht...)
Beide Verfahren (Anova mit Kontasten und t-tests ohne Korrektur) führen zu beinahe identischen Ergebnissen. Trotzdem muss ich mich entscheiden.
Welches Verfahren haltet ihr bei dieser Fragesstelung für besser geeignet? Wäre bei t-Tests eine Korrektur notwendig?
Ich bin langsam am verzweifeln und hoffe sehr auf eure Unterstützung!

Beste Grüße
MarBi

[PonderStibbons]

1. klinische Gruppe soll besser aus negativem Feedback lernen und schlechter aus positivem;

Ich nehme mal an, es ist gemeint "besser als die Kontrollgruppe / schlechter als die Kontrollgruppe" und
nicht: "die Lernleistung unter der Bedinung negativ ist besser als unter der Bedingung positiv".

Ich müsste in diesem Fall also vier t-Tests durchführen (und korrigieren?).

Mach zwei einfaktorielle Varianzanalysen mit post-hoc Tests (da Dich auch die Vergleiche
zwischen den klinischen Gruppen interessieren). Oder bzw. zusätzlich eine gemischte
Messwiederholungs-Varianzanalyse (Messwiederholungsfaktor "Feedbacktyp", Zwischensubjektfaktor
"Gruppe"), falls das zu den theoretischen Überlegungen passt.

Mit freundlichen Grüßen

P.

[MarBi]

Vielen Dank für die Antwort!

Der Vergleich zwischen den klinischen Gruppen interessiert mich am Rande und ist als zusätzliche Analyse gedacht, bezieht sich aber nicht auf die zentrale Fragenstellung. Die zentralen Hypothesen lauten so:
1. Klin.Gruppe 1 lernt besser aus negativem feedback als die KG
2. Klin.Gruppe 1 lernt schlechter aus positivem Feedback als die KG
3. Klin. Gruppe 2 lernt schlechter aus positivem feedback als die KG
4. Klin. Gruppe 2 lernt besser aus positivem Feedback als die KG
Es wird also jede klnische Gruppe mit der KG in Bezug auf 2 Variablen verglichen.
Kontraste wollte ich rechnen, weil die Hypothesen gerichtet sind und es a priori in eine bestimmte Richtung getestet wird. In diesem Fall darf man doch keine post-hocs rechnen oder?
Bei den Kontrasten wird aber jeweils eine Gruppe "ausgeschaltet", weil nur zwei verglichen werden. Deswegen weiß ich nicht, ob da nicht die t-Tests angebrachter wären.
Der Vergleich zwischen den klinischen Gruppen erfolgt nur, weil bei den Haupthypothesen keine signifikanten Ergebnisse rauskommen und man anhand der Mittelwerte sehen kann, dass es in eine andere Richtung geht. Das kann ich aber nur machen, wenn zuerst meine Hypothesen mit einem geeigneten Verfahren getestet habe.
Ich hoffe, ich konnte mein Dilemma jetzt etwas klarer darstellen und bedanke mich im Voraus für die Antworten!

Beste Grüße
MarBi

[PonderStibbons]

Es wird also jede klinische Gruppe mit der KG in Bezug auf 2 Variablen verglichen.

Das wäre dann Dunnett's post-hoc test.

Mit freundlichen Grüßen

P.