Explorative Datenanalyse: Frühjahrstagung der GMDS München, 21.–22. März 1980

215 Pages·1980·4.921 MB·German-English

by  N. Victor (auth.), N. Victor, W. Lehmacher, W. van Eimeren (eds.)

Medizinische Informatik
und Statistik
Herausgeber: S. Koller, P. L. Reichertz und K. Oberla
26
Explorative Datenanalyse
FrOhjahrstagung der GMDS
MOnchen, 21. - 22. Marz 1980
Herausgegeben von
N. Victor, W. Lehmacher und W. van Eimeren
Springer-Verlag
Berlin Heidelberg New York 1980
Reihenherausgeber
S': Koller, P. L. Reichertz, K. Oberla
Mitherausgeber
J. Anderson, G. Goos, F. Gremy, H.-J. Jesdinsky, H.-J. Lange,
B. Schneider, G. SegmOller, G. Wagner
Bandherausgeber
N. Victor
Abt. Biomathematik, FB 18
Universitat GieBen
Heinrich-Butt-Ring 44
6300 GieBen
W. Lehmacher
W. van Eimeren
Gesellschaft fUr Strahlen- und
Umweltforschung mbH
Institut tOr Medizinische
Intormatik und Systemtorschung
ArabellastraBe 4/111
8000 MOnchen 81
ISBN-13: 978-3-540-10281-6 e-ISBN-13: 978-3-642-81515-7
001: 10.1007/978-3-642-81515-7
ClP-Kurztitelaufnahme der Deutschen Bibliothek
Explorative Datenanalyse: Friihjahrslagung d GMJS. Wllnchen, 21.-22. MArl 1980 1
hrsg. von W. van Eimeren ... -Beriin; Heidelberg; New York: Springer, 1980.
(Medizinische Informatik und Statistik; 26)
ISBN 3-540-10281-7 (Beriin, Heidelberg, New York)
ISBN 0-387-10281-7 (New York, Heidelberg, Berlin)
NE: Eimeren, Wilhelm van [Hrsg:); Deutsche Gesellschaft fOr MedizinischeDokumentation,
Informatik und Statistik; GT
This work is subject to copyright. All this are reserved, whether the whole or part of the
material is concerned, specifically those of translation, reprinting, re-use of illustrations,
broadcasting, reproduction by photocopying machine or similar means, and storage in
databanks.
Under § 54 of the German Copyright Law where copies are made for other than private use,
a fee ist payable to Verwertungsgesellschaft Wort, Munich.
© by Springer-Verlag Berlin Heidelberg 1980
2145/3140-543210
VORy/ORT
Die hier vorgelegten Beitdige zur explorativen Datenanalyse ent
stammen der Fruhjahrstagung 1980 des Fachbereichs "Planung und
Auswertung" der Gesellschaft fur Medizinische Dokumentation, In
formatik und Statistik (GMDS). Die in Zusammenarbeit mit der
Gesellschaft fUr Strahlen- und Umweltforschung mbH (GSF) (und
darin dem Institut fUr Medizinische Informatik und Systemforschung
(MEDIS» in Munchen organisierte Tagung fand bei den rund 150 Teil
nehmern reges Interesse.
Dies dokumentiert das Verdienst der GMDS, diesen international in
der angewandten Sta tistik immer starker ins Interesse rUckenden
Trend statistischer Analysen fUr den deutschsprachigen Bereich
erstmals umfassender zu behandeln.
Dennoch ersetzen die Beitrage kein Lehrbuch, sie stehen exempla
r isch fur den augenblicklichen Stand der Entwicklung und Anwendung
explorativer Datenanalyse im medizinischen Anwendungsbereich. Da
bei wurden klassische Gebiete mit groBerer Verbreitung und mit
groBerem Bekanntheitsgrad wie Cluster- und Faktorenanalyse bewuBt
ausgeklammert.
Mit dem Dank an alle Autoren mOchte ich die Aufforderung verknup
fen, daB die FrUhjahrstagung und dieser Band nur Auftakte einer
intensiveren Diskussion urn explorative Datenanalyse sein mOgen.
Munchen, im August 1980 Wilhelm van Eimeren
INHAL TSVERZEICHNIS
Seite
1. Explorative Datenanalyse im Rahmen der Statistik
Stellung der Explorativen Datenanalyse (EDA) im Rahmen 2
der Sta tis tik
N. VICTOR
Explorative Datenanalyse 6
H. H. BOCK
Explorative und Konfirmatorische Datenanalyse - 38
Gegensatz oder Erganzung?
