Welches Auswertungsverfahren passt am besten?

Fragen, die sich auf kein spezielles Verfahren beziehen.

Welches Auswertungsverfahren passt am besten?

Beitragvon Archie » Sa 29. Sep 2018, 16:51

Liebe Community,

ich wende mich als Laie an euch in der Hoffnung, dass ihr mir bei meinem Anliegen weiterhelfen könnt. Konkret geht es um die Frage:

„Welche Auswertungsmethoden eignen sich am besten für meinen Datensatz?“

Dafür gehe ich kurz auf meinen Untersuchungsgegenstand ein:
Ich führe zurzeit eine empirische Untersuchung im Rahmen meines Masters durch, welche aus insgesamt 6 Umfragen besteht. Die Untersuchung soll dazu dienen nachzuweisen, dass der Name und/oder die Haarfarbe einer Person, die Wahrnehmung ebendieser Person beeinflusst.
In den Umfragen werden den Probanden Bilder von Personen angezeigt. Die Person hat entweder blondes oder brünettes Haar. Zudem wird sie entweder mit dem Namen Chantal oder mit dem Namen Anke oder mit garkeinem Namen in der Umfrage vorgestellt. So ergeben sich auch die 6 verschiedenen Umfragekombinationen (Kombination 1: Chantal, Blond; Kombination 2: Chantal, Brünett usw.). Die konkreten Hypothesen habe ich dazu noch nicht formuliert (ich weiß, nicht gerade „state of the art“), weil ich es ein Stück weit von den Auswertungsmöglichkeiten abhängig machen möchte.

Pro Umfrage-Kombination strebe ich ca. 30-50 Probanden an.

In den Umfragen werden die Probanden aufgefordert Stellung zur Person zu nehmen. Dazu bekommen sie verschiedene Persönlichkeitseigenschaften angezeigt und müssen auf einer 7-stufigen-Skala angeben, wie sehr die jeweilige Eigenschaft ihrer Meinung nach zutrifft (1=trifft voll nicht zu; 7=trifft absolut zu). Nach meinem Verständnis dürfte es sich hier um ordinal-skalierte Items handeln (ich trau mich schon fast nicht es hier im Forum zu schreiben, aber ich denke es fällt unter dem Begriff „Likert-Skala“ :? ).

Abschließend müssen die Probanden noch angeben, welches Hobby die Person ihrer Meinung nach hat. Hierzu bekommen sie verschiedene Vorschläge zur Auswahl und müssen sich für eins entscheiden. Somit wären diese nominal-skalierte Items, wenn ich mich nicht irre.

Alle Items selbst sind in allen sechs Umfrage-Kombinationen identisch.

Nun zur Auswertung:
Um bspw. nachzuweisen, dass sich der Name auf die Wahrnehmung auswirkt, habe ich überlegt die Mittelwerte von z.B. Chantal-Blond bezüglich „Eigenschaft A“ mit den Mittelwerten von Anke-Blond bezüglich „Eigenschaft A“ gegenüberzustellen. Dafür hatte ich überlegt den Einstichproben-t-Test zu verwenden.
So wie ich es verstanden habe, könnte ich damit nachweisen, dass es ggf. signifikante Unterschiede in der Wahrnehmung gibt. Ist es richtig?
Ein Problem wäre hier für mich, dass ich insgesamt über 10 verschiedene Eigenschaften in jeder Umfrage abfrage. Damit wären es viele Auswertungen, die ich vornehmen müsste = sehr hoher Aufwand.
Gibt es eine Auswertungsmethode, bei der ich das gleiche nachweisen kann, ohne jede Eigenschaft einzeln betrachten zu müssen? Quasi in einer Tabelle?
Ich möchte nämlich ungerne alle Eigenschaften zu „einem“ Mittelwert zusammenrechnen, da es doch auch deutliche Unterschiede in Abhängigkeit der jeweiligen Eigenschaft gibt.

