STATISTIK-FORUM.de

[psystudent]

Hallo zusammen,

ich stecke gerade in der Auswertung meiner Bachelorarbeit und stehe jedoch jetzt vor Problemen für die ich in der Literatur / Internetforen keine Lösung gefunden habe. Ich möchte für eine meiner Hypothesen eine Korrelation berechnen (Variable 1 und Variable 2 hängen negativ mit den Werten in Variable 3 zusammen).

Die Variablen haben jedoch unterschiedliche Skalenniveaus. Variable 1 ist ordinalskaliert und Variable 2 und 3 metrisch.
Für Variable 1 habe ich bereits eine Dummy Kodierung in R erstellt, da ich diese auch für eine spätere Regressionsanalyse (für eine andere Hypothese) benötige.

Meine Fragen:
-> Welche Korrelation darf ich bei gemischten ordinalskalierten / metrischen Variablen berechnen? Laut Internetrecherchen müsste ich mich an dem niedrigsten Skalenniveau orientieren, d.h. der Ordinalskala, und somit eine Spearman Korrelation berechnen? Ist das so richtig? Allerdings habe ich die ordinalskalierte Variable ja Dummy kodiert, heißt das nicht, dass ich sie wie eine metrische behandeln kann?
-> Und mit welchem Vorgehen erhalte ich dann auch die Korrelationen für die einzelnen Dummys der ordinalskalierten Variable?

-> Ist es bei drei Variablen - und insbesondere mit den unterschiedlichen Skalenniveaus - vielleicht doch sinnvoller auch hier eine multiple Regression zu rechnen um die Korrelationen für die Variablen zu erhalten?

Für Antworten und Hilfe eurerseits wäre ich sehr dankbar!

Liebe Grüße!

[bele]

Hallo !

Für Variable 1 habe ich bereits eine Dummy Kodierung in R erstellt, da ich diese auch für eine spätere Regressionsanalyse (für eine andere Hypothese) benötige.

In aller Regel ist das überflüssig, weil die Regressionsfunktionen von R automatisch Dummyvariablen erstellen, sobald man Ihnen eine ordinalskalierte oder nominalskalierte Variable übergibt (als im R-Sprech ein ordered oder einen factor).

Laut Internetrecherchen müsste ich mich an dem niedrigsten Skalenniveau orientieren, d.h. der Ordinalskala, und somit eine Spearman Korrelation berechnen? Ist das so richtig?

Spearman oder Kendalls tau. Richtig.

Allerdings habe ich die ordinalskalierte Variable ja Dummy kodiert, heißt das nicht, dass ich sie wie eine metrische behandeln kann?

Das verstehe ich nicht. Bei metrischen Variablen kann mal Plus und Minus rechnen, ggf. auch Mal und Geteilt. Welchen Sinn sollte das bei einer Dummyvariablen haben?

Und mit welchem Vorgehen erhalte ich dann auch die Korrelationen für die einzelnen Dummys der ordinalskalierten Variable?

Hast Du schon mal gesehen, dass jemand Korrelationen für die einzelnen Dummies errechnet? Du kannst ganz einfach Deine

Für Antworten und Hilfe eurerseits wäre ich sehr dankbar!

Hilfe: Die Funktion cor.test kann mir ordinalskalierten Variablen nicht umgehen. Man muss sie vorher in ein numeric umwandeln, damit die Funktion sie akzeptiert. Sei außerdem darauf gefasst, dass cor.test nahezu unvermeidlich warnen wird, dass es bei Bindungen nur approximative p-Werte berechnen kann.

LG,
Bernhard

[PonderStibbons]

-> Ist es bei drei Variablen - und insbesondere mit den unterschiedlichen Skalenniveaus - vielleicht doch sinnvoller auch hier eine multiple Regression zu rechnen um die Korrelationen für die Variablen zu erhalten?

Für Antworten und Hilfe eurerseits wäre ich sehr dankbar!

Die wichtigste Angabe (Stichprobengröße) fehlt, deswegen ist insgesamt schlecht Rat zu geben.

Mit freundlichen Grüßen

PonderStibbons

[psystudent]

-> Ist es bei drei Variablen - und insbesondere mit den unterschiedlichen Skalenniveaus - vielleicht doch sinnvoller auch hier eine multiple Regression zu rechnen um die Korrelationen für die Variablen zu erhalten?

Für Antworten und Hilfe eurerseits wäre ich sehr dankbar!

Die wichtigste Angabe (Stichprobengröße) fehlt, deswegen ist insgesamt schlecht Rat zu geben.

