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).

Ein Survivalplot für mehrere Gruppen


Wie könnte ein Survivalplot für mehrere Gruppen ausssehen?


Ein Survivalplot für mehrere Gruppen (genauer: ein Zeit-bis-Ereignis-Plot) zeigt auf einen Blick, wie sich diese Gruppen im Risiko über die Zeit bewegen und bestimmte Marken (z.B. medianes Risiko) zu welchem Zeitpunkt überschreiten.



Bewegen sich die Gruppen unterschiedlich, könnte man später evtl. schlussfolgern, dass die Gruppen einem anders gearteten Risiko unterliegen (allerdings stellt dies in einem ersten Schritt und technisch eine Korrelation dar und noch lange keine Kausalität). Hier ein Beispiel aus dem R und RStudio. Das Ziel ist, Gruppenrisiken über eine Zeitachse zu verfolgen und zu vergleichen, im einfachen Fall nur zu beschreiben (HR = hazard ratio).

Passen Sie auf: Für dieses Beispiel sind keinerlei Adjustierungen für multiples Testen angebracht (ist aber mit überschaubarem Aufwand ergänzbar), d.h. das Ganze ist in der Tat nur deskriptiv und nur hypothesengenerierend.
Das Bild zeigt die 4 Gruppen und deren Risiko. Das Bild ist als Ganzes vollautomatisiert erstellt und trägt p-Werte sowie deskriptive Statistiken selber ein.

Fazit


Gruppenschwerpunkte in Form von medianen Zeiten bis zu einem Ereignis (z.B. Rezidiv, Remission) lassen sich mit Grafiken dieser Art darstellen. Stabile Verhältnisse (das zu sehen, war die obige Intension) lassen sich damit vergleichsweise überschaubar darstellen. Im obigen Beispiel bewegen sich die Gruppen in der Tat mehr oder weniger überhaupt nicht.


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.