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

Nichtparametrische Analyse faktorieller Experimente

Meeting Abstract

Search Medline for

  • Frank Konietschke - Universitätsklinikum Göttingen, Göttingen
  • Edgar Brunner - Abteilung für medizinische Statistik 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. Doc09gmds128

doi: 10.3205/09gmds128, urn:nbn:de:0183-09gmds1280

Published: September 2, 2009

© 2009 Konietschke et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Die meisten Versuche und Studien in den Biowissenschaften haben eine faktorielle Struktur, d.h. mehrere Faktoren beeinflussen gleichzeitig den interessierenden Messwert. Des Weiteren werden häufig nicht – normalverteilte Daten (wie z.B. ordinale Daten) erhoben, so dass die Anwendung parametrischer Verfahren nicht gerechtfertigt ist.

In der Literatur haben sich Rangverfahren als Auswertungsmethode faktorieller Studien durchgesetzt [1], [2]. Die Hypothesen werden hier in den Verteilungsfunktionen gestellt [3], [4], [5]. Die Interpretation möglicher Alternativen ist sehr abstrakt.

Die Verteilungsaussage der Prüfgrößen beruht auf der (asymptotischen) Verteilung von Punktschätzern relativer Effekte pi, die anschaulich interpretierbar sind: Sie bezeichnen die Wahrscheinlichkeit, dass eine zufällige Messung der Stichprobe i zu kleineren Werten als eine zufällige Messung aller anderen Stichproben tendiert.

In diesem Vortrag stellen wir Testverfahren zum Überprüfen von Hypothesen in relativen Effekten in faktoriellen Studien vor. Als Motivation wird ein reales Datenbeispiel ausgewertet.


Literatur

1.
Kruskal WH. A nonparametric test for the several sample problem. Annals of Mathematical Statistics. 1952;23:525--540.
2.
Brunner E, Munzel U. Nichtparametrische Datenanalyse. Berlin: Springer; 2002.
3.
Akritas MG, Arnold SF. Fully nonparametric hypotheses for factorial designs I: multivariate repeated measures designs. Journal of the American Statistical Association. 1994;89:336-343.
4.
Akritas MG, Arnold SF, Brunner E. Nonparametric hypotheses and rank statistics for unbalanced factorial designs. Journal of the American Statistical Association. 1997;92:258-265.
5.
Akritas MG, Brunner E. A unified approach to rank tests for mixed models. Journal of Statistical Planning and Inference. 1997;61:249-277.