Versuchsauswertung. Normalverteilungstest.

Fragen und Diskussionen rund um die Statistik und deren Anwendung.
Antworten
Shanna
Beiträge: 4
Registriert: 20.10.2012, 15:09

Versuchsauswertung. Normalverteilungstest.

Beitrag von Shanna »

Hallo Leute!

Da ich gerade ein bisschen verzweifelt über meinen Daten anstatt draußen in der Sonne sitze, schreibe ich hier einfach mal.

Ich habe Wachstumsdaten über einen Zeitraum von 73 Wochen für zwei Gruppen a sechs Individuen erhoben und möchte nun ermitteln, ob es zu den Messterminen/-zeiträumen bzw. in der Gesamtentwicklung Unterschiede zwischen den Gruppen gibt.

Für die Auswertung wüsste ich zuerst gerne, welche Pretests ist brauche. Im Endeffekt würde ich dann mit t-Tests und Vaianzanalysen bzw. Krusal-Wallis-Tessts arbeiten.
Wie setze ich Normalverteilungstests an. Im Grunde steht ja jeder Messtermin für sich?

Ich hoffe, das ist verständlich formuliert und jemand kann mir aus meiner Verzweiflung helfen.

LG Shanna
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

Ist das nicht ein Meßwiederholungsdesign? Also ANOVA mit MW (oder t-Test mit MW). Wobei die Residuen einer N~Vtlg. folgen sollten.

Ob eine MANOAVA unter Verletzung der N~ Voraussetzung noch eingesetzt werden kann, wurde schon ausgiebig untersucht: Zumeist ja, allerdings ist mit Effezienzverlusten zu rechnen. Literatur dazu: Büning (hier auch die Literaturliste für diejenigen, die sich ganz intensiv damit beschäftigen wollen). T-Test ist robuster als die Varianzanalyse.

Ein Problem ist natürlich das geringe N (mit nur 6 Fällen). Und dann gibt es (wahrscheinlich) auch noch 73 MW (sehe ich das richtig?).

Du hast auch nichts über das Skalenniveau der AV gesagt.

PS
Mann kann auch in der Sonne am Rechner sitzen ;- ) -> Laptop.
drfg2008
Shanna
Beiträge: 4
Registriert: 20.10.2012, 15:09

Beitrag von Shanna »

Da sehe ich den Bildschirm so schlecht ;-)

Also ich bin ein echter Statistik-Anfänger...

Das ist auch etwas schwierig:

Für jedes Tier wurden 73 mal die Körpermasse und 9 mal die Körpergröße ermittelt - metrisch skaliert und logischerweise die meiste Zeit zunehmend.

Zudem sind die Zunahmen von Interesse - ebenfalls metrisch skaliert.

Dann wurde 6 mal eine Blutuntersuchung gemacht, aus der ebenfalls metrisch skalierte, aber vom Messzeitpunkt abhängige (zu prüfen) Ergebnisse entstanden.

Die eigentliche Frage ist, wie sich die ermittelten Daten in Abhängigkeit vom Messtermin und der Saison (Sommer oder Winter) zwischen den Gruppen unterscheiden.

So siehts aus... Kleine Stichprobe - viele Daten.
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

von der Methode her sieht das zunächst -wie gesagt- nach einer ANOVA (MW) aus mit Zwischen- und Innersubjektfaktoren (mit SPSS übrigens recht einfach zu berechnen, Darstellung für Einsteiger siehe Andy Field [1]). Zwischensubjekt, wie der Name schon sagt, zwischen den Indivuduen. Innersubjekt: Das selbe Subjekt wird mehrfach gemessen.

Drei Probleme: a. Einmal das geringe N, b. die hohe Zahl der MW und c. der nicht-lin. Kurvenverlauf der Entwicklungen.

a. Den Kurvenverlauf könnte man ggf. noch linearisieren (Darstellungen der verschiedenen Möglichkeiten bei Hartung [2].

b. Das geringe N macht es nur möglich, sehr große Effektgrößen nachweisen zu können.

c. Die hohe Zahl der MW ließe sich reduzieren auf eine angemessene Anzahl, die dann die Verwendung der MW Designs möglich macht.



