SPSS-FORUM.DE

[Wombi]

- Also noch ein Treatment (Induzierung neg Stimmung) ?

Genau, das Treatment wird durch die Variable "Gruppe" wiedergespiegelt. Das Treatment ist das einzige, was bei den beiden Gruppen unterschiedlich sein sollte.

- ?

Ich erwarte, dass die Gruppenzugehörigkeit (Treatment vs. kein Treatment = Negative Stimmungsinduktion vs. keine Negative Stimmungsinduktion) einen Einfluss auf die suchtbezogenen Bilder hat, auf die neutralen Bilder jedoch nicht.

Außerdem erwarte ich, dass dieser Einfluss durch die Ausprägung der Sucht moderiert wird. Hier mein Versuch die erwartete Moderation anschaulich zu beschreiben:

Bei der EG (Negative Stimmungsinduktion) sollten bei hoher Sucht höhere EEG-Amplituden bei Sucht-Bildern gefunden werden als bei der KG mit hoher Sucht
Bei der EG (Negative Stimmungsinduktion) sollten bei niedriger Sucht niedrigere EEG-Amplituden bei Sucht-Bildern gefunden werden als bei der KG mit hoher Sucht

Über die neutralen Bilder werden im Prinzip keine direkten Annahmen gemacht, jedoch sind diese notwendig, um als Referenz zu dienen. Jemand, der niedrige Amplituden im EEG bei neutralen Bildern hat, hat evtl. auch niedrige Amplituden bei den Sucht-Bildern.

- Ohne Begründung? Warum diese Selektion?

Die Selektion fand statt, weil die Daten einfach nicht zu gebrauchen waren. Zu viele Störsignale, sodass zu viele Daten ausgeschlossen werden mussten.

[strukturmarionette]

Hi,

Ich erwarte, dass die Gruppenzugehörigkeit (Treatment vs. kein Treatment = Negative Stimmungsinduktion vs. keine Negative Stimmungsinduktion) einen Einfluss auf die suchtbezogenen Bilder hat, auf die neutralen Bilder jedoch nicht.
Außerdem erwarte ich, dass dieser Einfluss durch die Ausprägung der Sucht moderiert wird. Hier mein Versuch die erwartete Moderation anschaulich zu beschreiben:
Bei der EG (Negative Stimmungsinduktion) sollten bei hoher Sucht höhere EEG-Amplituden bei Sucht-Bildern gefunden werden als bei der KG mit hoher Sucht
Bei der EG (Negative Stimmungsinduktion) sollten bei niedriger Sucht niedrigere EEG-Amplituden bei Sucht-Bildern gefunden werden als bei der KG mit hoher Sucht
Über die neutralen Bilder werden im Prinzip keine direkten Annahmen gemacht, jedoch sind diese notwendig, um als Referenz zu dienen. Jemand, der niedrige Amplituden im EEG bei neutralen Bildern hat, hat evtl. auch niedrige Amplituden bei den Sucht-Bildern.

- ?

Gruß
S.

[Wombi]

Heyy ich bins nochmal,

ich bin mittlerweile sehr verzweifelt, suche sehr viel herum aber komme einfach nicht weiter. Vermutlich waren meine letzten Beschreibungen alle etwas zu ausschweifend. Im Prinzip ist ja das einzige relevante:

Ich habe zwei voneinander abhängige Messungen pro Versuchsperson
=> Dadurch einen Messwiederholungsfaktor
Außerdem habe ich eine dichotome Gruppenvariable sowie eine metrische Variable.
Mein Ziel ist die Untersuchung der Interaktion zwischen dem Messwiederholungsfaktor, der Gruppenvariable und der metrischen Variable.

Was ich verstanden habe, ist, dass ALM, lineare Regression, ANOVA und ANCOVA alle irgendwo das gleiche sind, ergo, gelten gleiche Annahmen. Gerade bei der Überprüfung der Homoskedastizität scheinen sich aber ein paar Unterschiede aufzutun.
https://www.youtube.com/watch?v=NM7vElTdhDc
Hier im Video wird beschrieben, dass Sphärizität durch den Mauchly-Test überprüft werden sollte. Bei Statistikguru.de wird außerdem der Levene-Test für die Überprüfung der Gleichheit der Fehlervarianzen und der Box-Test zur Überprüfung der Gleichheit der Kovarianzmatrix empfohlen.

Beziehen diese Verfahren/Tests die Kovariate ein oder testen sie nur zwischen den Stufen der gestuften unabhängigen Variablen? z.B. steht beim Levene-Test ja extra unter der Tabelle: "Prüft die Nullhypothese, dass die Fehlervarianz der abhängigen Variablen über Gruppen hinweg gleich ist." und auch beim Box-Test steht "Prüft die Nullhypothese, dass die beobachteten Kovarianz-Matrizen der abhängigen Variablen über die Gruppen gleich sind."
Da scheint von der metrischen UV nicht die Rede zu sein. Sollte diese nicht aber in solchen Tests berücksichtigt werden, um die Annahmen überprüfen zu können?

Ich wäre euch unendlich dankbar, wenn ihr mir hier noch einmal weiterhelfen könntet! Vielen Dank im Voraus

Liebe Grüße

[ponderstibbons]

Du fragst zu Annahmen, die nur für Modelle mit mehr als 2 Messwiederholungen bzw. nur für Modelle mit unabhängigen Gruppen formulierbar sind.

[Wombi]

Du fragst zu Annahmen, die nur für Modelle mit mehr als 2 Messwiederholungen bzw. nur für Modelle mit unabhängigen Gruppen formulierbar sind.