P. IHM
Voraussetzungen und Grenzen der Explorativen Datenanalyse 54
R. ZENTGRAF und H. NOWAK
Erganzende Bibliographie 63
2. Explorative Analyse als Strategie fur Anwendungsprobleme
Comparison of Clinical Trials in Acute Myelogenous 68
Leukaemia by Use of a Mathematical Model
R.R.P. JACKSON, L.J. MOULLIN, W. GREGORY,
R. BELL, J.M.A. WHITEHOUSE und T.A. LISTER
Bemerkungen zum PatientenfluBmodell von Jackson 91
und Aspden sowie verwandten Ansatzen
Th. SCHAFER
Applications of Non-Homogeneous Markov Chains 102
to Medical Studies
o. BORGAN
Auswertungskonzepte fur empirische Studien 116
N. VICTOR, E.P. BROSZIO und K. NAUMANN
Aufgaben der Explorativen Datenanalyse in 130
der medizinischen Qualitatssicherung
H.K. SELBMANN und W. WARNCKE
Welches Modell paBt zu den Daten? 141
A. NEISS
3. Methodische Ansatze
Die Konfigurationsfrequenzanalyse qualitativer 147
Daten als Explorative Methode
W. LEHMACHER
Some Comments on the GUHA Procedures 156
T. HAVRANEK
Latent Structure Analysis 178
F. KRAUSS
Kovarianzselektion als Explorative Methode 194
N. WERMUTH
Die Einsetzbarkeit der statistischen Methoden 204
zur Analyse von Uberlebenszeiten
J. WAHRENDORF
KAPITEL 1
EXPLORATIVE DATEN ANALYSE
1M RAHMEN DER ST AT lSTIK
STELLUNG DER EXPLORATIVEN DATENANALY SE (EDA) 1M RAHMEN DER STATlSnK
Warum eine Sitzung zu diesem Thema?
N. VICTOR
Abteilung Biomathematik
Universitat Giessen
Stellung der Statistiker zur EDA
EDA ist eine Vorgehensweise bei dem Versuch der Erkenntnisgewinnung aufgrund vorl ie
gender Daten, die auf die Entdeckung unbekannter Strukturen in diesen Daten gerichtet
ist. Viele Statistiker stehen der EDA skeptisch gegenUber oder beurteilen sie ein
deutig negativ, da sie nicht ins Konzept der traditionellen statistischen SchluB
weise (statistical inference) paBt. Der Statistiker, der bei der Auswertung von Daten
explorativ vorgeht, muB sich bezUgl ich seiner Arbeitsweise oft Urteile wie: "contra
legem artis", "nicht fachgerecht", "schmutzig" u.a. anhoren. Sicherlich ist der hau
fige MiBbrauch der EDA unbestreitbar; es ware jedoch zu einfach, die Schuld daran der
Vorgehensweise und den dabei eingesetzten Verfahren an sich zuzuschreiben und des
halb ihre Verbannung aus der Statistik zu fordern. Die Statistiker mUssen sich viel
mehr fragen, ob sie an diesen MiBstanden nicht selbst die Schuld tragen, weil sie
- sich nie ernsthaft um die Schaffung einer fundierten Basis fUr die EDA bemUht haben,
- trotzoffensichtlichen Bedarfs dieses Gebiet der Statistik vernachlassigt und seine
Pflege den Substanzwissenschaftlern Uberlassenhaben
und
- mehrheitl ich dogmatisch an der AlleingUltigkeit des Schemas 'Hypothese _ Datener
hebung __ Test' festha lten, ohne a lternati ve Vorgehenswei sen zur Erkenntni sgewi n
ung Uberhaupt in Erwagung zu zi ehen.
Den durch dieses Schema ab- und eingegrenzten Bereich der Statistik mochte ich
testende Statistik und die Vertreter seiner AlleingUltigkeit testende Statistiker
nennen.
3
Hat die EDA ihre Berechtigung innerha1b der Statistik?
Die Hypothesen - der Ausgangspunkt im Schema der statistischen Sch1uBweise - fallen
nicht vom Himmel; nicht Hypothesen, sondern Beobachtungen, d.h. Daten, und die Be
schaftigung damit stehen am Beginn jeder Erkenntnisgewinnung. Die AnstoBe zur Bi1-
dung von Hypothesen, Made11en oder Theorien gehen meist von Auffa11igkeiten in diesen
Daten aus. Explorative Verfahren sind Hi1fsmitte1 bei der Suche nach sol chen Auf
fa11igkeiten, und daher ist ihre Bedeutung fUr die Statistik unbestreitbar!
