ich möchte untersuchen, ob Menschen, die regelmäßig Spenden öfter das gleiche Spenden als Menschen die unregelmäßig spenden.
Ich habe eine Umfrage durchgeführt und das N = 393.
Ich habe 3 Variablen: 1. nominal dichotome Variable Spendenhäufigkeit (0=unregelmäßig, 1=regelmäßig), 2. ordinalskalierte Variable (Spendenhöhe jetzt) und 3. ordinalskalierte Variable (Spendenhöhe bisher)
Die AV ist die Spendenhöhe und nach Erstellen eines Balkendiagramms kann man sehen, dass die unteren Kategorien häufiger vorkommen als die restlichen.
Aus diesem Grund habe ich bei der Link Log-Log-Negativ verwendet.
Wenn ich nun die ordinale Regression rechne, muss ich doch, um zu sehen, ob Menschen die häufig spenden den gleichen Betrag in meiner Umfrage angeben, wie in vorherigen Spenden, eine Interaktionseffekt der beiden Variablen "Spendenhäufigkeit" und "bisherige Spenden" auf die abhängige Variable "jetzige Spenden" rechnen, richtig? Muss ich dann auch nur die Ergebnisse des Interaktionseffektes interpretieren?
Wenn ich die ordinale Regression dann durchgeführt habe, zeigt der Parallelitätstest der Linien ein signifikantes Ergebnis, was nicht gut ist, richtig? Ich habe in der Literatur gelesen, dass man dann andere Links ausprobieren sollte und schauen, ob der Test dann signifikant wird.
Ich habe dann die ordinale Regression mit dem komplementären Log-Log durchgeführt und es kamen sogar bessere Ergebnisse als bei der Log-Log negativ Methode und der Paralellitätstest für Linien ist auch bei p=1,00.
Wie kann es sein, dass der Link, der eigentlich für ein höheres Aufkommen der höheren Kategorien der abhängigen Variable so viel besser auf mein Modell passt? Oder habe ich es falsch verstanden und hätte dies meine erste Wahl sein sollen?
Ich freue mich auf eure Antworten
