Seite 1 von 1

Statistischer Test für "repeated measures" between-subjects

BeitragVerfasst: Mo 8. Apr 2019, 07:26
von Zebrafisch
Hallo zusammen,

Ich brauche Hilfe zur Wahl passender Tests!
Für meine Masterarbeit habe ich ein 2x3 randomisiertes Experiment in Form eines Fragebogens durchgeführt, bei der Probanden eine Online Buchung durchführen sollten. Dabei waren die Probanden in einer von 6 Gruppen (2 (message/keine message gesehen) x 3 (default auf A/default auf B/gezwungene Wahl) eingeteilt. Die abhängige Variable ist, ob sie die Option X im Shoppingprozess auswählen.
Da meine Variablen kategorisch (Option X gewählt/nicht gewählt) und jeweils eine Ausprägung der beiden Variablen "message" und "default". Das Ganze wird erschwert dadurch dass jeder Proband 3 Shoppingprozesse durchlaufen ist, bei denen die Produkte (Option X) jeweils unterschiedliche Preise hatten.
Hier meine groben Hypothesen:
H1: Probanden, die den Default auf A sehen, nehmen häufiger Option X als die, die den Default auf B sehen.
H2: Probanden, die die Message sehen, nehmen Option X häufiger als die, die die Message nicht sehen.
(Danach möchte ich noch die Moderation von "default" auf den Effekt der "message" messen, aber erst im 2. Schritt).

Aber für mich ist jetzt erst einmal die Frage, wie ich in den Test für H1 und H2 mit berücksichtige, dass jeder Proband 3 mal Option X gewählt/nicht gewählt hat. Andere Literatur hat da (allerdings bei kontinuierlichen Variablen) "multilevel regression analysis" durchgeführt, nachdem sie Probanden geclustert haben.
Oder kann ich dann nur jeweils für Preis E, Preis F und Preis G einzeln die jeweiligen Hypothesen testen?
Meine Stichprobe ist momentan (unbereinigt) 210 Probanden.

Tausend Dank schon einmal! Bin über jegliche Hilfe dankbar!

Re: Statistischer Test für "repeated measures" between-subje

BeitragVerfasst: Mo 8. Apr 2019, 10:48
von PonderStibbons
Die Ergebnisse der 3 Durchgänge zu aggregieren und mit der aggregierten Variable (Ausprägungen 0 bis 3) eine ordinal-logistische Regression zu rechnen wäre keine Option?

Für messwiederholte binäre Outcome Variablen käme ansonsten auch noch Generalized Estimating Equations (GEE) in Frage.

Mit freundlichen Grüßen

PonderStibbons

Re: Statistischer Test für "repeated measures" between-subje

BeitragVerfasst: Sa 13. Apr 2019, 16:35
von Zebrafisch
Danke für die Idee!
Was hätte die ordinal-logistische Regression für einen Vorteil ggü Chi-Square?
Könnte ich nicht auch mit einer aggregierten Variable (Ausprägungen 0,1,2,3) einen Chi-Square Test durchführen und würde zum gleichen Ergebnis kommen?

Re: Statistischer Test für "repeated measures" between-subje

BeitragVerfasst: Sa 13. Apr 2019, 23:02
von strukturmarionette
Hi,

- wie verteilen sich zunächst deskriptiv kreuztabellarisch Deine Befunde (nach 'Datenbereinigung', was immer das für Dich bedeuten mag..) konkret?

Das erleichterte Hinweise hierzu:
H1: Probanden, die den Default auf A sehen, nehmen häufiger Option X als die, die den Default auf B sehen.
H2: Probanden, die die Message sehen, nehmen Option X häufiger als die, die die Message nicht sehen.
(Danach möchte ich noch die Moderation von "default" auf den Effekt der "message" messen, aber erst im 2. Schritt).


Gruß
S.

Re: Statistischer Test für "repeated measures" between-subje

BeitragVerfasst: So 14. Apr 2019, 10:30
von Zebrafisch
Bisher sieht es deskriptiv so aus, in % der Probanden, die die Option 1/2/3 gewählt haben.
(Group A und B haben den Default auf A gesehen (ohne und mit Message), Group E und F haben den Default auf B gesehen (ohne und mit Message)), Group C und D hatten keinen Default, wurden aber zu einer Wahl zwischen A und B gezwungen (ohne und mit Message).)

Option 1.........2.........3....... n
Group A 25.0% 28.8% 23.1% 52
Group B 27.3% 25.5% 20.0% 55
Group C 27.8% 27.8% 20.4% 54
Group D 27.3% 34.5% 21.8% 55
Group E 57.7% 57.7% 57.7% 52
Group F 53.8% 57.7% 53.8% 52
Total 36.3% 38.4% 32.5% 320


Es sieht also deskriptiv so aus, als ob der Default Effekt zu sehen ist (Group E und F wählen ja deutlich häufiger die Optionen), aber die Message keinen Effekt hat (bei manchen Gruppen/Optionen mehr, bei anderen wählen weniger Probanden die Option).