BIC, Bayes’sches Informationskriterium

Das Bayes’sche Informationskriterium (BIC; engl. Bayesian information criterion) ist eine Statistik, die für den Vergleich und die Auswahl verschiedener statistischer Modelle verwendet wird. Es weist viele grundlegende und mathematische Ähnlichkeiten mit dem Akaike-Informationskriterium (AIC) auf. AIC und BIC verwenden dieselben Informationen aus der Likelihood-Funktion, aber das BIC sieht eine strengere Strafe (penalty) für das Hinzufügen […]


AIC, Akaike-Informationskriterium

Das Akaike-Informationskriterium (AIC; Akaike information criterion) ist eine alternative Methode für den Vergleich von Modellen auf der Grundlage von Entscheidungen über die Entropie, d. h. darüber, wie viele zusätzliche Informationen ein komplexeres Modell im Vergleich zu dem (unbekannten) stochastischen Modell, auf dem die Daten basieren, liefert. Das AIC schätzt dabei die Menge an verlorengegangener Information […]


Fixed Effect Modell

Feste Effekte (englisch: fixed effects) beziehen sich auf eine Art von unabhängiger Variable oder Faktor, in der Regel in ANOVA-Designs. In den meisten experimentellen Versuchspläne werden Modelle mit festen Effekten verwendet, bei denen die Niveaus oder Faktorstufen der unabhängigen Variablen endlich und bekannt sind und in den meisten Fällen von den Forschenden so manipuliert werden, […]


Äquivalenzstudien (equivalence trials)

Randomisierte klinische Studien (RCT) gelten allgemein als die beste Methode zum Vergleich von Therapieeffekten. Meistens besteht das Ziel einer RCT darin, zu zeigen, dass eine neue Behandlungsmethode einer etablierten Therapie oder einem Placebo überlegen ist, d.h. sie werden als Überlegenheitsstudien (superiority trials) geplant und durchgeführt. Manchmal besteht das Ziel einer RCT nur darin, zu zeigen, dass […]


Bestätigungsfehler

Bestätigungsfehler, auch bekannt als Confirmation Bias, bezieht sich auf die Verarbeitung von Informationen durch die Suche nach oder die Interpretation von Informationen, die mit den eigenen Überzeugungen übereinstimmen. Dieser voreingenommene Ansatz bei der Entscheidungsfindung ist weitgehend unbeabsichtigt und führt häufig dazu, dass widersprüchliche Informationen ignoriert werden. Zu den bestehenden Überzeugungen gehören die Erwartungen, die man […]


Spielerfehlschluss

Der Spielerfehlschluss (englisch: Gambler’s Fallacy) ist der Irrglaube, dass zwischen wirklich unabhängigen stochastischen Ereignissen eine gewisse Abhängigkeit besteht, so dass ein Ereignis, das in der Vergangenheit seltener eingetreten ist als man erwarten würde, in naher Zukunft häufiger auftreten wird. Beim Werfen einer Münze zum Beispiel geht der Spieler davon aus, dass die Wahrscheinlichkeit von „Kopf“ […]


Kaplan-Meier Überlebenszeitanalyse: Gruppen an einem bestimmten Zeitpunkt vergleichen

In unserem Beispiel haben Patienten mit einer Spinnenphobie für 200 Tage therapiert und untersucht. Oft hat man bestimmten Hypothesen, wie sich die Überlebenszeiten zu einem bestimmten Zeitpunkt entwickeln würden. Beispielsweise könnte eine unserer Hypothesen gewesen sein, dass sich nach 100 Tagen Patienten in der Gruppe mit Expositionstherapie signifikant von von denen in den anderen beiden […]


Kaplan-Meier Überlebenszeitanalyse: Paarweise Gruppenvergleiche interpretieren und berichten

Nachdem unsere Hauptanalyse signifikant geworden ist, wollen wir in diesem Schritt wissen, welche beiden Gruppen sich statistisch signifikant unterscheiden. Dazu müssen wir uns in der Ausgabe von SPSS die Tabelle Paarweise Vergleiche anschauen. Paarweise Vergleiche Gruppe Entspannungs­therapie Expositions­therapie Hypnose­therapie Chi-Quadrat Sig. Chi-Quadrat Sig. Chi-Quadrat Sig. Log Rank (Mantel-Cox) Entspannungstherapie 12,978 ,000 3,925 ,048 Expositionstherapie 12,978 […]


Kaplan-Meier Überlebenszeitanalyse: Gruppen paarweise in SPSS vergleichen

In diesem Abschnitt lassen wir uns von SPSS post-hoc Tests berechnen. Post-hoc Tests werden nach einer signifikanten Analyse durchgeführt, um festzustellen, welche Gruppen sich genau signifikant voneinander unterscheiden. Die Durchführung der paarweisen Vergleiche unterscheidet sich nur durch geringfügig von der vorigen Analyse. Entsprechend können wir die Auswahl größtenteils übernehmen. Da es aber durchaus sein kann, […]


Kaplan-Meier Überlebenszeitanalyse: Ergebnisse interpretieren und berichten

Jetzt kommt die Interpretation der eigentlichen Analyse. Hierdurch können wir die Frage beantworten: Unterscheidet sich die Zeit bis zum Therapieerfolg zwischen den Gruppen? Oder allgemeiner ausgedrückt: Unterscheiden sich die Überlebenszeiten nach Gruppe? Gruppen statistisch vergleichen SPSS stellt uns drei verschiedene statistische Tests zur Verfügung, die alle diese Frage beantwortet wollen. Der (1) Log-Rang-Test (Mantel, 1966), […]


