STATISTIK-FORUM.de

[AliceS]

Hallo zusammen,

ganz grob ausgedrückt: ich möchte die Korrelationen zwischen meinen Einflussfaktoren (z.B. Vertrauen, Sicherheit) für das automatisierte Fahren und Werten die die Persönlichkeit betreffen (z.B. Offenheit, Alter,..) messen. Hierbei besteht noch kein Problem bei der Korrelationsmatrix. Stichprobe ist 40 Probanden.

Jetzt ist es so das ich die selben 40 Probanden zwei automatisierte Fahrzeugtypen (sagen wir A und B) in meiner Studie testen lassen habe und somit für jeden Einflussfaktor jeweils einen Wert für A und für B (also praktisch insgesamt 80 Werte). Da es sich um die selben Personen handelt habe ich natürlich für die Werte der Persönlichkeit nur je einen Wert (insgesamt 40 Werte).

Ich möchte gerne erst die Korrelationen erkennen und dann den Fahrzeugtyp als Moderate Variabel testen um zu erkennen, ob die Änderung am Fahrzeugtyp die Beziehung zwischen entsprechenden Einflussfaktoren und Persönlichkeitswerten verstärkt, verringert oder umdreht.

Ich hätte zwei Ansätze, weiß aber nicht welche statistisch korrekt sind:
1. Die Daten für Fahrzeugtypen untereinander aufschreiben mit einer ergänzenden nominalen Variabel (0 für A und 1 für B). Im Anschluss die Tabelle unterhalb erweitern, also praktisch die 40 Werte der Persönlichkeit nochmal doppelt aufschreiben damit diese auch 80 werte ergeben. Es wären die selben Probanden und daher die selben Persönlichkeitswerte nur einmal für A und einmal für B. Moderate Beziehungen im Anschluss berechnen.

2. Mittelwert bei Einflussfaktoren aus A und B bilden, damit diese insgesamt auch nur insgesamt 40 Werte enthalten. Moderate Beziehungen im Anschluss berechnen. Die Frage ist wie kann ich die moderate Variabel hier berechnen? Evtl. wie in Ansatz 1?

Gibt es eventuell einen anderen Ansatz?

Vielen Dank im Voraus.

[PonderStibbons]

Wie lauten denn konkret Thema und Fragestellung? Wie wurden dies " Einflussfaktoren (z.B. Vertrauen, Sicherheit)"
konkret gemessen und wie viele sind es? Wie wurden "Werte, die die Persönlichkeit betreffen (z.B. Offenheit, Alter,..)"
gemessen und wie viele solcher Variablen sind es? Dabei ist Alter ja nun keine Persönlichkeitseigenschaft, was für
Variablen sind denn außer Persönlichkeitseigenschaften sonst noch auszuwerten?

Meinst Du mit "testen" inferenzstatistischen Testungen oder reicht auch eine deskriptive Darstellung der Zusammenhänge
ohne solche Tests?

Welche Software steht Dir zur Verfügung und sind Dir lineare Regressionsanalysen und/oder Varianzanalysen vertraut?

Mit freundlichen Grüßen

PonderStibbons

[bele]

PonderStibbons war schneller, ich poste das hier jetzt trotzdem:

Sorry Alice,

aber manchmal muss ich zuerst sprachlich nachfragen, bevor ich anfangen kann, zu denken. Wenn Du "Moderate Variabel" schreibst, dann meinst Du wahrscheinlich eine Moderatorvariable? Eine "Moderate Beziehung" steht für eine Moderation? eine "nominale Variabel" ist eine nominale Variable? Bei letzterem bin ich mir ziemlich sicher.

