STATISTIK-FORUM.de

Liebe Cracks,

ich habe eine PatientInnen-Stichprobe mit Diagnose Alkoholabhängigkeit und möchte mir anschauen, wie Partnerschaft und Abstinenz zusammenhängen. Partnerschaft wird zu 3 Zeitpunkten erhoben.

Zunächst möchte ich nur den Zusammenhang Partnerschaft ja/ nein und Abstinenz ja/nein zu allen 3 ZP untersuchen. Die N's sind >100 in jeder Zelle der Kontingenztabelle. Ich habe Chi-Quadrat Tests gerechnet und es gibt signifikante Zusammenhänge bzgl. Gruppenzugehörigkeit verpartnert/ Single und Abstinenz für alle 3 Zeitpunkte (bzw. signifikante Unterschiede).

Jetzt will ich aber wissen, was sich günstiger auf Abstinenz auswirkt und habe Binominaltests gerechnet mit .5 als Vergleichswert. Ergebnis: Menschen in PA sind signifikant häufiger abstinent als Singles, da die Wahrscheinlichkeit über 50% liegt, in einer PA abstinent zu sein für alle 3 ZP (richtige Schlussfolgerung?). Ich habe auch umgekehrt Rückfälligkeit als AV angeschaut - hier kam zu 2 Zeitpunkten kein signifikanter Unterschied raus, also eine Wahrscheinlichkeit von 50% für Menschen in PA rückfällig zu sein und zu einem ZP war es auch signifikant wahrscheinlicher als 50%, in einer Partnerschaft rückfällig zu sein. Kann das Sinn machen?

Habt ihr einen besseren Vorschlag bzgl. des Verfahrens, um auf diesem Datenniveau zu schauen, was sich besser aus Abstinenz auswirkt? Eine andere Idee war Pearson-Residuen für die gerichteten Vergleiche zu verwenden - wären die geeigneter?

Das Ganze will ich auch für eine 3-fache Gruppeneinteilung wissen - G1: gute Partnerschaft, G2:schlechte Partnerschaft und G3:Singles, AV: Abstinenz (ich habe einen Fragebogen und konnte die Gruppen mit einem Cut-off Wert einteilen). Jetzt habe ich 2 Zeitpunkte. Die N's sind zwischen 12 und 121 in jd. Zelle. Ich dachte auch an Chi-Quadrat (ja, signifikant für beide ZP) und dann Pearson Residuen, um die Richtung der Unterschiede anzuschauen.
Auch hier: habt ihr bessere Ideen?

Ich will für alle Tests die Bonferroni-Holm-Korrektur anwenden - kann ich das nun in einem Rutsch für alle oben beschriebenen Untersuchungen machen, also die 2-fache und 3-fache Gruppeneinteilung zusammenpacken?

Vielen herzlichen Dank im Voraus schon einmal fürs Mitdenken!! Mers

Jetzt will ich aber wissen, was sich günstiger auf Abstinenz auswirkt und habe Binominaltests gerechnet mit .5 als Vergleichswert.

Ich kann nicht ganz folgen. Wenn der Chi² Test für die Vierfeldertafeln jeweils einen statistisch signifikanten Zusammenhang zeigt, dann reicht doch ein Blick auf die Deskriptivstatistiken ( "Messzeitpunkt 1: X% der Verpartnerten abstinent, Y% der nicht-Verpartnerten abstinent").

Ich habe auch umgekehrt Rückfälligkeit als AV angeschaut - hier kam zu 2 Zeitpunkten kein signifikanter Unterschied raus, also eine Wahrscheinlichkeit von 50% für Menschen in PA rückfällig zu sein und zu einem ZP war es auch signifikant wahrscheinlicher als 50%, in einer Partnerschaft rückfällig zu sein. Kann das Sinn machen?

Was haben die 50% damit zu tun, dem kann ich wie gesagt nicht folgen? Du willst doch untersuchen, ob die Gruppen sich unterscheiden, nicht ob eine eine Quote < 50% hat. Für die Interpretation gilt dasselbe wie oben, Vierfeldertafeln, Chi²-Test, Deskrptivstatistik.

