A. Böckenhoff, J. Hartung

Universität Dortmund, FB Statistik

 

Bei der Prüfung des Effektes einer Behandlung im Vergleich zu einem Standard werden in der Biometrie häufig mehrere Experimente durchgeführt, die unter verschiedenen Versuchsbedingungen stattfinden und daher unterschiedliche Variabilitäten in den Messungen erzeugen. Im landwirtschaftlichen Versuchswesen sind dies z.B. verschiedene Jahre bzw. Umwelteinflüsse. Bei klinischen Versuchen gibt es verschiedene Zentren bzw. werden mehrere Studien zur gleichen Fragestellung durchgeführt und können schließlich im Rahmen einer Meta-Analyse zu einem Gesamtergebnis kombiniert werden. Bei technischen Experimenten arbeiten die beteiligten Labors unter verschiedenen Laborbedingungen und Geräteausstattungen.

Um diesen Variabilitäten und Skalenunterschieden gerecht zu werden wird als sinnvolle Zielgröße die standardisierte Mittelwertdifferenz gewählt - im Gegensatz zu den meist betrachteten absoluten Differenzen -, um die Größenordnung des Wirkungsunterschiedes beurteilen zu können. Die herkömmlichen Verfahren zur Kombination solcher Effektgrößen unterschreiten bzw. überschreiten zum Teil in erheblichem Maße das vorgegebene Signifikanzniveau, d.h. die klassischen Verfahren sind instabil. Es wird ein neues Verfahren vorgestellt, welches das Niveau zufriedenstellend einhält und stabil bzgl. des Inhomogenitätsparameters ist. Dadurch entfällt die übliche a priori Entscheidung bzw. Testung bzgl. des entsprechenden Einflußfaktors mit den bekannten Konsequenzen für das Niveau des schließlich interessierenden Konfidenzintervalls für den standardisierten Behandlungseffekt.

engl. Abstract

The commonly used methods for combining effect sizes often exceed the prescribed significance level. We present a new method which attains this level and does not depend on the parameter of inhomogeneity. Therefore, the common test of homogeneity can be avoided with the known consequences for the level of the interesting confidence interval of the standardised treatment effect.

 

Literatur:

Hartung, J. (1999) An alternative method for meta-analysis. Erscheint in Biometrical Journal.

Hedges, L.V. (1983) A random effects model for effect sizes. Psychological Bulletin, 93, 388-395.

Yates, F./ Cochran, W.G. (1938) The analysis of groups of experiments. Journal of Agricultural Sciences, 28, 556-580.