Wenn ich mir das also richtig zusammenreime, dass es um eine Moderatoranalyse geht, also einen Interaktionsterm, dann muss ich Dir gleich sagen, n = 40 ist nicht viel dafür. "Based on some reasonable assumptions regarding main effects and interactions, you need 16 times the sample size to estimate an interaction than to estimate a main effect" nachzulesen in https://statmodeling.stat.columbia.edu/ ... 15/need16/

Insbesondere, wenn wir bei mehreren (auch 40? wahrscheinlich eher nicht?) Persönlichkeitsmerkmalen dann noch über multiples Testen sprechen müssen, ist das besonders nicht viel.

ich möchte die Korrelationen zwischen meinen Einflussfaktoren (z.B. Vertrauen, Sicherheit) für das automatisierte Fahren

Wieso sind das Einflussfaktoren? Ich nehme bisher an, dass Du Menschen mit stabilen Persönlichkeitseigenschaften in Fahrzeuge setzt und dass dann in Abhängigkeit von Fahrzeug und Persönlichkeit Gefühle wie Vertrauensgefühl und Sicherheitsgefühl gemessen werden. Ich kann mir nicht vorstellen, dass die Sicherheit einen Einfluss darauf hat, welche Persönlichkeit der Fahrer hat aber eben solche Zweifel machen es schwer, auf so einen Post zu antworten.

Ich hätte zwei Ansätze, weiß aber nicht welche statistisch korrekt sind:
[...] also praktisch die 40 Werte der Persönlichkeit nochmal doppelt aufschreiben damit diese auch 80 werte ergeben.

Das wäre eine valide Technik, wenn man davon ausgehen könnte, dass die beiden Messdurchgänge voneinander unabhängig sind. Je mehr wir davon ausgehen müssen, dass Vertrauen, Sicherheit und was auch immer die weiteren "Einflussfaktoren" (??) sind, nicht nur vom Fahrzeug sondern auch von der untersuchenden Person (und nicht nur von deren Persönlichkeitsfaktoren) abhängig sind, umso weniger valide wird diese Auswertung sein.

Mittelwert bei Einflussfaktoren aus A und B bilden, damit diese insgesamt auch nur insgesamt 40 Werte enthalten. Moderate Beziehungen im Anschluss berechnen.

Wie soll der Einfluss eines Moderators auf Werte berechnet werden, wenn diese Werte durch Mittelwertbildung vernichtet worden sind? Auch das wäre weiter erklärungsbedürftig.

Ich würde bisher sagen:
1. Bitte poste eine ausführlichere Beschreibung dessen, worum es Dir geht, was Du gemessen hast und warum Du Dinge als Einflussfaktor bezeichnest, Hinweise dazu unter nutzung-des-forums-f44/das-musste-mal-gepostet-werden-t6682.html
2. Denke darüber nach, ob Du aus der Idee einer komplexen/multiplen Moderatoranalyse mit nur n=2x40 noch herauskommen kannst.
3. Ich vermute, Du wirst am Ende eine hierarchisches Modell oder eine Messwiederholungsanalyse brauchen.

LG,
Bernhard

[AliceS]

Entschuldigung, ich meinte natürlich Moderatorvariable. Also praktisch wie M, die Beziehung zwischen abhängiger und unabhängiger Variabel verändert.

Meine Hypothesen setzten sich immer aus einem Einflussfaktor und einem Persönlichkeitsmerkmal zusammen (z.B. Higher levels of extraversion correlates positively with pragmatic quality at the communication interface between automated vehicles and pedestrian, wobei Extaversion ein Persönlichkeistmerkmal ist und pragmatische Qualität einer der Einflussfaktoren). Von diesen Hypothesen existieren 13 und erstellen ein Research Model, welches überprüft werden soll. Daher bietet sich die Korrelationsmatrix an. Ursprünglich sollte es nur das Konzept eines automatisierten Fahrzeuges geben, daher wäre die Korrelationsmatrix einfach gewesen. Jetzt wurde aber noch eine weitere Fragestellung ergänzt, wobei eine Sache an dem automatisierten Fahrzeug ergänzt wurde. Diese Ergänzung, also praktisch Fahrzeugtyp B, soll nun zusätzlich als Moderatorvariable dienen, um zu sehen ob sie die Beziehung zwischen z.B. Extraversion und Pragmatischer Qualität verstärkt, verringert, ändert. Somit wurde für ein Probanden nur einmal ein Wert für Extraversion erhoben, aber natürlich zwei für pragmatische Qualität (einer mit Fahrzeug A und einer mit Fahrzeug B).

