STATISTIK-FORUM.de

[janne]

Moin!

Bin zwar neu, habe aber schon eifrig das Forum durchstöbert. Leider ohne großen Erfolg.

Nun zu meinem Problem: Ich sitze gerade hier an meine Masterarbeit und habe etliche Effektstärken berechnet, um bissje mehr über die Zusammenhänge meiner Variablen sagen zu können.
Die Variablen erstrecken sich über alle(!) Skalenniveaus und deshalb habe ich auch schrecklich viele Effektstärken.

Im Netz steht, dass man die vereinheitlichen kann, indem man sie in ein "einheitliches Maß" umrechnet. Habe da etwas von Cohen's d gelesen.
Ich habe aber nirgends gelesen, wie genau ich meine Effektstärken (pearson, spearman, cramer, phi) jetzt umrechnen kann. Und macht das überhaupt Sinn?

Mein Ziel ist es, sagen zu können, wie groß der Zusammenhang jeweils zwischen den Variablen (A, B, C) und einer bestimmten Variable (F) ist und wo er eher groß und eher klein ist. Also das ich quasi in einem Balkendiagramm zeigen kann, zwischen A und F ist er soundso groß, zwischen B und F ist er soundso groß, zwischen C und F ist er soundso groß usw. und das nebeneinander darstellen.

Geht sowas irgendwie?

Grüße
janne

[PonderStibbons]

Ich sitze gerade hier an meine Masterarbeit und habe etliche Effektstärken berechnet, um bissje mehr über die Zusammenhänge meiner Variablen sagen zu können.

Nein, Du hast Effektstärkemaße innerhalb Deiner Stichprobendaten
berechnet. Effektstärken kann man für Populationen berechnen, nicht für
Stichproben, weil durch den Stichprobenfehler die "Effekte" (z.B.
Mittelwertunterschiede) kleiner oder größer sind als der "wahre"
Effekt. Da die Stichproben-Kennwerte Zufallseinflüssen unterliegen,
rechnet man ja gerade Signifikanztests.

Und macht das überhaupt Sinn?

Nicht, dass ich wüsste. Hat Dir das jemand
vorgegeben?

Mein Ziel ist es, sagen zu können, wie groß der Zusammenhang jeweils zwischen den Variablen (A, B, C) und einer bestimmten Variable (F) ist und wo er eher groß und eher klein ist.

Ist Deine Stichprobe derart groß, dass Du behaupten kannst,
Deine Stichproben-"Effektstärke" sei ein brauchbarer Schätzer
für den tatsächlichen Effekt? Normalerweise ist das nicht
der Fall, sodass solche Vergleiche (ohne direkten Test)
eher irreführend erscheinen. Mal davon ab, sind die
Prädiktoren ja auch noch vermutlich miteinander korreliert.

Just my 2pence

P.

[janne]

Danke für die Antwort.

Meine Stichprobe umfasst etwa 2.300 Fälle, die durch eine Zufallsstichprobe erfasst wurden.

Wie kann ich denn dann sonst gucken ob Effekte zwischen den Variablen vorhanden sind und wie stark sie sind? Bin gerade sehr verwirrt. Die meisten Texte die mir vorliegen sprechen stets von Zusammenhangsmaßen und schränken die Anwendbarkeit aber nicht ein.

[PonderStibbons]

Meine Stichprobe umfasst etwa 2.300 Fälle

Das bedeutet immerhin einen vergleichsweise nur kleinen
Standardfehler.

Wie kann ich denn dann sonst gucken ob Effekte zwischen den Variablen vorhanden sind

Signifikanztests.

und wie stark sie sind?

Du kannst per Singifikanztest feststellen, ob sie in der Population
vorhanden sind und in welcher Richtung.

Ob sich zwei Effektstärken voneinander unterscheiden, müsste
wiederum erst ein Signifikanztest zeigen. Solche Vergleiche
ergeben - zumindest meiner Erfahrung nach - sehr selten einen
Sinn und können eher irreführen.

Eine Liste mit Stichproben-Effektstärkemaßen habe ich auch noch
nie gesehen. Diese Angaben sind ja auch eher was für Leute, die
dann später damit Meta-Analysen machen. Ich kenne auch den
Kontext nicht und welchem Zweck das dienen soll. Im Zweifel würde
ich das grob kategorisieren nach Cohen und kleine, mittlere und größere
Stichproben-Effektstärken angeben, ohne das vorher noch
aufwändig zu vereinheitlichen.

Mit freundlichen Grüßen

P.