Die in der AbschnittsUberschrift gestellte Frage ist damit· eindeutig beantwortet,
und wi r brauchen auch di e die of zu horende Frage "Darf man a 1s Sta ti sti ker Ver
fahren der EDA Uberhaupt anwenden?" zu di skuti eren, sondern wi r sol1 ten uns im Ver-
1auf dieses Tages urn die richtige Einordnung und Gewichtung dieser Vorgehensweise
innerha1b der Statistik bemUhen. Wir sollten auch nicht im Streben nach Avantgardis
mus die Frage aufwerfen "1st die testende Statistik Uberholt?", denn diese wird an
ihrem Platz ihre Bedeutung behalten.
Nur wenn wir das Zie1 des heutigen Tages so sehen, kann unser der Diskussion Uber die
EDA gewidmetes Treffen zur Weiterentwick1ung der Stat"istik beitragen, einer Weiter
entwick1ung, die ich durch die starke Divergenz zweier Gruppen von Statistikern ge
fahrdet sehe: den Puristen der testenden Statistik auf der einen Seite, die a1s ein
zige Aufgabe der Statistik die PrUfung an sie herangetragener Hypothesen nach obigem
Schema ansehen, und die DatenschnUff1er auf der anderen Seite, die das Suchen und
Pub1izieren von Auffa11igkeiten a1s ihre einzige Aufgabe ansehen, ohne sich der
Serendipity-Gefahr Uberhaupt bewuBt zu sein.
We1che Aufgaben der Statistik werdendurch die EDA abgedeckt?
Will man die Einordnung einer Vorgehensweise in den Rahmen de.r Statistik diskutieren,
muB man vorab den Aufgabenkomplex der Statistik umreiBen. Unter Statistik verstehe
ich hier die sogenannte angewandte Statistik, die sich zwar des von der mathemati
schen Statistik errichteten Gebaudes bedient, deren Aufgabenbereich jedoch weit Uber
die von diesem Gebaude vorgezeichneten Grenzen hinausreicht. Zu den weiterreichenden
Aufgaben gehoren vor a11em die geeignete Umsetzung praktischer Prob1eme in stati
stische Mode11e und die RUckUbersetzung der Ergebnisse statistischer Verfahren in
die Praxis, d.h. die sachgerechte Interpretation.
Die testende Statistik deckt den auBerst wichtigen Bereich der Prob1emumsetzung bzw.
der Mode11entwick1ung nicht ab; diese LUcke v,ersucht die EDA zu sch1iei3en. Es ist das
Typische an Frageste11ungen, die aus praktischen Prob1emen entstehen, daB sie bezUg
lich der Hypothesenformu1ierung zu unprazise fUr die direkte Anwendung eines Tests
sind. Solche Frageste11ungen 1auten z.B.: We1che Variab1en aus einem groBen Komplex
potentieller StorgroBen haben tatsach1ich Einf1uB auf meine Zie1groBe und welcher Art
ist dieser Einf1uB? Die Forderung nach weitergehender Prazisierung der Frage, bevor
man sich a1s Statistiker damit befassen konne, ste11t ein Abschieben wichtiger Auf-
4
gaben und wichtiger Verantwortung auf die Schultern des Substanzwissenschaftlers und
eine Schmalerung der Bedeutung des Statistikers dar. Die Hilfestellung bei der Pra
zisierung der Fragestellung gehart in den Aufgabenbereich des Statistikers und ex
plorative Verfahren sind u.a. ein wichtiges Hilfsmittel bei dieser Prazisierung.
Statistiker, die die Zugeharigkeit der EDA zur Statistik weiterhin anzweifeln, machte
ich darauf hinweisen, daB in einem anderen Aufgabenbereich der Statistik - der Er
gebnisinterpretation - ein exploratives Vorgehen seit langem praktiziert und akzep
tiert wird. Es ist Ublich zu versuchen, einen inferenzstatistisch gefundenen Zusam
menhang durch Betrachtung aller maglichen ursprUnglich nicht in die inferenzstati
stische Analyse einbezogenen EinfluBgraBen, d.h. durch nachgeschobene Schichtungen,
letztendlich doch als Effekt einer Hintergrundsvariablen zu erklaren. Dies heiBt
aber: eingestehen, daB man vorab nicht in der Lage war, alle relevanten EinfluB
graBen ins l40dell einzubeziehen bzw. die Fragestellung genUgend genau zu prazisieren.
