STATISTIK-FORUM.de

[brumm21]

Hallo zusammen,

vorneweg muss ich sagen, dass ich kein Statistikprofi bin, als Software verwende ich SPSS.

Ich möchte gerne in einer Stichprobe (N~150) den Zusammenhang von traumatischen Erfahrungen (unabhängige Variable) mit der Konzentration eines Stresshormons (abhängige Variable) untersuchen.

Die Traumata wurden mittels acht selbständig erstellten Items in einem Fragebogen dichotom erfragt:
1. Körperliche Gewalt (ja/nein)
2. Sexuelle Gewalt (ja/nein)
....
8. Lebensgefahr (ja/nein)

Für die Stresshormonkonzentration untersuche ich u.a. den Mittelwert von drei Zeitpunkten, zu denen die Hormonkonzentration bestimmt wurde. Ich sehe diese als verhältnisskaliert an.

Am Ende strebe ich an, dass die Traumata als unabhängige Variablen und die Hormonkonzentration als abhängige Variablen z.B. in einem Regressionsmodell zu untersuchen.

Da ich jedoch nicht alle Traumata einzeln ins Modell aufnehmen möchte und diese z.T. auch stark untereinander korreliert sind, möchte ich die Traumata "zusammenfassen", auf weniger Variablen reduzieren. Zunächst dachte ich hierbei an eine Art Hauptkomponentenanalyse. Da es sich jedoch um dichotome und nicht um stetige Daten handelt, wurde mir von einem Kollegen gesagt, ich müsste stattdessen in SPSS mit Dimensionsreduktion -> Optimale Skalierung arbeiten, mehr konnte er mir jedoch auch nicht weiterhelfen. Ich kenne mich mit diesen Methoden nicht wirklich aus und komme auch durch Recherchen dazu nicht weiter.
Welches ist nun das richtige Verfahren: Mehrfachkorrespondenzanalyse oder kategoriale Hauptkomponenten?
Und was sind dann die Werte, welche ich dann für das Regressionsmodell nutzen kann? Die Objektscores?
Ich habe die Interpretation dieser Modelle bisher wohl auch nicht richtig verstanden. Falls ein ganz anderer Ansatz besser wäre, bin ich auch hier für Ratschläge sehr dankbar.

Danke schon jetzt für Hilfe.

Beste Grüße!

[bele]

Hallo Brumm,

ich verstehe gerade die Grundannahme Deiner Trauma-Zusammenfassung nicht. Du willst zeigen, dass bei viel Trauma auch viel Stresshormon ausgeschüttet wurde. Richtig?

Betrachten wir zwei hypothetische Menschen. der eine Mensch ist beinahe ertrunken, seine Nahtoderfahrung ist "nur" als Lebensgefahr qualifiziert. Dem andere Mensch wurde bei einer Beinahe-Vergewaltigung eine Tötung angedroht. Dieser zweite Mensch hat also sexuelle Gewalt, körperliche Gewalt, psychische Gewalt und (subjektive) Lebensgefahr erlitten. Der eine hat auf Deiner Skala nur einen Zähler, der andere mindestens vier. Können wir dann wirklich sagen, dass der erste Mensch weniger traumatisiert wurde, seine Nahtoderfahrung weniger Stresshormone verursachen sollte als der zweite, der sexuell- körperlich-psychisch bedroht wurde?? Ist Traumatisierung dann "viel", wenn sie in viele verschiedene Kategorien passt?

Eine Hauptkomponentenanalyse ist nicht für dichotome Variablen gemacht (oder doch? siehe Fußnote Nummer 1 in https://link.springer.com/referencework ... 31-1#notes ) aber es gibt bestimmt Verfahren, sie daran anzupassen (klickmich). Die angepasste PCA würde Dir dann sagen, welche Arten von Gewalt in Deiner Liste häufig mit welchen anderen gemeinsam angekreuzt wird, welche also wie sehr zusammengehören. Aber was hilft das bezüglich Deiner Fragestellung?

JMTC,
Bernhard

PS: Du hast bestimmt schon in der Forumssuche diesen Thread gefunden? faktorenanalyse-f13/dimensionsreduktion-bei-dichotomen-variablen-t9105.html

Mehrere interessant Antworten gibt es aber auch in anderen Foren zu finden: https://stats.stackexchange.com/questio ... data-types

Persönlich habe ich keine Ahnung von SPSS, aber das hier sieht sehr interessant aus: https://www.uni-trier.de/fileadmin/urt/ ... omogen.pdf Auf Seite 41 wird ein Beispiel mit dichotomen Variablen vorgerechnet.

[PonderStibbons]

Da ich jedoch nicht alle Traumata einzeln ins Modell aufnehmen möchte

Was spricht dagegen?

und diese z.T. auch stark untereinander korreliert sind,

Das macht dem Gesamtmodell ja nichts.

möchte ich die Traumata "zusammenfassen", auf weniger Variablen reduzieren.

Die Begründung ist inhaltlich und methodisch momentan doch sehr diffus. Was sollen
quasi-Hauptkomponenten leisten, das 8 dichotome Prädiktoren im Regressionsmodell bzw.
eine einfache Zählvariable (0 bis 9 erfahrene Traumatisierungen) nicht zu leisten vermögen?

Zumal sich dann noch das Problem stellt, dass die Datenaggregation durch
Korrespondenzanalyse und die Verwendung der Ergebnisse an ein- und demselben
Datensatz erfolgegen, da müsste man über mögliches Overfitting-Risiko nachdenken.

Mit freundlichen Grüßen

Pnderstibbons

[bele]

Lieber PonderStibbons,

Zumal sich dann noch das Problem stellt, dass die Datenaggregation durch
Korrespondenzanalyse und die Verwendung der Ergebnisse an ein- und demselben
Datensatz erfolgegen, da müsste man über mögliches Overfitting-Risiko nachdenken.

Ist das tatsächlich ein Problem? Im Kontext der Fragebogenerstellung habe ich das auch so gelernt, dass die jeweiligen Gewichte nicht ausreichend verallgemeinerbar sind und nur für die Strichprobe gelten. Im Kontext der Regressionsrechnung mit zu stark korrelierenden Prädiktoren habe ich das allerdings genauso gelesen, wie Brumm es hier anwendet. Ich habe es so verstanden: Da die Hauptkomponentenanalyse ohne Kenntnis der abhängigen Variablen abläuft kann sie auch nicht systematisch den Zusammenhang mit der abhängigen Variablen verstärken. Da bei der Hauptkomponentenanalyse keine Signifikanztestung erfolgt, verbraucht sie auch kein Alpha.

Viele Grüße,
Bernhard

[PonderStibbons]

Ja, Du hast recht, da bin ich bei dem Gedanken, dass die Verwendung der Hauptkomponenten als
Prädiktoren einiges an Varianz in den Prädiktoren weglassen kann, falsch abgebogen.

Mit freundlichen Grüßen

PonderStibbons