[janne]

Du kannst per Singifikanztest feststellen, ob sie in der Population
vorhanden sind und in welcher Richtung.

OK. Welcher Test wäre das denn? Bis eben habe ich Chi²-Tests gemacht und wenn die dann signifikant ausgefallen sind habe ich die Zusammenhangsmaße (entweder Pearson, Spearman, Cramer oder Phi) angegeben und nach Cohen interpretiert.

Ich kenne auch den
Kontext nicht und welchem Zweck das dienen soll.

Der Zweck ist die Beantwortung der vorgegebenen Frage, welchen Einfluss bestimmte Merkmale auf bestimmte Verhaltensweisen haben. Und da habe ich jetzt ein paar erhobene Merkmale (demographische Merkmale, bestimmte Einstellungen, Präferenzen) und bestimmte beobachtete Verhaltensweisen.

Im Zweifel würde
ich das grob kategorisieren nach Cohen und kleine, mittlere und größere
Stichproben-Effektstärken angeben, ohne das vorher noch
aufwändig zu vereinheitlichen.

Also doch bloß einfach die gemessenen Stichproben-Effektstärken interpretieren und auf eine Gegenüberstellung (Der Einfluss welcher Variable auf dieselbe abhängige Variable ist größer?) verzichten? Aber du sagtest doch, dass die Stichproben-Effektstärke so ungenau sind. Oder habe ich das nun alles durcheinander geworfen?

Ich versuche es alles nachzuvollziehen, aber ich glaube du bist mir da einen Schritt voraus

[PonderStibbons]

Der Zweck ist die Beantwortung der vorgegebenen Frage, welchen Einfluss bestimmte Merkmale auf bestimmte Verhaltensweisen haben.

Das beantwortet Dir der Signifikanztest (ob und in welcher Richtung).
Mutmaßungen über die tatsächliche Stärke des Zusammenhangs (also
ohne Verzerrug durch Stichprobenzufälle) sind nicht so einfach
anzustellen.

Also doch bloß einfach die gemessenen Stichproben-Effektstärken interpretieren und auf eine Gegenüberstellung (Der Einfluss welcher Variable auf dieselbe abhängige Variable ist größer?) verzichten?

Ohne formalen Test kann man das doch gar nicht belegen.
Den theoretischen oder praktischen Nutzen kann ich auch
nicht recht erkennen, allerdings ist es natürlich auch nicht
meine Studie.

Aber du sagtest doch, dass die Stichproben-Effektstärke so ungenau sind. Oder habe ich das nun alles durcheinander geworfen?

Bevor Du sowas machst wie mühselige Umrechnerei für
pseudo-exakte Vergleiche, dachte ich mir, dass die
Stichproben-"Effektstärken" in z.B. 3 Gruppen darzustellen
weniger Mühe macht. Gesehen habe ich beides noch nie.

Mit frendlichen Grüßen

P.

[janne]

OK.

das beantwortet Dir der Signifikanztest

Welcher Signifikanztest ist das denn? Wie kann ich den mit SPSS berechnen?
Ich habe doch jeweils schon einen Chi²-Unabhängigkeitstest gerechnet.

Bevor Du sowas machst wie mühselige Umrechnerei für
pseudo-exakte Vergleiche, dachte ich mir, dass die
Stichproben-"Effektstärken" in z.B. 3 Gruppen darzustellen
weniger Mühe macht. Gesehen habe ich beides noch nie.

In meinen Fach (Geographie) werden üblicherweise Kreuztabellen dargestellt und (sogar nur gelegentlich) Effektstärken angegeben.
Daher bin ich von deinen vielen Hinweisen schon irgendwie überrascht.

Ist es also statistisch nicht vertretbar, wenn ich die Effektstärkenmaße der bivariaten Zusammenhänge als Ergebnis aus der Stichprobe bezeichne und interpretiere und es dabei belasse?

[PonderStibbons]

In meinen Fach (Geographie) werden üblicherweise Kreuztabellen dargestellt und (sogar nur gelegentlich) Effektstärken angegeben.

Ohne dass üblicherweise Signifikanztests gerechnet werden?
Das hätte ich nicht erwartet. Die Standards scheinen recht
anders als die zu sein, bei denen ich mich ausreichend
auskenne.

Mit freundlichen Grüßen

P.

[janne]

Ohne dass üblicherweise Signifikanztests gerechnet werden?

Wird aus dem Grund bei SPSS bei der Berechnung von rho nicht auch das p ausgegeben?