Selbstverstandlich haben auch die testenden Statistiker die unzureichende Prazision
der Ublicherweise an sie herangetragenen Fragen erkannt und nach Antworten auf dieses
Problem gesucht. Ihr Lasungsvorschlag sind die fUr bestimmte Probleme auBerst wichti
gen Methoden der simultanen Inferenz (z.B. nach Bonferroni oder Scheffel. FUr ex
plorative Fragestellungen, d.h. fUr die Suche nach Strukturen oder Hypothesen, sind
sie jedoch nur nach Modifikation geeignet, da sie sonst die Fragestellung in ihrer
Zielrichtung (hin zur konfirmatorischen Absicherung) verandern, indem sie diese in
eine inferenzstatistische Zwangsjacke stecken und damit "tot-scheffeisieren". Als
Statistiker muB man akzeptieren, daB es Aufgaben der Statistik gibt, zu deren Lasung
der Test ein ungeeignetes Mittel ist.
1st die EDA oder die testende Statistik wichtiger?
Die vollkommen unterschiedlichen Zielrichtungen der testenden Statistik und der EDA
muB man auch bei der Abwagung der Bedeutung beider Bereiche berUcksichtigen. Das
Ziel der testenden Statistik ist das Verhindern falscher Aussagen; sie dient der Ab
sicherung des Forschers vor vorschnellen SchlUssen und wirkt daher zwar steuernd,
aber auch restriktiv auf das Vorwartskommen der Forschung. Diese Absicherung kann
derart Ubertrieben werden, z.B. wenn ein beratender Statistiker sich mit kleinem Ge
samt~ gegen Fehlaussagen in seiner gesamten Beratertatigkeit absichern machte, daB
jegliches Fortschreiten der Forschung unterbunden wird. Diese Sicherungsfunktion ist
eine wichtige, jedoch nicht die einzige Aufgabe der Statistik. Ziel der EDA ist die
UnterstUtzung des Forschers beim Aufdecken neuer Phanomene; man kann sie daher auch
als forschende Statistik bezeichnen. Da sie als Ergebnis aber nur Hinweise und keine
bezUglich ihrer GUltigkeit quantifizierbare Aussagen liefert, kann man auch nicht
auf sie allein bauen. Die EDA benatigt die Erganzung durch inferenzstatistische
Methoden, und ich machte mich der Forderung Tukeys anschlieBen, daB explorative und
konfirmatorische Analysen nebeneinander voranschreiten mUssen.
5
Anstehende Probleme
Wie dieses Nebeneinander vor sich gehen 5011 und ob eine Integration beider Vorgehens
weisen Uberhaupt moglich ist, sind bisher unbeantwortete Fragen. Sollte uns also die
Einordnung der EDA und die Abschatzung ihrer Bedeutung gelungen sein, so kommen wei
tere und schwierigere Aufgaben auf uns zu, die grob umrissen werden konnen durch die
Forderung: Schaffen von Konzepten fUr statistische Auswertungen, in deren Rahmen die
EDA und die testende Statistik vertraglich sind. HierfUr ist zuerst ein detaillierter
Aufgabenkatalog zu erstellen; einige der darin aufzunehmd~n Punkte mochte ich anfUhren:
(a) Schaffen theoretischer Grundlagen fUr die EDA; vor allem Einigung Uber unmiBver-
standl i che Formul i erungen der Aussagen exp lora ti ver ~·lethoden.
(b) Auflistung der unzulassigen Verwendungsmoglichkeiten von EDA-Ergebnissen zum
Verhindern von MiBbrauch (Gefahrenkatalog).
(c) Aufstellen von Regeln fUr die simultane Verwendung von Ergebnissen der explora
tiven und konfirmatorischen Analyse (nacheinander aus Pilot- und Hauptstudie ge
wonnen; aus einer Studie mit Hilfe geeigneter Stichprobenplane (Data splitting,
jack-knife-Methoden) gewonnen).
(d) Klarung der EinflUsse vorgeschalteter EDA auf die Fehlerwahrscheinlichkeiten.
Neben diesen Aufgaben treten andere Probleme, wie die Entwicklung weiterer Struktur
erkennungsverfahren, vorerst in den Hintergrund.
