gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Simultane Konfidenzintervalle für nichtparametrische Effekte

Meeting Abstract

Suche in Medline nach

  • Edgar Brunner - Georg-August-Universität Göttingen, Göttingen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds133

DOI: 10.3205/09gmds133, URN: urn:nbn:de:0183-09gmds1335

Veröffentlicht: 2. September 2009

© 2009 Brunner.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

In vielen Versuchen oder Studien in den Biowissenschaften werden mehr als zwei Stichproben erhoben. Dann erfolgt die statistische Auswertung in der Regel in drei klassischen Stufen:

1.
Testen der Globalhypothese: Haben die Faktoren einen Einfluss auf die Messgröße?
2.
Bei Ablehnung der Globalhypothese werden multiple Vergleiche durchgeführt: Welche Faktorstufen / Behandlungen führen zur Ablehnung der Hypothese?
3.
Um die Stärke der Effekte und die Variabilität zu veranschaulichen, werden Konfidenzintervalle für die Effekte berechnet.

In der Arbeit von Bretz, Genz und Hothorn [1] werden Verfahren für normalverteilte Daten vorgestellt, welche diese drei klassischen Schritte der Auswertung solcher Versuche in einem erledigen und gleichzeitig auf die speziellen Fragen von Anwendern zugeschnitten werden können.

Da gerade in den Biowissenschaften in vielen Fällen eine Normalverteilung der Daten nicht gegeben ist (z.B. bei geordnet kategorialen (ordinalen) Daten, sehr schief verteilten Daten oder Zähldaten), ist hier der Bedarf an Verfahren, welche die Normalverteilung nicht voraussetzen, von besonderem Interesse.

In diesem Vortrag werden die von Bretz [1] vorgestellten simultanen Verfahren auf Modelle übertragen, in denen keine Normalverteilung angenommen wird. Es wird aufgezeigt, welche methodischen Probleme dabei auftreten und wie sie gelöst werden können. Besonders werden faktorielle Modelle im Vordergrund stehen. Dabei kann die Auswertung auch von komplizierten Versuchen und Studien durch ein speziell auf die Fragen des Anwenders zugeschnittenes Verfahren erfolgen. Derzeit in Entwicklung befindliche und offene Fragestellungen werden ebenfalls angesprochen.


Literatur

1.
Bretz F, Genz A, Hothorn LA. On the Numerical Availability of Multiple Comparison Procedures. Biometrical Journal. 2001;43: 645-656.