Mit freundlichen Grüßen

PonderStibbons

Erstmal vielen Dank für die Rückmeldung von Euch beiden!

Die Stichprobengröße beläuft sich auf 78 Versuchspersonen!


Viele Grüße!

[psystudent]

Allerdings habe ich die ordinalskalierte Variable ja Dummy kodiert, heißt das nicht, dass ich sie wie eine metrische behandeln kann?

Das verstehe ich nicht. Bei metrischen Variablen kann mal Plus und Minus rechnen, ggf. auch Mal und Geteilt. Welchen Sinn sollte das bei einer Dummyvariablen haben?

Da habe ich mich glaube schlecht ausgedrückt, ich meinte, ob ich dann mit den Dummyvariablen so rechnen kann, als wären sie metrisch? Da ich mit diesen ja dann auch eine Regression rechnen kann, trotz ursprünglich nicht-metrischem Skalenniveau. Dahingehend war meine Überlegung, ob man auch eine Pearson Produkt-Moment-Korrelation berechnen kann. Aber deiner übrigen Antwort entnehme ich, dass das keine gute Idee wäre bzw. nicht möglich ist

[bele]

Dummyvariablen sind entweder 0 oder 1. Damit kannst Du Punkt-biseriale Korrelationen rechnen, wenn das inhaltlich Sinn machen sollte. Wenn Variable 1 fünf verschiedene Zustände annehmen kann, dann werden das vier Punkt-biseriale Korrelationen mit Variable 2 und ebensoviele mit Variable 3. Wenn Du das in Deinem Kontext inhaltlich sinnvoll interpretieren und diskutieren kannst, lass Dich von mir nicht bremsen.
https://de.wikipedia.org/wiki/Punktbise ... orrelation

LG,
Bernhard

[psystudent]

Vielen Dank für die Rückmeldung!
Die Punkt-biseriale Korrelation ist noch eine gute Idee, müsste ich dann jede Dummy-Variable als separate Variable ab"speichern"? (Bislang sind die Dummies ja meiner Variable 1 als Values in R zugeordnet).

Jedoch erscheint mir die multiple Regression am einfachsten um mit den unterschiedlichen Skalenniveaus umzugehen. Ist es denn bei dieser relativ kleinen Stichprobe von 78 Versuchspersonen sinnvoll? Ich habe an anderer Stelle im Forum gelesen, dass bei einer einfachen Regression die Steigung der Regressionsgeraden (standardisierter Koeffizient) gleich dem Korrelationskoeffizienten ist, trifft dies dann auch auf die multiple Regression zu?

Lieben Dank im Voraus!

Liebe Grüße!

[bele]

(Bislang sind die Dummies ja meiner Variable 1 als Values in R zugeordnet).

Ich habe ehrlich keine Ahnung, was das heißen soll!

[psystudent]

(Bislang sind die Dummies ja meiner Variable 1 als Values in R zugeordnet).

Ich habe ehrlich keine Ahnung, was das heißen soll!

Ich dachte, dass bei der Erstellung der Dummies in R diese nicht direkt als neue Variable in meinem Datenframe auftauchen (jedenfalls sehe ich sie dort nicht als neue Variable), sondern als Werte der Variable zugeordnet werden. Bei der Punkt-Biseralen Korrelation werden die Dummies daher aber leider nicht erkannt, wenn ich die Korrelation mit der Variable rechne, sondern es kommt nur die Fehlermeldung, dass die Variable nicht dichotom ist. Aber vielleicht ist das dann auch eher eine Frage für das R-Forum .

Kann mir vielleicht noch jemand bezüglich dieser Frage weiterhelfen?:

Jedoch erscheint mir die multiple Regression am einfachsten um mit den unterschiedlichen Skalenniveaus umzugehen. Ist es denn bei dieser relativ kleinen Stichprobe von 78 Versuchspersonen sinnvoll? Ich habe an anderer Stelle im Forum gelesen, dass bei einer einfachen Regression die Steigung der Regressionsgeraden (standardisierter Koeffizient) gleich dem Korrelationskoeffizienten ist, trifft dies dann auch auf die multiple Regression zu?

Vielen Dank!

[bele]

Wenn eine Variable nicht dichotom ist, dann ist es auch keine Dummyvariable. Ich habe zunehmend den Verdacht, dass Du factor-Variablen als Dunmyvariable bezeichnest. In dem Fall kannst Du alles dazu von mir gesagt vergessen.
Bezüglich der letzten Frage: Hast Du es mal ausprobiert?

LG,Bernhard