4. [Statistik] Multivariates Verfahren für hierarchische Daten gesucht

[Statistik] Multivariates Verfahren für hierarchische Daten gesucht

  • D

    Gesetzt den Fall ich habe 2 abhängige Variablen (AV) und mehrere unabhängige Variablen (UV). Da kann ich ja eigentlich eine MANOVA rechnen, wenn ich den Einfluß der UV auf die beiden AV gleichzeitig testen möchte.

    Ein vergleichbares Verfahren suche ich für folgende Situation:

    Angenommen ich habe 2 abhängige Variablen:

    AV_1: Nominalskala, nimmt nur Wert 0 oder 1 an
    AV_2: Absolutskala, eine Reaktionszeit

    AV_2 nimmt aber nur gültige Werte an, wenn AV_1 den Wert 1 annimmt. Oder anders: Immer wenn AV_1 gleich 0 ist, gibt es für AV_2 keinen Messwert.

    Meine Vermutung: MANOVA scheidet m.E. hier aus, weil
    (a) AV_1 nur Nominalskalenniveau hat
    und
    (b) die beiden AV unvollständig hierarchisch organisiert sind (sagt man das so?).

    Sehe ich das richtig?

    Kennt jemand ein anderes multivariates statistisches Verfahren, das ich in dieser Situation einsetzen könnte?

    Vielen Dank.
    dooya

    0
  • M

    hm... kenn mich da nicht so aus...
    Aber wenn AV_2 nur gültig ist, wenn AV_1 1 ist, kannst du deine Messwerte dann ncih sozusagen filtern? Also: Nimm nur AV_2 in die Berechnung auf, wenn AV_! dazu 1 ist? Und das dann zum SChluss ins Verhältnis setzen?
    vielleicht is das auch Schwachsinn 🙂 kann sein, kenn mich da nich aus.

    0
  • D

    Maxi schrieb:

    hm... kenn mich da nicht so aus...
    Aber wenn AV_2 nur gültig ist, wenn AV_1 1 ist, kannst du deine Messwerte dann ncih sozusagen filtern? Also: Nimm nur AV_2 in die Berechnung auf, wenn AV_! dazu 1 ist? Und das dann zum SChluss ins Verhältnis setzen?
    vielleicht is das auch Schwachsinn 🙂 kann sein, kenn mich da nich aus.

    Klar, könnte man machen, da wäre dann bspw. eine ANOVA über AV_2 möglich. Aber dann kann ich keine Aussage über mögliche Interaktionen zwischen AV_1 und AV_2 machen und genau das ist aber mein Anliegen.

    Trotzdem vielen Dank. 🙂

    0
  • J

    Welche Art von Interaktion erwartest Du da zu entdecken? Zumindest von dem was Du schreibst ist die Abhängigkeit doch: AV_1 = 0: andere Daten gibt's garnicht, AV_2=1: die anderen Daten gibt's. Was für geheime Abhängigkeiten sollen denn da noch versteckt sein?

    0
  • D

    Jester schrieb:

    Welche Art von Interaktion erwartest Du da zu entdecken? Zumindest von dem was Du schreibst ist die Abhängigkeit doch: AV_1 = 0: andere Daten gibt's garnicht, AV_2=1: die anderen Daten gibt's. Was für geheime Abhängigkeiten sollen denn da noch versteckt sein?

    Hallo Jester,
    vielen Dank für deine Antwort.

    Du hast recht, ich habe mich ungenau ausgedrückt. Interessant ist für mich der Einfluß der unabhängigen Variablen (UV) auf die abhängigen Variablen (AV). Ich versuche das mal an einem konkreten Beispiel zu verdeutlichen, vielleicht wirds dann etwas klarer.

    Stell dir vor ein Proband sitzt in einem dunklen Raum und hat die Aufgabe, immer wenn es eine LED aufleuchten sieht, einen Button zu drücken. Die Helligkeit der LED variiert von Trial zu Trial; die dunkelste Stufe kann der Proband nur sehr selten oder nie entdecken, die hellste entdeckt er nahezu jedesmal. Nehmen wir weiterhin an, dass des für die LED 10 Helligkeitsstufen gibt und dem Probanden jede Stufe x mal dargeboten wird (zufällige Reihenfolge). In jedem Trial erhebst du 2 Messwerte:
    AV_1: Hat der Proband den Button gedrückt, oder nicht.
    AV_2: Die Reaktionszeit (Zeit zwischen onset der LED und button press); liefert nur gütige Messwerte wenn AV_1=1

    Der Einfachheit halber belassn wir es bei nur einer UV (Helligkeit).

    Man kann nun für jede Helligkeitsstufe eine mittlere Detektionshäufigkeit und eine mittlere Reaktionszeitberechnen; die zu erwartenden Plots dürften in etwa so aus sehen.

    ^
|                           
|                        *  *
|                     *
|                  *
|
|               *
|
|            *
|   
|          *
|      *
|*  *
+------------------------------->
    Helligkeit vs. Detektion

^
|
|*
|   *
|      *
|         *
|             *   *   *
|                         *   *
|
|
|
+-------------------------------->
     Helligkeit vs. Reaktionszeit

    Da ich mir bislang nur die Reaktionszeiten angeschaut hatte, habe ich normalerweise eine ANOVA über die Reaktionszeiten gerechnet, um auf signifikante Einflüsse der UV zu testen. Nun möchte ich mir aber auch den Einfluß der UV auf die mittere Detektionshäufigkeit anschauen und es käme mir seltsam vor, wenn ich zwei getrennte ANOVAs rechnen würde (die m.W. ausserdem bei Häufigkeiten nicht angemessen wäre).

    Ist das Problem nun klarer geschildert?

    mfg,
    dooya

    0
Anmelden zum Antworten