Bezüglich des nominal-skalierten Items „Hobby“ hatte ich überlegt einen Chi-Quadrat-Test durchzuführen. Macht das Sinn?
Auch hier stellt sich für mich die Frage, ob ich die Zusammenhänge der Umfrage-Kombinationen einzeln ermitteln muss oder ob alle auf einmal berechenbar sind.

Leider habe ich keine Erfahrung mit den jeweiligen Statstik-Softwares, sodass ich mich hier mit geschlossenen Augen im Dunkeln bewege…

Bitte lasst es mich wissen, falls ich einige erforderliche Angaben vergessen habe.

Ich hoffe auf eure Unterstützung und dafür schon mal danke!

LG
Archie
Archie
Grünschnabel
Grünschnabel
 
Beiträge: 4
Registriert: Sa 29. Sep 2018, 16:11
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon bele » So 30. Sep 2018, 21:36

Hallo Archie,

willkommen im Forum.

Archie hat geschrieben:So ergeben sich auch die 6 verschiedenen Umfragekombinationen (Kombination 1: Chantal, Blond; Kombination 2: Chantal, Brünett usw.).


Dann böte es sich an, das in einem linearen Modell auszuwerten, in das Name und Haarfarbe als unabhängige Variablen eingehen, also eine multiple Regression, und das jeweilige Ergebnis als abhängige Variable.

Dazu bekommen sie verschiedene Persönlichkeitseigenschaften angezeigt und müssen auf einer 7-stufigen-Skala angeben, wie sehr die jeweilige Eigenschaft ihrer Meinung nach zutrifft (1=trifft voll nicht zu; 7=trifft absolut zu). Nach meinem Verständnis dürfte es sich hier um ordinal-skalierte Items handeln (ich trau mich schon fast nicht es hier im Forum zu schreiben, aber ich denke es fällt unter dem Begriff „Likert-Skala“ :? ).


Weiter unten schreibst Du, dass Du nicht einen Mittelwert verschiedener Persönlichkeitseigenschaften bilden, sondern jede für sich betrachten möchtest. Dann ist es in dem hier im Forum dominanten Sprachgebrach keine Likert Skala, aber Du hast Recht, eine Reihe von ordinalen abhängigen Variablen. Damit wird aus dem oben vorgeschlagenen linearen Modell eine ordinale logistische Regression.

Abschließend müssen die Probanden noch angeben, welches Hobby die Person ihrer Meinung nach hat. Hierzu bekommen sie verschiedene Vorschläge zur Auswahl und müssen sich für eins entscheiden. Somit wären diese nominal-skalierte Items, wenn ich mich nicht irre.


Das Hobby ist _ein_ nominal skaliertes Item.

habe ich überlegt die Mittelwerte von z.B. Chantal-Blond bezüglich „Eigenschaft A“ mit den Mittelwerten von Anke-Blond bezüglich „Eigenschaft A“ gegenüberzustellen.


Das kannst Du einander gegenüberstellen, dann gehen in diese Auswertung aber überhaupt keine Informationen darüber ein, wie sich Chantal und Anke im Brünett-Vergleich ausgewirkt haben. Wenn das wirklich Deine Fragestellung ist, dann ist dieser Paarvergleich richtig. Meistens will man aber auch die anderen Informationen haben, dann eher als lineares Modell wie oben vorgeschlagen als logistische Regression.

Dafür hatte ich überlegt den Einstichproben-t-Test zu verwenden.


Ein t-Test ist weder für ordinale noch für nominale Zielgrößen angebracht.

Ein Problem wäre hier für mich, dass ich insgesamt über 10 verschiedene Eigenschaften in jeder Umfrage abfrage. Damit wären es viele Auswertungen, die ich vornehmen müsste = sehr hoher Aufwand.


Der Aufwand in der Durchführung ist ohne weiteres machbar. Dein Problem dürfte eher "Alphafehler-Kummulierung" heißen. Danach solltest Du googlen (und auch nach "Bonferroni") wenn Dir das nicht sehr vertraut sein sollte.


Gibt es eine Auswertungsmethode, bei der ich das gleiche nachweisen kann, ohne jede Eigenschaft einzeln betrachten zu müssen? Quasi in einer Tabelle?


