STATISTIK-FORUM.de

[viorange]

Wir untersuchen im Rahmen eines Forschungspraktikums den Zusammenhang zwischen Ängstlichkeit und Gewissenhaftigkeit.

Dazu sehen wir uns folgende Tests an: Zum einen das BSI, der die Skala Ängstlichkeit enthält um zu sehen, ob erhöhte Ängstlichkeit vorliegt.
Und zum anderen den NEO-FFI um uns die Gewissenhaftigkeit anzuschauen (4 weitere Faktoren werden in diesem Test erhoben).

Welche Gruppen sollen wir am besten miteinander vergleichen??
Nur diejenigen, die einen auffälligen Wert bei Ängstlichkeit aufweisen, oder sollen wir alle Skalen miteinander vergleichen?
Ist eine Produkt-Moment-Korrelation überhaupt angebracht?

Hab irgendwie eine Denkblockade und wäre sehr dankbar für einen Denkanstoß!!

[PonderStibbons]

Welche Gruppen sollen wir am besten miteinander vergleichen??

Wieso Gruppen? Wenn Ihr untersuchen wollt, wie Größe und Gewicht miteinander zusammenhängen, dann korreliert
Ihr in geeigneter Weise Größe mit Gewicht bzw. berechnet eine Regression. Warum sollte es bei Euren Variablen anders sein?

Mit freundlichen Grüßen

P.

[viorange]

Danke für die rasche Antwort!

Mir ist nur noch jenes unklar: Welche der beiden Variablen ist jetzt die unabhängige und welche die abhängige Variable?
Theoretisch könnte ja geringe Gewissenhaftigkeit zu Ängstlichkeit führen, und andererseits Ängstlichkeit zu geringer Gewissenhaftigkeit (jedenfalls sind das 2 Erklärungsansätze für diese Theorie).

Und wenn ich es richtig verstanden habe, muss der Zusammenhang nicht unbedingt linear sein?! Dieser wird jedoch mit der Regression angenommen, oder?

Vielen Dank!!

[PonderStibbons]

Kausalität nachzuweisen ist keine Aufgabe der verwendeten statistischen Analysmethode,
sondern des Forschungsdesigns. Bei reinen Beobachtungsstudien ist es nicht möglich zu
belegen, ob ein A ein B beeinflusst oder ob ein B ein A beeinflusst oder ob A und B gleichzeitig
von einer dritten Größe C beeinflusst werden. Wirkungsrichtungen nachzuweisen ist dagegen die
Stärke von experimentellen Studien.

Nichtlineare Beziehungen kann man in einer Regression berücksichtigen, indem man
z.B. den Prädiktor quadriert und ebenfalls in die Gleichung aufnimmt. Eine möglicherweise
U-förmige Beziehung lässt sich also modellieren durch y = b1*x + b2*x² . Wenn man's
sich noch komplexer vorstellt, kann man auch noch x hoch 3 dazunehmen.

Mit freundlichen Grüßen

P.

[viorange]

Danke für deine Hilfe, schön langsam lichtet sich mein Gehirn-Wirrwarr

Nur heißt das, ich nehme willkürlich an, welche der beiden Variablen die unabhängige ist? Bzw. spielt es überhaupt eine Rolle, wenn man sowieso "nur" einen Zusammenhang feststellen möchte? Wozu dann in diesem Fall die Bezeichnung (un)abhängig?

Und "darf" ich einen linearen Zusammenhang annehmen? Einen U-förmigen Zusammenhang würde ich nämlich aufgrund von vorherigen Studien ausschließen und nehme eine Korrelation dahingehend an, dass mit Ängstlichkeit eine geringere Gewissenhaftigkeit einhergeht.

[bele]

Für die Korrelationsrechnung ist das egal. Wenn Du einen linearen Zusammenhang annehmen willst, nimm die Pearson-Korrelation, wenn Du nur einen stetigen Zusammenhang nehmen willst nimm Spearman. Für beide ist es egal, in welcher Reihenfolge Du die Werte einsetzt.

Mehr Information erhälst Du in einer Regressionsrechnung wie von PonderStibbons vorgeschlagen. Da, und nur da, müsstest Du Dich für die Rechnung für eine abhängige und eine unabhängige Variable entscheiden.

Gruß,
Bernhard

[viorange]

vielen dank für eure antworten!

ich hab jetzt beschlossen, eine einfache lineare regressionsanalyse zu rechnen mit ängstlichkeit als unabhängige variable und gewissenhaftigkeit als abhängige variable.

kann ich beim auswerten diese beiden variablen auch austauschen, um zu sehen, ob es unterschiede gibt? bzw. müsste das selbe herauskommen, oder?

und eine letzte frage: wieso hat die regression eine höhere aussagekraft als speaman oder pearson?

danke danke danke!!

[PonderStibbons]

Wer hat behauptet, dass eine einfache Regression eine höhere Aussagekraft hätte als Pearson?
Der standardisierte Regressionskoeffizient aus der einfachen Regression ist exakt das "r" aus der
Korrelation. Für weitere Fragen zur einfachen Regression vielleicht ein Lehrbuch konsultieren.
Für Spearman ist der Unterschied zu Pearson bzw. zu einfacher Regression wohl schnell recherchierbar.
Ein Stichwort hat bereits bele genannt.

Mit freundlichen Grüßen

P.

[viorange]

Mit der höheren Aussagekraft der Regressionsanalyse bezog ich mich auf die Aussage von Bernhard - er meinte ja, dass man aus der Regressionsanalyse mehr Information erhält?! Mich hätte interessiert, was genau man hier mehr erfährt als bei den anderen genannten Verfahren.

[bele]

Du erhälst als zusätzliche Information z. B. nicht nur, ob die Punkte auf einer Geraden liegen, sondern auch welche Steigung und welchen y-Achsenabschnitt die am besten passende Gerade hat. Du kannst durch das Einsetzen von quadratischen und kubischen Termen auch U-Förmige oder anders "gebogene" Zusammenhänge finden und quantifizieren und diese Terme auf Signifikanz prüfen.

Zur Frage ob ein linearer Zusammenhang besteht also keine zusätzliche Aussagekraft, aber zusätzliche Antworten auf andere Fragen, falls Du diese anderen Antworten überhaupt haben willst.

kann ich beim auswerten diese beiden variablen auch austauschen, um zu sehen, ob es unterschiede gibt? bzw. müsste das selbe herauskommen, oder?

Nun, es wird mit Sicherheit eine andere Steigung und ein anderer y-Achsenabschnitt herauskommen...

Gruß,
Bernhard