Wenn Sie Fragen stellen möchten,
einfach per Mail, direkt oder per WhatsApp
0178 87 55 145 oder
0157 740 58 477.
Ich beantworte Fragen gerne und gebe gern den einen oder anderen Tipp. Wenn Sie etwas von mir rechnen lassen möchten, bräuchte ich Einblick in Ihre Daten (Excel, SPSS-Daten) und eine Liste Ihrer Fragen (eine Word-Seite).

Eine Grafik für Inzidenzraten (mehrere auf einen Blick) bei einer 4-fach Gruppierung


Wie kann man Inzidenzraten als Säulen darstellen, wenn man binäre Messwiederholungen hat


Ein Säulendiagramm zeigt für wiederholt gemessene Inzidenzen, d.h. multiple Inzidenzraten recht intuitiv an, wo diese liegen und wo sich Subgruppen unterscheiden. Im Beispiel ging es um das Auftreten von 4 verschiedenen Problemfällen bzw. Komplikations-Arten. Es ist mit ggplot2 erstellt, der p-Wert ist ein zweiseitiger und exakter r x c-Fisher-Test (in R ist das "fisher.test", der p-Wert kommt aus einer 4 x 2 Tafel und ist damit ein "overall"-Test, man müßte noch nachforschen welche der Gruppierung diesen Effekt "verursachen").





Fazit

Inzidenzraten lassen sich durchaus komprimiert darstellen, auch wenn vergleichsweise viele Untergruppen vorliegen und man die p-Werte auf einen Blick haben möchte. Man könnte sich, um einen ersten Überblick zu bekommen, die Inzidenzen der Hauptgruppen ansehen, danach kann man in Ruhe daran gehen, zu schauen, welche weiteren Größen (Kovariaten) mit den Unterschiede in den Inzidenzen korrelieren und beispielsweise eine logistische Regression rechnen.


SPSS, R, und andere Apps für die Statistik


SPSS

PSPP als freie Alternative vs. SPSS

R als kostenlose Alternative

Vergleich von R vs SPSS vs. Jamovi vs SAS

R installieren

Weitere Links

SPSS, das Allround-Knife

Der Chi²-Test

Eine ANOVA zur Frage von Gruppenunterschieden (ANOVA = Analysis of Variance)

Der t-Test zur Frage von Gruppenunterschieden

Der t-Test zur Frage, ob sich Messwiederholungen unterscheiden

Der U-Test zur Frage von Gruppenunterschieden

R, ein kostenloses Programm mit starker Verbreitung

Übereinstimmung zweier Methoden graphisch anzeigen lassen (Bland-Altman Plot)

Ein lineares Vorhersagemodell rechnen (eine lineare mulitple Regression)

Eine Korrelation rechnen

Eine Rang-Korrelation (nach Spearman) rechnen

Fragen zusammenfassen (summieren, aggregieren)

Eine mixed ANOVA (Vergleich zwischen Gruppen, die eine Messwiederholung haben) rechnen

Ein Torten-/Kuchen-Diagramm in 3D

Ein Balken-/Histogramm erstellen (2 Gruppen im Vergleich)

Eine deskriptive Statistik erstellen

Eine ordinale Regression rechnen

Eine Inzidenzrate bewerten

Zwei Gruppen im Mittel mittels Python vergleichen (t-Test)

Zwei Gruppen (ohne Rückgriff auf die vielen Voraussetzungen des t-Tests) mittels Python vergleichen (U-Test)

Zwei binäre Reihen auf Änderung prüfen (McNemar-Test)

Eine Verlaufsgraphik von Mittelwerten mit Streubalken

Ein 2D-Kuchen mit ggplot

Eine Inzidenzrate mit R bewerten (passt meine Beobachtete zu der der Population, die ich aus der Literatur kenne?)

Zwei Inzidenzen mit R vergleichen

Eine Rang-Varianzanalyse (Rang-ANOVA, Kruskal-Wallis-Test) rechnen, d.h. 2 oder mehr Gruppen vergleichen

Eine Partialkorrelation rechnen, d.h. eine Korrelation (Eiskremverzehr und Sonnenbrand), aus der eine Drittvariable (Sonnenstunden) eliminiert ist

Einen Median-Test rechnen, d.h. weichen 2 Gruppen unterschiedlich stark vom Gesamt-Median ab?

Eine Regession zur Vorhersage bzw. Erklärung von Häufigkeitsdaten rechnen (Poisson-Regresion)

Ein einfaches Säulendiagramm mehrerer Gruppen

Ein Balken-/Histogramm erstellen (die Verteilung einer Population)

Ein Säulendiagramm, wenn wiederholt gemessen wird

Vorteile einer randomisierten Studie

Vorteile von Apriori-Hypothesen

Ein Boxplot für mehrere Gruppen

Eine 100-Jährigen-Studie, das Problem vorgefundener Gruppen und riskante Schlussfolgerungen

Statistik, womit sollte man (wenn man es denn muss) programmieren?

Schein oder nicht-Schein? Mehr Korrelation als Schein. Beispiele für Scheinkorrelationen

Multiple Inzidenzraten bei mehreren Gruppen. Ein Grafik-Beispiele

Mediane im Verlauf, Boxplots über die Zeit bei mehreren Gruppen.

Surival und Risiken über die Zeit bei mehreren Gruppen.