Kaplan-Meier Überlebenszeitanalyse: Deskriptive Statistik

Charakteristisch für die Kaplan-Meier Überlebenszeitanalyse ist die grafische Darstellung Überlebensfunktion, die ein stufenförmiges Erscheinungsbild hat. Die Überlebensfunktion gibt an, inwieweit das Ereignis (in unserem Beispiel: von Spinnenphobie geheilt), noch nicht eingetreten ist. Entsprechend beginnen die Kurven auch bei einer Wahrscheinlichkeit von 100% (also 1,0). Die Überlebensfunktion ist ein guter Startpunkt, um ein Gefühl für die […]


Kaplan-Meier Überlebenszeitanalyse: Voraussetzung #1: Zensierte Fälle in allen Gruppen gleichverteilt

Wir haben im vorigen Teil bereits die zensierten Fälle nach Gruppe aufgetragen, um zu überprüfen, ob die zensierten Fälle in allen Gruppen gleichverteilt sind. In diesem Teil werden wir das Diagramm zusammen mit weiteren Statistiken aus der Kaplan-Meier Analyse interpretieren. Das Kaplan-Meier Verfahren hat lediglich eine Voraussetzung, die wir statistisch überprüfen können, nämlich, dass die […]


Kaplan-Meier Überlebenszeitanalyse in SPSS durchführen

In diesem Artikel besprechen wir die eigentliche Berechnung der Kaplan-Meier Überlebenszeitanalyse. SPSS berechnet hier auch noch zusätzlich Statistiken, die wir in einem späteren Teil verwenden werden, um die Voraussetzung der gleichen Häufung und Verteilung von zensierten Fällen zu überprüfen. Im nächsten Schritt steigen wir direkt in die Interpretation der Ergebnisse ein.


Kaplan-Meier Überlebenszeitanalyse: Einstieg in die Datenauswertung

Jetzt sind wir an dem Punkt, wo wir die eigentliche Datenauswertung durchführen können. Wir werden die Analyse mit dem Kaplan-Meier-Verfahren in zwei Schritten durchführen: Im ersten Schritt werden wir die eigentliche Kaplan-Meier Überlebenszeitanalyse durchführen und schauen, ob wir einen signifikanten Effekt finden Sollte dies der Fall sein, werden wir im zweiten Schritt noch nachfolgende post-hoc […]


Kaplan-Meier Überlebenszeitanalyse: Verteilung zensierter Fälle bestimmen

Jetzt geht es an die eigentliche Erstellung des Diagramms, anhand dessen wir die Verteilungsstruktur der zensierten Fälle bestimmen werden. In diesem Abschnitt werden wir das Diagramm erstellen, aber noch nicht interpretieren. Die Interpretation werden wir in einem späteren Abschnitt vornehmen, nachdem wir die eigentliche Kaplan-Meier Überlebenszeitanalyse durchgeführt haben, da wir durch die Analyse noch zusätzliche […]


Kaplan-Meier Überlebenszeitanalyse: Datensatz vorbereiten

Im ersten Schritt überprüfen wir, ob sich die zensierten Fälle von ihrer Häufung und generellen Struktur her etwa gleich zwischen den verschiedenen Gruppen sind. Dies machen wir über die visuelle Inspektion eines Streudiagramms, dass wir im nächsten Schritt erstellen. Da wir uns erst einmal nur für die zensierten Fälle interessieren, müssen wir sie in SPSS […]


Kaplan-Meier Überlebenszeitanalyse: Beispieldatensatz

In einer fiktiven Studie wollen Wissenschaftler drei verschiedene Therapien für die Behandlung von Spinnenphobie (Arachnophobie) auf ihre Effektivität hin untersuchen. Untersucht werden (1) Entspannungstherapie, (2) Hypnosetherapie und (3) Kognitive Verhaltenstherapie (KVT) in Kombination mit Expositionstherapie. Für die Studie werden insgesamt 300 Versuchspersonen rekrutiert und zufällig den drei Therapiegruppen zugewiesen. Die Wissenschaftler messen den Behandlungserfolg mit […]


Kaplan-Meier Überlebenszeitanalyse: Definition und Nomenklatur

Überlebenszeitanalyse ist nicht ein spezifisches statistisches Verfahren. Stattdessen existieren verschiedene statistische Verfahren, die verwendet werden können, um Aussagen über die Zeitdauer bis zum Eintreten eines Ereignisses zu machen. Dadurch, dass Überlebenszeitanalyse ein allgemeines Verfahren ist, was nicht auf die Beobachtung von Überleben beschränkt ist und in vielen anderen Bereichen eingesetzt wird, wird stattdessen oft der […]


Kaplan-Meier Überlebenszeitanalyse in SPSS

In vielen – vor allem medizinischen – Studien ist die Zeit bis zum Eintreten eines bestimmten Ereignisses das wichtigste zu untersuchende Ergebnis. Überlebensanalysen wie der Kaplan-Meier-Schätzer befassen sich mit der Untersuchung der Zeit zwischen dem Beginn einer Studie und dem Eintreten eines Ereignisses. Ursprünglich befasste sich die Analyse mit der Zeit von der Behandlung bis […]


Kaplan-Meier Überlebenszeitanalyse: Voraussetzungen

Als nicht-parametrisches Verfahren ist der Kaplan-Meier-Schätzer verhältnismäßig wenig anspruchsvoll, was die grundlegenden Voraussetzungen angeht. Dennoch gibt es fünf Voraussetzungen die erfüllt sein müssen, damit wir mit der Berechnung fortfahren dürfen. Diese Voraussetzungen beziehen sich allerdings primär auf das Studiendesign und können daher auch nicht mit SPSS statistisch überprüft werden Der Status des Ereignisses sollte aus […]