Richtige Test-Statistik in Verhaltensexperiment

...komplette Frage anzeigen

1 Antwort

Also ich muss da nachfragen!
Interessiert dich die Negativkontrolle, oder ist es sowieso klar dass diese abweicht von der Lichtbedingung oder ist es gar so, dass man damit nur das Tier "resettet" um danach möglichst unabhängig zu messen?
Und dann, wurde jedem Tier an jedem Tag (zufällig) eine von 6 Farben gezeigt? Wieso hast du 6-12 Wiederholungen? Hast du also manche 6 Tage getestet, andere 12?
Ich würde jetzt annehmen du habest eine Variable mit 6 Stufen (oder 7, falls Kontrolle dazugehört). Damit kannst du schon mal keinen Wilcoxon-Test durchführen! Der ist nur für 2 Stufen!
Oder dienen die Farben nur der Variation und du nimmst Gleichwertigkeit an und schmeisst sie so alle in eine Variable?
Dann: Shapiro-Wilk signifikant bedeutet ja, dass keine Normalverteilung vorliegt!

Also ich nehme an du schmeisst alles in eine Variable und dann wäre der Wilcoxon-Test angemessen, ausserdem würde hier die Normalverteilung keine Rolle spielen. Da du hier Messwiederholung hast musst du tatsächlich die Differenzen bilden, die Vorzeichen notieren und die Ränge bilden. Die Frage, die sich mir stellt ist einfach wie die AV dann aussieht? Den Mittelwert aus allen Lichttests und allen Kontrolltests (und von dem dann die Differenzen für jedes Tier/(jeden Tag))? Ich würde hier wirklich überlegen die Farben oder die Zeitpunkte als Variable mit einzubeziehen und dann eine mehrfaktorielle Analyse zu machen.
Aber warum Zweichstichprobentest? Du kannst ja keinen U-Test machen, du hast ja Intervallskalenniveau? Deine Daten sollten sowieso abhängig sein wegen Messwiederholung.
Die Hypothese ist zwar gerichtet, aber wenn man eine ungerichtete formuliert kann man kaum was falsch machen (ausser Teststärke verschenken)

Danke schon mal bis hierhin.

Das Ziel der Versuche ist es zu zeigen, auf welche der getesteten Lichtfarben die Tiere reagieren um ableiten zu können, wie ihr Sehspektrum (spektrale Sensitivität) aussieht. Von daher sind die verschiedenen Farben schon getrennt zu betrachten. Und ja, wenn du so willst, kann man die vorangegangenen Kontrollversuche als Reset des Tieres sehen. Quasi wieviel stärker dreht das Tier im Licht (falls es dreht) als in den Kontrollen. Daher ja auch die Differenzbildung. Drehung bei Licht - Drehung ohne Licht (natürliche Abweichtendenz des Tieres) = Drehung aufgrund der Reaktion auf das Licht.

Daher auch die Frage ob ein einseitiger Test genügt. Mich interessiert ob sie im Licht stärker abdrehen. Der zweiseitige würde mir auch Signifikanz auswerfen, falls sie weniger stark drehen (was aber eine falsch-positive Beobachtung wäre). Die verschenkte Teststärke kann ich doch sicher mit kleinerem alpha wieder reinholen?!

Der Erwartungswert ist übrigens für zwei Farben positiv (sie weichen aus), für zwei Farben (eigentlich) negativ und die letzten beiden Farben liegen im Grenzbereich der Wahrnehmung, bei der wir nicht ganz sicher sind. Daher auch die unterschiedliche Anzahl an Tests. Haben die Tiere (bei den Farben bei denen wir sicher sind) in den ersten 6 Wiederholungen ein-eindeutige Reaktionen gezeigt wurde für diese Farben der Tests eingestellt. Bei den übrigen Farben haben wir mehr Wiederholungen gemacht. Leider haben wir nicht bei allen Tieren und Farben soviele Wiederholungen geschafft wie gewollt, da die Lebensspanne der Tiere kurz ist und während der Versuchszeit bereits einige Tiere vorzeitig verstorben sind.

Die Reihenfolge der Farbtests war "pseudorandomisiert". Wir haben versucht immer im Wechsel die Farben zu testen bei der wir sicher positiv, sicher negativ, unsicher waren. Damit grenzen die unsicheren Kandidaten immer an sichere, was uns quasi als doppelte Positivkontrolle diente.

Das mit den NV-Tests hab ich schlecht formuliert. Sie deuten in 90% der Fälle auf NV hin. Sry, my bad.

0
@Dabecken

Also wenn der Unterschied in den Farben interessiert dann haben wir aber 6 oder 7 Stufen dieser Variable. Folglich fallen Vergleiche von 2 Mittelwerten weg (wie z.B. Wilcoxon/U-Test/t-Test). Stattdessen würde ich eine Einfaktorielle Varianzanalyse mit wiederholter Messung im Faktor Farbe vorschlagen. Wobei ich auch als Kontrollbedingung "kein Licht" reinnehmen würde (es wird ja dort genau so gemessen wie auch bei den Farben).
Du erhälst dann die Information ob es Unterschiede in den Bedingungen gibt, kannst dann aber mit Post-hoc Tests schauen wie sich die einzelnen Farben unterscheiden.
Als Alternative würde bleiben elendlich viele t-Tests/U-Tests/Wilcoxon-Tests zu rechnen und dabei das Alpha Niveau zu adjustieren wegen der Kumulation bei mehreren Tests an derselben Stichprobe. Entweder alles miteinander vergleichen oder alles mit der Kontrollbedingung vergleichen und dann die Effektstärken berechnen, damit man die Effekte vergleichen kann.

0

Was möchtest Du wissen?