[1]
http://www.amazon.de/exec/obidos/ASIN/1 ... ikforum-21

[2]
http://www.amazon.de/exec/obidos/ASIN/3 ... ikforum-21
drfg2008
Shanna
Beiträge: 4
Registriert: 20.10.2012, 15:09

Beitrag von Shanna »

Auf die Gefahr hin, die Geduld zu strapazieren, schreibe ich nochmal...

Habe jetzt folgendes in SPSS gemacht:

Zunächst mittels t-Test die Gesamtzunahmen über den Zeitraum in Abhängigkeit von der Gruppe verglichen.

Dann die Datei nach dem Messtermin bzw. dem Lebensmonat aufgeteilt und einen t-Test für jede Variable in Abhängigkeit von der Gruppe gemacht, um eventuell signifikante Unterschiede zwischen den Gruppen am Termin (Alter) aufzudecken. Durch das Wachstum kann ich ich Lebendmasse und Größe ja nicht unabhängig vom Messtermin betrachten... (zwischen den Gruppen)

Dann die Datei nach der Gruppe aufgeteilt und ANOVAs durchgeführt, um zu betrachten, ob die Wachstumsraten innerhalb der Gruppen vom Lebensmonat abhängen (und t-Tests für die Abhängigkeit von der Saison). (innerhalb der Gruppe) Ist es ein Problem, dass mehrere Messungen von demselben Tier einbezogen werden?

Zuletzt habe ich in der Gesamtdatei eine Korrelationsanalyse durchgeführt.

Ich habe jetzt keine Normalverteilungstests oder explizite Tests auf Varianzgleichheit durchgeführt, da ich technisch einfach nicht weiß, wo ich die ansetzen sollte... Die ANOVA führt die Varianzhomogenitätstests ja selber durch.

Ist das so vertretbar, oder irgendwas grob falsch?
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

mindestens ein weiteres Problem hast du dir dadurch eingehandelt: die Fehlerkumulation (Fehler 1. Ordnung).

Ob nach (exakter oder Bonferoni) Korrektur überhaupt noch ein Unterschied stat. sig. nachweisbar ist?

-> bei ANOVA: N~Vtlg. der Residuen

Test auf Normalverteilung: KSO-Test (als Beispiel)
drfg2008
Shanna
Beiträge: 4
Registriert: 20.10.2012, 15:09

Beitrag von Shanna »

Hey =)

Erstmal vielen Dank für Deine Antworten. KS-Test sagt, dass alles Normalverteilt ist. Varianzgleichheit konnte ich mittlerweile auch ermitteln.

Meinst du Fehlerkumulation durch Tabellensplitting? Und von so einer Korrektur habe ich noch nie etwas gehört... Vielleicht sollte ich mal lieber einen Kurs belegen, anstatt hier allein davor zu sitzen :?
Generalist
Beiträge: 1733
Registriert: 11.03.2010, 22:28

Beitrag von Generalist »

Erstmal vielen Dank für Deine Antworten. KS-Test sagt, dass alles Normalverteilt ist. Varianzgleichheit konnte ich mittlerweile auch ermitteln.
Weder noch. Bei einer so kleinen Stichprobe haben die entsprechenden
Tests extrem geringe statistische Trennschärfe und daher ist p > 0.1
selbst bei den abenteuerlichsten Verteilungen die Regel.

Getestet wird: "sprechen die Daten meiner kleinen Stichprobe gegen die
Nullyhypothese, dass die Residuen aus einer normalverteilten
Grundgessamtheit stammen?" So eine Nullhypothese NICHT
zurückzuweisen, ist bei kleinen Stichproben natürlich puppeneinfach.

Varianzhomogenität analog.
Anzeige:Statistik und SPSS: Die besten Bücher
Als Buch oder E-Book - Jetzt bestellen
spss datenanalyse
SPSS - Moderne Datenanalyse - Jetzt bestellen!
statistik datenanalyse
Statistik - Der Weg zur Datenanalyse - Jetzt bestellen!
Antworten