Hallo,
ich habe eine Studie durchgeführt (Verumgruppe n= 29; Kontrollgruppe n=23) über einen Zeitraum von 2 Monaten mit 3 Messungen (eingang, nach einem monat, ende (nach 2 monaten)).
Es wurden mehrere Variablen erhoben, die vom Treatment beeinflusst werden konnten. Wichtig vielleicht noch, dass bei allen Messungen und Gruppen die Intervariabilität ziemlich hoch ist…(Variationskoeffizienten zwischen 30 - 90%)
Durchgeführt habe ich immer zweifaktorielle varianzanalysen mit messwiederholung auf dem innersubjektfaktor
Generell:
Faktor Zeit = Innersubjekt = 3-fach gestuft
Faktor Gruppe = Zwischensubjekt = 2-fach gestuft
Nun habe ich kleine Probleme mit der richtigen Interpreation der Ergebnisse. Es gibt verschiedenen Varianten.
Variante A:
keine signifikanten Haupteffekte, keine Interaktion
klar: keine Effekte über die Zeit, keine Effekte durch die Gruppenzuordnung, keine Unterschiede zwischen den Gruppen…sie verhalten sich also gleich
Variante B:
signifikanter Haupteffekt Zeit, keine Interaktion, Gruppe nicht signifikante
ok…die Variable verändert sich über die Zeit, allerdings über beide Gruppen hinweg gleich? Also die beiden Gruppen verhalten sich ähnlich?
Gebe ich dann zur weiteren Beschreibung z.B. einfach die prozentuale Veränderung des messwerts der gesamten gruppe an?
Variante C:
signifikanter Haupteffekt Zeit, signifikanter Interaktion Zeit*Gruppe, keine signifikanten Effekte der Gruppe
Zeit F = 28,439 p= .000
zeit*rand F=4,18 p=.021
rand F=0,102 p=.750
d.h. Veränderungen über die Zeit, die gruppen verhalten sich über die zeit verschieden
darf ich das so interpretieren wenn die gruppe keinen signifikanten effekt hat?
verumgruppe legt über beide messtermine zu, die kontrollgruppe nur von 1 zu 2 und bleibt dann konstant…
an den drei messterminen unterscheiden sich die gruppen nicht signifikant voneinander…finde ich dann auch etwas seltsam…aber die streuung ist halt ziemlich groß (große intervariabilität):
T1 Ctrl m=168,5 s=83,79
Verum m=154,52 s=71,987
T2 Ctrl m=216,26 s=70,895
Verum m=191,07 s=82,771
T3 Ctrl m=213,7 s=83,64
Verum m=232,62 s=96,148
post-hoc funktioniert in spss nicht
mache ich jetzt t-test…innerhalb beider gruppen über die zeit?
beide gruppen zusammengefasst über die zeit?
an einem zeitpunkt zwischen beiden gruppen?
dann mit bonferroni-korrektur
Je mehr ich darüber nachdenke, desto mehr verwirrt mich das Ganze gerade…
Nun habe ich kleine Probleme mit der richtigen Interpreation
der Ergebnisse. Es gibt verschiedenen Varianten.
Die Ergebnisse können aber nur eine der Varianten beinhalten.
Variante A:
keine signifikanten Haupteffekte, keine Interaktion
klar: keine Effekte über die Zeit, keine Effekte durch die
Gruppenzuordnung, keine Unterschiede zwischen den
Gruppen…sie verhalten sich also gleich
Genau.
Variante B:
signifikanter Haupteffekt Zeit, keine Interaktion, Gruppe
nicht signifikante
ok…die Variable verändert sich über die Zeit, allerdings
über beide Gruppen hinweg gleich? Also die beiden Gruppen
verhalten sich ähnlich?
Genau.
Gebe ich dann zur weiteren Beschreibung z.B. einfach die
prozentuale Veränderung des messwerts der gesamten gruppe an?
Du kannst auch einen LS-schätzer angeben. Der spiegelt die unterschiedliche Gruppengröße besser wider.