Ja, Alter zählt nicht direkt zu den Persönlichkeitsmerkmalen, ich habe es nur zur Vereinfachung in dieser Frage dazugezählt, da das Alter eines der unabhängigen Variablen ist (und nur einmal gezählt wird). Alle Daten wurden durch standardisierte Fragebögen erhoben und wurden schlussendlich gemittelt. Daher hat jede Variabel genau einen Wert für die Korrelationsmatrix. Die Einflussfaktoren werden manchmal auch durch Zeitmessungen erhoben, aber auch da habe ich am Ende nur einen gemittelten Wert für A und einen für B. Also die 40 oder 80 Werte von denen ich ausgehe sind bereits die gemittelten Werte pro Person und das praktisch mal 40 für 40 Probanden bzw. 80 für 40 Probanden mit 2 Fahrzeugtypen.

Eine Korrelationsmatrix nach z.b. Pearson reicht aus für den Korrelationspart und dann natürlich noch die Untersuchung der signifikanten Beziehungen auf die Moderatorvariable mit PROCESS makro.

Ich verwende SPSS und kenne lineare Regressionsanalysen.
Ich bin mir nur sehr unsicher, ob die Datenanalyse über z.b. Ansatz 1 korrekt ist und die Beziehungen nicht beeinflusst, wenn es zum Schluss 80 Werte sind die korreliert werden, obwohl es ja nur 40 Probanden sind. Obwohl es natürlich trotzdem 80 Messungen sind.

Liebe Grüße,
AliceS

[AliceS]

Und noch als Ergänzung: Es geht nicht darum das der Nutzer der Fahrer ist, sondern der Fußgänger, der mit dem automatisierten Fahrzeug interagiert.

Zu den Mittelwerten: Um Missverständnisse vorzubeugen mit den Mittelwerten meine ich das ich z.B. Vertrauen über einen standardisierten Test im Zusammenhang mit einer VR Studie mit 10 Items gemessen habe und dieser Mittelwert ergibt Vertrauen. Selbiges für die meisten anderen Einflussfaktoren oder Persönlichkeitsmerkmale.

[PonderStibbons]

Doppelte Messungen von n=40 kann man nicht wie n=80 behandeln.

Je nach Niveau des Abnehmers kann man es sich einfach machen und die beiden Korrelationen extraversion : pragmatic quality
unter den Bedingungen A bzw. B miteinander vergleichen. Das wäre etwas so wie hier: https://www.psychometrica.de/correlation.html#dependent

Eine weitere Überlegung wäre eine Messwiederholungs-Varianzanalyse mit dem Messwiederholungsfaktor Fahrzeugtyp, der abhängigen
Variable pragmatic quality und extraversion als intervallskalierte, Prädiktor ("Kovariate" in SPSS-Sprech).
Die Wechselwirkung aus Messwiederholungsfaktor und Kovariate würde repräsentieren, ob ein etwaiger Unterschied zwischen
den Einschätzungen von A versus B assoziiert ist mit Ausmaß der Extraversion. Eine etwas andere Fragestellung, die vielleicht
mehr Sinn ergibt als "sind die Korrelationen unterschiedlich". Oder auch nicht.

Ansonsten evtl. eine Mehrebenenregression, d.h. hierarchisches Modell, wie von bele erwähnt.

Mit freundlichen Grüßen

PonderStibbons

[AliceS]

Je nach Niveau des Abnehmers kann man es sich einfach machen und die beiden Korrelationen extraversion : pragmatic quality
unter den Bedingungen A bzw. B miteinander vergleichen. Das wäre etwas so wie hier: https://www.psychometrica.de/correlation.html#dependent

Schon mal vielen Dank für die Antworten und Lösungsvorschläge.

