Hallo,
komme gerade nicht weiter mit dem chi quadrat Test. Den Wikipedia Eintrag dazu raff ich nicht und kann mir nicht selbst helfen - waere toll, wenn mir hier jemand einen Tipp geben kann:
Ich arbeite mit SPSS und möchte wissen, ob Rauchen die Wirkung eines Medikamentes beeinflusst, dh meine Nullhypothese waere, dass der Anteil Raucher in beiden Gruppen (gute und schlechte Wirkung) gleich ist.
Ich habe 87 Probanden (siehe unten). 65 sprechen gut auf das Medikament an, 22 schlecht. Es gibt 75 Nichtraucher und 12 Raucher.
Ist der chi quadrat Test der richtige Test? Wenn ich in SPSS die Variablen hierfür eingebe(siehe unten), wieso bekomme ich dann 2 Ergebnisstabellen - also für jede Variable eine? Wann und wie muss man Fälle gewichten?
Chi-Quadrat-Test ist nicht gleich Chi-Quadrat-Test.
Den Test, den Du suchst, findest Du etwas versteckt unter SPSS.
Du gehst unter „Analyse“ --> „Deskriptive Statistiken“ --> „Kreuztabellen“
und gibst Deine beiden Variablen als jeweils Zeilen und Spalten ein. Nun noch unter dem Schalter „Statistiken“ ein Häckchen bei „Chi-Quadrat“ machen und fertig ist’s (ach so, und ich würde auch unter dem Schalter „Exakt“ ein Häckchen bei „Exakt“ machen).
Anstelle des Chi-Quadrat-Tests würde ich in dieser Situation immer den exakten Test nach Fisher empfehlen - der fällt zweiseitig in Deinem Fall aber weniger signifikant aus.
Bei ein- oder zweiseitiger Testung gibt es zwischen den Rauchern und Nichtrauchern keinen signifikanten Unterschied mit:
Exakte Testung:
X²(1)= 2,118; p= 0,178 (0,134, einseitig)
bzw. Exakter Test nach Fisher: p= 0,281 (p=0,134, einseitig)
Patrik hat schon vollkommen recht, man muss aber noch erwähnen, dass der Fisher-Test (z.B. http://faculty.chass.ncsu.edu/garson/PA765/fisher.htm) davon abhängig ist, was man wo ein trägt.
Da verschiedene Table-probabilities berechnet und summiert werden, muss die automatische Prozedur ein Feld als Referenz betrachten, von dem aus die extremeren Fälle konstruiert werden. I.a. ist das a11, wenn man folgende Tabelle betrachtet:
| A | nonA
B | a<sub>11</sub> | a<sub>12</sub>
nonB | a<sub>21</sub> | a<sub>22</sub>
D.h. wenn du einen zweiseitigen Test machst und die Splaten A und nonA vertauschst, dann kommt etwas anderes heraus. Ergo musst du deinen 2x2 table so konstruieren, dass er zu deiner Hypothese passt!
vielen Dank fuer deinen hilfreichen Tipp, Patrick. Dann verwende ich den Fisher´s exact test. Haette ich nicht gefunden, vielen Dank!
Vielen Dank auch für die Ergänzung, JPL. Ich habe mir den Link angeguckt, habe aber leider keine Information gefunden, wie ich die Zeilen und Spalten anordnen muss, dass sie zu meiner Hypothese passen. Hast du einen Rat?
wenn du ihn so anlegst, dann berechnet der Fisher-Test weitere tables, indem Patienten von a12 auf a11 verschoben werden. Da dieser Test aber ein sog. conditionaler Test ist, müssen die Randverteilungen gleich bleiben (die Spalten und Zeilensummen). deswegen muss im Gegenzug auch wieder ein Patient von a21 zu a22 verschoben wereden. Der nächst-extremere Table sieht dann also so aus:
Das geht so lange weiter, bis a12 oder a12 0 sind. Addiert man all diese W’keiten ergibt sich der „rechtsseitige“ p-Wert, der die W’keit angibt, dass noch extremere Werte als a11 beobachtet werden können. Ist der p-Wert also klein, unterstützt das die Alternative, dass der Anteil der responder in der non-smoker-Gruppe größer ist als erwartet => smoking und responding sind nicht unabhängig. Der „linksseitige“ p-Wert betrachtet den Fall, kleiner Werte als den beobachteten zu erhalten. Daraus folgt, dass bei Spalten oder Zeilenvertauschung auch von rechts- auf linksseitigen p-Wert geswitcht werden muss. Der 2-seitige p-Wert ist davon zwar nicht beeinflusst, hat aber eine schwierigere Aussage, denn es werden alle Tables als extremer in die summation aufgenommen, die eine table-probability haben, die kleiner oder gleich der beobachteten ist.
Von daher würde ich empfehlen, dass du den Table so aufbaust, dass die W’keit angegeben wird, noch extremere Werte als den beobachteten in a11 zu bekommen und sich den rechsseitigen p-Wert anzusehen. Das ist mE das einfachste.