Statistik

Im Bereich der statistischen Datenanalyse konzentriert sich die Arbeit des Instituts für medizinische Psychologie und Soziologie auf die Methoden der Psychometrie, der multivariaten Regressionsanalyse sowie der nichtparametrischen Statistik. Hierbei wird der psychometrischen Analyse von Fragebögen, die in der klinischen Praxis routinemäßig eingesetzt werden, einen besonderen Stellenwert beigemessen. Mit Hilfe von Strukturgleichungsmodellen sowie den Methoden der Item-Response-Theorie untersuchen wir beispielsweise die psychometrischen Eigenschaften bekannter Instrumente wie der SF-12 und SF-36 sowie der Quality Of Life after Brain Injury Questionnaire (QOLIBRI).

Besonderes Augenmerk wird bei der Datenanalyse klinischer und epidemiologischer Studien auf die sog. generalisiert gemischten linearen Modelle (GLMM) gerichtet, die sowohl im Rahmen frequentistischer sowie Bayesscher Methoden ein sehr breites Spektrum von Modellspezifikationen für unterschiedliche Datenstrukturen (z.B. genestete Designs, Längsschittsdaten und wiederholte Messungen sowie Ereignisdaten) bieten.

Nichtparametrische Verfahren im Quer- und Längsschnitt sind gegenüber konventionellen statistischen Modellen robuste Alternativen, die mit wenigen Annahmen auf beliebige Datentypen anwendbar sind. In diesem Sinne wird bei der nichtparametrischen Datenanalyse nur die den empirischen Daten zugrundeliegenden Verteilungen untersucht, um zu Schlussfolgerungen etwa über den zeitlichen Verlauf von Erkrankungen oder Gesundheitszuständen unter dem Einfluss spezifischer Faktoren zu gelangen.

Ein weiterer Arbeitsschwerpunkt des Instituts im Rahmen der statistischen Datenanalyse liegt bei der Anwendung der Programmiersprache und statistischer Umgebung R. Insbesondere widmen wir uns sowohl der Entwicklung geeigneter Funktionen bzw. Pakete im Bereich der Psychometrie und der multivariaten Regressionsanalyse als auch dem Einsatz von R in der Lehre.