Hierzu habe ich eine Frage: Meinst du mit Bedingungen vergleichen, dass ich mir einmal die Korrelationsmatrix unter Bedingung A ausgeben lassen und im Anschluss die unter Bedingung B und dann diese ohne einen Test vergleiche ? Oder existiert dazu ein weiterer Test, da dieser Ansatz sehr gut klingt.

Dieses Vorgehen hatte ich anfangs gemacht, um zu sehen ob es einen Unterschied gibt. Tatsache sind die Korrelationen etwas anders unter Betrachtung der Bedingungen A und B, deswegen hätte mich ein statistischer Test dazwischen interessiert.

[AliceS]

Eine weitere Überlegung wäre eine Messwiederholungs-Varianzanalyse mit dem Messwiederholungsfaktor Fahrzeugtyp, der abhängigen
Variable pragmatic quality und extraversion als intervallskalierte, Prädiktor ("Kovariate" in SPSS-Sprech).
Die Wechselwirkung aus Messwiederholungsfaktor und Kovariate würde repräsentieren, ob ein etwaiger Unterschied zwischen
den Einschätzungen von A versus B assoziiert ist mit Ausmaß der Extraversion. Eine etwas andere Fragestellung, die vielleicht
mehr Sinn ergibt als "sind die Korrelatinen unterschiedlich". Oder auch nicht.

Ansonsten evtl. eine Mehrebenenregression, d.h. hierarchisches Modell, wie von bele erwähnt.

Wären definitiv auch interessante Ansätze. Ich habe nur insgesamt sehr viele Beziehungen (ca. 30), die überprüft werden sollen und mein Fokus dieser Arbeit liegt definitiv auf den Korrelationen zwischen den Einflussfaktoren und Persönlichkeitsmerkmalen. Mit einer Korrelationsmatrix überprüfe ich meine Hypothesen und alle weiteren Beziehungen mit einem Test, bei der Messwiederholungs-Varianzanalyse mit dem Messwiederholungsfaktor Fahrzeugtyp müsste ich diese doch 30 mal durchführen, um meinen eigentlichen Hypothesen zu prüfen oder verstehe ich das falsch?

Vielleicht wäre es eine Möglichkeit, die Korrelationsmatrix zuerst nur mit Bedingung A oder einem gemeinsamen Mittelwert aus A und B durchzuführen, da dies eigentlich der normale Fall war und im Anschluss bei den signifikanten Beziehungen einen der oben genannten Tests durchzuführen nur falls ein signifikantes Ergebnis auftritt um dann den Einfluss zu betrachten?

[PonderStibbons]

Ich habe nur insgesamt sehr viele Beziehungen (ca. 30), die überprüft werden sollen

Nicht mehr nur 13?

Mit einer Korrelationsmatrix überprüfe ich meine Hypothesen und alle weiteren Beziehungen mit einem Test,

Mal interessehalber, mit welchem Test überprüfst Du im vorliegenden Fall alle 30 (13?) Korrelationen simultan?
Kanonische Korrelation?

bei der Messwiederholungs-Varianzanalyse mit dem Messwiederholungsfaktor Fahrzeugtyp müsste ich diese doch 30 mal durchführen, um meinen eigentlichen Hypothesen zu prüfen oder verstehe ich das falsch?

Worin bestünde dabei das Problem?

Vielleicht wäre es eine Möglichkeit, die Korrelationsmatrix zuerst nur mit Bedingung A oder einem gemeinsamen Mittelwert aus A und B durchzuführen, da dies eigentlich der normale Fall war und im Anschluss bei den signifikanten Beziehungen einen der oben genannten Tests durchzuführen nur falls ein signifikantes Ergebnis auftritt um dann den Einfluss zu betrachten?

Das ist aus mehreren Gründen kein sinnvoller Ansatz. Aber vielleicht besprichst Du das besser mit Deinem
Betreuer/Abnehmer, ob der das goutiert.

Mit freundlichen Grüßen

PonderStibbons