Habt ihr einen besseren Vorschlag bzgl. des Verfahrens, um auf diesem Datenniveau zu schauen, was sich besser aus Abstinenz auswirkt?

"Auswirkungen" untersuchst Du ja nicht, nur korrelative Zusammenhänge.
Kausalinterpretationen sind mehr oder minder plausible Spekulationen.

Das Ganze will ich auch für eine 3-fache Gruppeneinteilung wissen - G1: gute Partnerschaft, G2:schlechte Partnerschaft und G3:Singles, AV: Abstinenz (ich habe einen Fragebogen und konnte die Gruppen mit einem Cut-off Wert einteilen). Jetzt habe ich 2 Zeitpunkte. Die N's sind zwischen 12 und 121 in jd. Zelle. Ich dachte auch an Chi-Quadrat (ja, signifikant für beide ZP) und dann Pearson Residuen, um die Richtung der Unterschiede anzuschauen.
Auch hier: habt ihr bessere Ideen?

Kannst Du mit den Zell-Residuen machen. Oder paarweise Vergleiche mit jeweils einer 4feldertafel (G1/G2 bzw. G1/G3 bzw. G2/G3 und Abstinenz/NIchtabstinenz).

Ich will für alle Tests die Bonferroni-Holm-Korrektur anwenden - kann ich das nun in einem Rutsch für alle oben beschriebenen Untersuchungen machen, also die 2-fache und 3-fache Gruppeneinteilung zusammenpacken?

Wenn Du Wert darauf legst.

Mit freundlichen Grüßen

PonderStibbons

Oh ha, da fällt es mir wie Schuppen von den Augen, viel zu umständlich gedacht !!! Danke PonderStibbons!!

Nur eine Sache noch mal zur Klärung:

Das Ganze will ich auch für eine 3-fache Gruppeneinteilung wissen - G1: gute Partnerschaft, G2:schlechte Partnerschaft und G3:Singles, AV: Abstinenz (ich habe einen Fragebogen und konnte die Gruppen mit einem Cut-off Wert einteilen). Jetzt habe ich 2 Zeitpunkte. Die N's sind zwischen 12 und 121 in jd. Zelle. Ich dachte auch an Chi-Quadrat (ja, signifikant für beide ZP) und dann Pearson Residuen, um die Richtung der Unterschiede anzuschauen.
Auch hier: habt ihr bessere Ideen?

Kannst Du mit den Zell-Residuen machen. Oder paarweise Vergleiche mit jeweils einer 4feldertafel (G1/G2 bzw. G1/G3 bzw. G2/G3 und Abstinenz/NIchtabstinenz). --> Wie meinst du das genau mit den Zell-Residuen (Pearson Residuen?)? Und 4feldertafel dann wieder mit Chi-Quadrat, oder?

Ich will für alle Tests die Bonferroni-Holm-Korrektur anwenden - kann ich das nun in einem Rutsch für alle oben beschriebenen Untersuchungen machen, also die 2-fache und 3-fache Gruppeneinteilung zusammenpacken?

Wenn Du Wert darauf legst. --> nicht unbedingt, günstiger wirkt es sich ja für mich auf die Signifikanzniveaus aus, wenn ich das für beide Gruppeneinteilungen getrennt mache? Dachte nur, das wäre der korrektere Weg.

Noch mal Danke für die Hilfe !

Wie meinst du das genau mit den Zell-Residuen (Pearson Residuen?)?

So nennt man sie wohl unter anderem auch.

günstiger wirkt es sich ja für mich auf die Signifikanzniveaus aus, wenn ich das für beide Gruppeneinteilungen getrennt mache? Dachte nur, das wäre der korrektere Weg.

Je nach dem, was im konkreten Fall wichtig ist, z.B. falsch-positive Ergebnisse zu vermeiden.

Mit freundlichen Grüßen

PonderStibbons