Also versuche ich die falschen Annahmen zu überprüfen? Verstehe ich das richtig?
Kannst du mir vielleicht sagen, welche Annahmen dann in meinem Fall gelten müssen?
Leider hab ich halt nicht so den tiefen Durchblick, um das aus meinem statistischen Wissensfundus herzuleiten und gleichzeitig gibt es keine Ausführliche Anleitung, die sowohl mit einem Messwiederholungsfaktor, als auch einer metrischen UV arbeitet. Das ist total frustrierend.

Ich würde mich sehr über Hilfe freuen.

[miner]

Das ist ein Fall für eine Messwiederholungs-Varianzanalyse, in SPSS hast Du diese Prozedur ja bereits gefunden.

Mit freundlichen Grüßen

PonderStibbons

Was sprach hier Deiner Meinung nach gegen ein Mehrebenenmodell / gemischtes Model für messwiederholte Daten?

Zwar ist die Stichprobe etwas klein, aber das ist sie ja auch bei einer rmANOVA.


Sorry, das ich den alten Thread raushole, aber es sind ja durchaus Grundsatzfragen von "Ewigkeitswert", die hier diskutiert werden.

[Ahnungslos_1]

Was sprach hier Deiner Meinung nach gegen ein Mehrebenenmodell / gemischtes Model für messwiederholte Daten?

Hallo in die Runde,

danke @miner, dass du diesen alten Thread wieder hochgeholt hast.

Ich sitze gerade am Auswertungsplan eines Seminarprojektes und stehe vor einer ähnlichen Fragestellung zum Umgang mit within-between-gemischten Daten:
Alle Versuchspersonen bekamen in 64 Trials mehrere Informationen zu 64 verschiedenen Handy-Apps präsentiert.
Die abhängige Variable (subjektive Downloadwahrscheinlichkeit) ist intervallskaliert. Wir möchten recht explorativ die Einflüsse und Interaktionen von 5 verschiedenen dichotom within-variierten präsentierten Informationen (Sternerating der App, Quelle des Ratings, Downloadzahlen, Funktionen, Datensicherheit) untersuchen. Zusätzlich gibt es die dichotome Variable "Salienz der Datensicherheit", die die einzige between-Variable ist.

Die Anzahl der 64 Trials ergibt sich aus den jeweils 2 Ausprägungen von 5 within-Variablen, also 2^5 = 32 und die Verdopplung auf 64, um jede Kombination 2 Mal zu erheben.
Wir streben für beide Gruppen (Salienz hoch vs. Salienz niedrig) jeweils n = 150 an, sind aber noch in der Datenerhebung.

Für die Auswertung tendieren wir bisher zur Random Effects Panelanalyse als Unterart der Mehrebenenanalyse, weil hier explizit within- und between-Varianz aufgeklärt wird.

Ich bin aber etwas irritiert, weil in allen Literaturbeispielen ausschließlich unmanipulierbare Variablen wie Geschlecht oder Eheschließung*Zeitpunkt als Prädiktoren analysiert werden, während wir im Projekt ganz klar die unabhängigen Variablen kontrolliert manipulieren. Wenn wir analog zu einer herkömmlichen Panelanalyse vorgehen, würden wir auf Ebene 1 die personenspezifischen Messzeitpunkte und auf Ebene 2 die Individuen analysieren.
Allerdings sieht es für mich so aus, als könne eine Panelanalyse nur für zeitlich lineare Untersuchungen sinnvoll sein. Bei uns sind die Trials aber randomisiert, deshalb frage ich mich, wie man über 64 Messzeitpunkte mit randomisierten Prädiktorausprägungen hinweg sinnvolle Erkenntnisse gewinnen soll.

Ist die RE-Panelanalyse trotzdem das passende Verfahren oder fällt euch ein passenderes ein?

Freundliche Grüße
Ahnungslos_1

[strukturmarionette]

Hi,

Alle Versuchspersonen

- N?

Die abhängige Variable (subjektive Downloadwahrscheinlichkeit) ist intervallskaliert.

- Wie wurde das gemessen und /bzw wer erstellte diese Prozentzahlen?

Gruß
S.

[Ahnungslos_1]

Hi,

wir sind noch in der Datenerhebung und streben pro Gruppe 150 Probanden an, also idealerweise N = 300.

Die abhängige Variable ist eine Selbstauskunft. Pro Trial wird eine Infobox über eine bestimmte App (z.B. Musikapp, App für Wanderer, Notizapp...) präsentiert und der Proband soll angeben, mit welcher Wahrscheinlichkeit von 0 bis 100 er diese App herunterladen würde, wenn er auf der Suche nach einer App im jeweiligen Bereich (Musik, Wandern, Notizen...) ist.

Freundliche Grüße
Ahnungslos_1

[Quanti_schafft_Wissen]

Hi,

wir sind noch in der Datenerhebung und streben pro Gruppe 150 Probanden an, also idealerweise N = 300.

Die abhängige Variable ist eine Selbstauskunft. Pro Trial wird eine Infobox über eine bestimmte App (z.B. Musikapp, App für Wanderer, Notizapp...) präsentiert und der Proband soll angeben, mit welcher Wahrscheinlichkeit von 0 bis 100 er diese App herunterladen würde, wenn er auf der Suche nach einer App im jeweiligen Bereich (Musik, Wandern, Notizen...) ist.

Freundliche Grüße
Ahnungslos_1

Hey Ahnungslos,
ich arbeite mich gerade in Mehrebenenmodelle ein und wäre sehr interessiert zu erfahren wie ihr hier weiter vorgegangen seid. Kannst du mir ein kurzes Update geben?

LG