Variante C:
signifikanter Haupteffekt Zeit, signifikanter Interaktion
Zeit*Gruppe, keine signifikanten Effekte der Gruppe
Zeit F = 28,439 p= .000
zeit*rand F=4,18 p=.021
rand F=0,102 p=.750
d.h. Veränderungen über die Zeit, die gruppen verhalten sich
über die zeit verschieden
Genau.
darf ich das so interpretieren wenn die gruppe keinen
signifikanten effekt hat?
Jein. die Gruppen verhalten sich in der Zeit verschieden, aber das ist eben nicht auf einen reinen Gruppeneffekt zurückzuführen, sondern auf einen Effekt, der in der Zeit abhängig von der Gruppe variiert.
verumgruppe legt über beide messtermine zu, die
kontrollgruppe nur von 1 zu 2 und bleibt dann konstant…
Ja, so kann so etwas aussehen.
an den drei messterminen unterscheiden sich die gruppen
nicht signifikant voneinander…finde ich dann auch etwas
seltsam…aber die streuung ist halt ziemlich groß (große
intervariabilität):
Das ist auch eine andere Aussage. Das repated model schätzt die mittlere Veränderung über die Zeit und nicht den Unterscheid an den verscheidenen Zeitpunkten. Ausserdem ist deine Fallzahl bei der rep. analysis viel größer als bei den drei paarweisen vergleichen => größere power (=> bessere Wahl).
post-hoc funktioniert in spss nicht
wozu auch? Wenn du eh nur zwei Gruppen hast, ist das alles schon in der ANOVA enthalten.
mache ich jetzt t-test…innerhalb beider gruppen über die
zeit?
beide gruppen zusammengefasst über die zeit?
an einem zeitpunkt zwischen beiden gruppen?
dann mit bonferroni-korrektur
alles nicht. Wenn du eh nur zwei Gruppen hast und deni Modell gescheit definiert hast (und die Voraussetzungen zutreffen), dann ist das repeated modell die beste Wahl.
Je mehr ich darüber nachdenke, desto mehr verwirrt mich das
Ganze gerade…
Kein Wunder. ANOVA ist nämlich gar nicht so einfach, wie alle immer denken …
Vielen Dank für die Antwort…hat mir schonmal einiges an Klarheit verschafft.
Zu Variante C nochmal:
Muss ich denn nicht irgendwie beschreiben, welche Faktorstufen sich von welchen unterscheiden?
Oder reicht es, wenn ich dann einfach beschreibe, wo sich die Gruppen unterschiedlich verhalten bzw.was allgemein über die Zeit passiert? Um Unterschiede zwischen den einzelnen Messzeitpunkten, o.ä. zu beschreiben müsste ich ja auch nochmal untersuchen ob es eine Veränderung von 1 zu 2 oder zu 3 gibt, etc. Dazu brauche ich dann doch t-tests? Zumindest mal um raus zu finden, was signifikant ist…
Oder stelle ich die Interaktion einfach graphisch dar und beschreibe das?
du bist ja an einem Gruppenunterschied interessiert, der Rest dient ja „nur“ dazu, zu zeigen, dass es keine anderen Einflüsse gibt. Von daher solltest du schon Punktschätzer (bzw. LSMeans) für die Unterscheide angeben und ebenso deren Konfidenzintervalle. Die müssten aber im output vorhanden sein.
Testen der einzelnen Zeitpunkte würde NUR dann Sinn machen, wenn es dich intressiert, ab wann sich die Gruppen unterscheiden. aber angesichts der sehr geringen Anzahl der Messzeitpunkte macht das nicht viel Sinn.
Der Interaktionsplot ist auf jeden Fall eine gute Idee, daran sieht man es immer noch am besten. Die Schätzer für die Interaktionen (Time*group) müssen ja auch irgendwo stehen, sonst könnte man den Graph ja nicht bilden.
WENN die Interaktion sig. ist, dann ist eigentlich egal, welche Gruppe(n) dafür verantwortlich sind, deswegen nützt ein weiterer Test da nchts.
