SPSS-FORUM.DE

[Statisticus]

Hallo!

Ich möchte eine binäre logistische Regression mit SPSS durchführen. Eine einfache binäre logistische Regression mittels "Regression - Binary Logistic ..." hatte ich bei anderen Daten schon einmal durchgeführt.

Hier kommt jedoch noch hinzu, dass es sich einen longitudinalen Datensatz handelt mit zwei aufeinanderfolgenden Zeitpunkten für Outcome-Erfassung: Die Reponse zum Zeitpunkt 1 und die Reponse zum Zeitpunkt 2. Es gibt daher zwei Outcome-Spalten: eine für den Erfassungszeitpunkt 1 und eine für den Erfassungszeitpunkt 2 (Spalten sind bezeichnet als "Response_t1" und "Response_t2"). Die Response ist codiert als 0 (keine Response) und 1 (Response). Es gibt 5 potentielle Prädiktorvariablen, die ich hinsichtlich der Vorhersagefähigkeit auf das Outcome zu den zwei Zeitpunkten hin untersuchen möchte.

Nun wird die Analyse dadurch, dass es sich nicht einfach um einen einzelnen Erfassungszeitpunkt und eine Outcome-Spalte handelt, deutlich komplizierter. "Regression - Binary Logistic ..." ist hier nicht anwendbar.

Soweit ich weiß, könnte diese Analyse mittels eines General Linear Mixed Models ("Mixed Models - Generalized Linear ...") durchgeführt werden. Da ich mit dieser Funktion noch nie gearbeit: Kann mir jemand hierbei Hilfestellung speziell zu dieser Datenausgangslage geben oder mich auf ein geeignetes Tutorial/eine Anleitung verweisen? Leider konnte ich dazu nichts finden. Die SPSS-Hilfe finde ich in dieser Hinsicht nicht hilfreich.

[strukturmarionette]

Hi,

Nun wird die Analyse dadurch, dass es sich einfach um einen einzelnen Erfassungszeitpunkt

- das widerspricht klar dem im Satz vorher berichteten

Gruß
S.

[Statisticus]

Sorry, das war ein Schreibfehler. Da fehlte ein "nicht". Ansonsten ergibt das natürlich keinen Sinn und widerspricht in der Tat dem vorherigen Satz. Ist jetzt im Original-Post korrigiert. Es liegen jedenfalls zwei Erfassungszeitpunkte vor, nicht nur ein einzelner, und damit zwei abhängige Variablen in Form eines binären Outcomes.

[strukturmarionette]

Hi,

- N?
- Merkmalsträger?
- was wird /wurde wie, aus welchem Grund und mit welcher Begründung (Fragestellungen, Thema) kategorial dichotomisiert zweimal gemessen?

Gruß
S.

[Statisticus]

Aktuell N=60 (wird aber am Ende noch mehr). Die Daten sind noch nicht endgültig erfasst, ich habe aber einfach mal zum Testen einen fiktiven Datensatz erstellt.

Das Outcome (= die AV) ist das Ansprechen auf ein Anti-Stress-Programm nach 3 Monaten (t1=1.Messung) und nach 6 Monaten (t2=2.Messung). Das Ansprechen auf das Anti-Stress-Programm wird anhand von mehreren Parametern ermittelt (Ruhepuls, Cortisol-Spiegel, Fragebogen-Score) und daraus zusammen ein Gesamt-Score berechnet, auf dessen Grundlage das Ansprechen kategorial dichotomisiert wurde. Die Assoziation mit den Einzelparametern wird zusätzlich analysiert, aber hier soll untersucht werden, bei welche Prädiktoren ein Ansprechen auf das Programm wahrscheinlicher ist.

Was meinst du mit Merkmalsträger? Diese Bezeichnung kenne ich eigentlich nur aus der Genetik.

Gruß
Statisticus

[ponderstibbons]

Was sagt denn der Auswertungsplan im Ethikprotokoll? Ich würde annehmen,
es gibt eine Auswertung zu t3 und davon separat eine zu t6.

Eine gängige Orientierung für die Stichprobengröße in einer multiplen logistischen
Regression wären mindestens 10 Fälle in der kleineren outcome-Gruppe pro Prädiktor.
D.h. bei 5 nicht-kategorialen Prädiktoren wären 50 Probanden in der kleineren
outcome-Gruppe wünschenswert.

Solltest Du die beiden Messzeitpunkte simultan einbeziehen wollen, wäre GEE
(generalized estimating equations) eine robuste Analysemethode. Eine Suche
nach spss longitudinal with binary outcome gee video könnte hilfreich sein.

HTH

PonderStibbons

[Statisticus]

Ja, es wird vorerst eine separate Auswertung zu den zwei Zeitpunkten geben, aber möglicherweise sollen später beide Zeitpunkte simultan analysiert werden. Die 10 EVP-Regel (EVP=Events per Variable) war mir bekannt, wobei diese teils kritisiert wird (https://bmcmedresmethodol.biomedcentral ... 016-0267-3), wobei ich sie als Faustregel trotzdem ganz nützlich finde, wenn man nicht genügend Vordaten oder Kenntnisse hat für eine genauere Abschätzung/Berechnung.

Hat die GEE (generalized estimating equations)-Analysemethode Vorteile gegenüber der Analyse mittels Generalized Linear Mixed Model? Ich habe schon beide im Methodenteil von Publikationen bei der Analyse von longitudinalen Daten mittels logistischer Regression genannt gesehen.

[ponderstibbons]

Die 10 EVP-Regel (EVP=Events per Variable) war mir bekannt, wobei diese teils kritisiert wird

Das ist bei Daumenregeln immer anzunehmen, ja. Mehr wäre natürlich besser. Ob weniger events zielführend wären, da wäre ich skeptisch.

Hat die GEE (generalized estimating equations)-Analysemethode Vorteile gegenüber der Analyse mittels Generalized Linear Mixed Model?

Gilt als robuster.

Mit freundlichen Grüßen

PonderStibbons

[Statisticus]

Welche Vorteile hat die gleichzeitige Auswertung der Daten der zwei Zeitpunkte (mittels GLMM oder GEE) gegenüber der separaten Auswertung für die einzelnen Zeitpunkte ("einfache" multivariable binäre logistische Regression)? Höhere statistische Power?

[ponderstibbons]

Es kommt darauf an, was einen interessiert. Man kann Wechselwirkungen Prädiktor*Messzeitpunkt betrachten, also ob die
Entwicklung von t1 zu t2 je nach Ausprägung des Prädiktors unterschiedlich ist. Gegebenenfalls (wenn die WW nicht statistisch
signifikant ist, dann ist das unkompliziert möglich) den "Haupteffekt" von Messzeitpunkt, bzw. den Effekt von Prädiktoren simultan
über beide Messzeitpunkte hinweg.

Mit freundlichen Grüßen

PonderStibbons