SchluB
Ich hoffe, mir ist es gelungen, durch die Skizzierung der anstehenden Probleme deut
lich zumachen, wie wichtig es war, auf einer Statistiker-Tagung in Deutschland dieses
Thema anzugehen. Eine Tagung mit dieser Thematik war Uberfallig, da wir in unserem
Land mit einem anerkannt hohen Standard der mathematischen Statistik einen Nachholbe
darf in diesem Bereich haben. Dies zeigt ein Vergleich mit den angelsachsischen Lan
dern, wo 'Data Analysis' seit langem als wichtiges Teilgebiet der Statistik akzeptiert
ist, und dem franzosischen Sprachraum, wo dieses Gebiet unter der Bezeichnung 'Analyse
des Donnees' seit Jahren eine B1Ute erlebt. t4eine heutige Philippika gegen die Ver
teufelung der EDA und fUr ein gleichberechtigtes Nebeneinander der EDA und der testen
den Statistik ist durch die Entwicklung in diesen Landern und durch die Arbeiten der
Hauptvertreter dieser Vorgehensweise, wie TUKEY, COX, BENZECRI u.a. beeinfluBt. Auf
(unspezifische) Literaturhinweise kann ich im Hinblick auf die diesem Kapitel beige
fUgte Bibliographie wahl verzichten.
Wi r werden heute di e angesprochenen Prob,l erne si cherl i ch ni cht losen konnen. Soll te
durch die heutige Tagung die Divergenz zwischen den beiden Statistikergruppierungen
verkleinert werden und eine Reihe von Statistikern angeregt werden, sich in Zukunft
intensiver als bisher mit den angesprochenen Problemen zu beschaftigen, so ware dies
der Erfolg, den wir anstreben. Ich hoffe, die Tagung kann ein Signal sein fUr Einlei
tung einer fruchtbaren Entwicklung der explorativen Datenanalyse in unserm Lande.
Adresse des Autors: s. Beitrag von VICTOR, BROSZIO und NAUMANN
EXPLORATIVE DATENANALY SE
H.H. BOCK
Institut fUr Statistik und Wirtschaftsmathematik
Technische Hochschule Aachen
1. EINLEITUNG
"Die Tatigkeit des wissenschaft1ichen Forschers besteht darin, Satze oder Systeme
von Satzen aufzuste11en und systematisch zu UberprUfen; in den empirischen Wissen
schaften sind es insbesondere die Hypothesen. Theoriensysteme. die aufgestellt und
an der Erfahrung. durch Beobachtung und Experiment UberprUft werden." Mit diesen Wor
ten tei1t K. POPPER (1934) die wissenschaft1iche Tatigkeit in zwei mehr oder weniger'
getrennte Bereiche ein: Hypothesenerstellung und Hypothesenilberprilfung. Jeder Stati
ker und Biometriker, der andere Fachwissenschaft1er bei der Auswertung und Interpre
tation von empirischen Daten berat, kennt diese beiden Kategorien und die damit ver
bundenen Prob1eme.
Er ist es insbesondere gewohnt. zur Uberprilfung von Hypothesen statistische Tests
durchzufUhren: Dabei werden die Hypothesen in Form von Wahrschein1ichkeitsmode11en
angesetzt und beziehen sich auf eine feste Grundgesamtheit (Population). Aus dem
Verha1ten zura11iger (Tei1-)Stichproben wird dann auf die ganze Grundgesamtheit zu
rUckgesch10ssen, wobei das Risiko einer Feh1entscheidung durch Vorgabe von Feh1er
wahrschein1ichkeiten kontro11ierbar ist und durch geeignete MaBnahmen der Versuchs
p1 anung reduziert werden kann ("konfi rmatori sche" oder "testende" Stati sti k, Infe
II
renzstatistik") .
Auch die Erstellung von Hypothesen, das oben erstgenannte Problem, fa11t in den Ta
tigkeitsbereich des Statistikers. Es ste11t sich ihm meist in der Art, daB - etwa
nach Ab1auf einer medizinischen Studie - umfangreiches. empirisches Datenmateria1
vor1iegt und "nach verschiedenen Gesichtspunkten" (u.U. retrospektiv) ausgewertet
werden soll. Der Statistiker so11 dann die Daten Ubersichtlich darstellen. wichtige
von unwichtigen Einf1uBgroBen trennen und Abhangigkeit zwischen den einzelnen Varia
b1en erkennen. Genere11 erwartet man. daB er a11e in den Daten vorhandenen, jedoch
unbekannten Zusammenhange, Strukturen und Besonderheiten aufspUrt. quantitativ be
schreibt und mathematisch-statistische Mode11e dafUr entwicke1t. Diese oft mit der
Arbeit eines Detektivs verg1ichene, mode11bi1dende Tatigkeit wird a1s explorative
statistik ("Datenana lyse") bezei chnet. Di e typi sch explorative Vorgehensweise be
schrankt sich nicht auf die Anwendung mathematischer Verfahren, sondern benutzt pa-