Schwer zu sagen. Die Namen und die Haarfarbe sind ja ziemlich sicher nur ein vorgeschobenes Parallelproblem...

Ich möchte nämlich ungerne alle Eigenschaften zu „einem“ Mittelwert zusammenrechnen, da es doch auch deutliche Unterschiede in Abhängigkeit der jeweiligen Eigenschaft gibt.


Darumm ist es keine Likert Skala sondern eine Reihe von ordinalen Items.

Bezüglich des nominal-skalierten Items „Hobby“ hatte ich überlegt einen Chi-Quadrat-Test durchzuführen. Macht das Sinn?
Auch hier stellt sich für mich die Frage, ob ich die Zusammenhänge der Umfrage-Kombinationen einzeln ermitteln muss oder ob alle auf einmal berechenbar sind.


Hier muss wieder die Grundentscheidung gefällt werden, ob alle Beobachtungen in ein gemeinsames Modell kommen, damit alle Informationen einfließen, oder ob Teilmengen mit gleichen Namen und unterschiedlichen Haarfarben verglichen werden sollen.

Leider habe ich keine Erfahrung mit den jeweiligen Statstik-Softwares, sodass ich mich hier mit geschlossenen Augen im Dunkeln bewege…


Naja, das ist für die bisher gestellten Fragen nachrangig. Wenn Du aber sehr viele sehr ähnliche Tests durchführen willst, dann geht das in einer kommandobasierten Statistiksoftware natürlich einfacher, als wenn Du jedes Mal die gleichen Mausklicks machen willst. Andererseits wirst Du Dich in einer von Mausklicks dominierten Umgebung vielleicht schneller zurecht finden, wenn Du mit allen Programmen bislang nicht vertraut bist. Du wirst Dich, so oder so, mit dem Thema befassen müssen.

HTH,
Bernhard
----
`Oh, you can't help that,' said the Cat: `we're all mad here. I'm mad. You're mad.'
`How do you know I'm mad?' said Alice.
`You must be,' said the Cat, `or you wouldn't have come here.'
(Lewis Carol, Alice in Wonderland)
bele
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 5748
Registriert: Do 2. Jun 2011, 23:16
Danke gegeben: 15
Danke bekommen: 1343 mal in 1330 Posts

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon bele » So 30. Sep 2018, 21:39

Ach ja, zum Thema erdachte Parallelprobleme lies bitte meine Ratschläge unter 8. in nutzung-des-forums-f44/das-musste-mal-gepostet-werden-t6682.html#p31013
Danke, Bernhard
----
`Oh, you can't help that,' said the Cat: `we're all mad here. I'm mad. You're mad.'
`How do you know I'm mad?' said Alice.
`You must be,' said the Cat, `or you wouldn't have come here.'
(Lewis Carol, Alice in Wonderland)
bele
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 5748
Registriert: Do 2. Jun 2011, 23:16
Danke gegeben: 15
Danke bekommen: 1343 mal in 1330 Posts

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon Archie » Mo 1. Okt 2018, 16:58

Hallo Bernhard,

erstmal Danke für die ausführliche Antwort! Es hat schon sehr geholfen. U. a. konnte ich daurch auch meine Gedanken etwas mehr ordnen.
Um deine Ansätze verstehen zu können, habe ich mir bis gerade eben einen weiteren Statistik-Input im Netz eingeholt. Damit konnte ich viele deiner Anmerkungen auch nachvollziehen. Allerdings haben sich dadurch (zu den noch offenen) auch weitere Fragen ergeben... das liegt daran, dass ich (leider) weniger weiß, als ich gerade wissen müsste (also bitte nicht falsch verstehen).
Deshalb bitte ich dich erneut um Unterstützung.

Zunächst einmal (beispielhaft) zu den angestrebten Aussagen meiner Untersuchung:

Ich möchte am Ende bspw. feststellen können, ob
- es Unterschiede in der wahrgenommenen Intelligenz bei einer Blondine oder einer Brünette gibt
- es Unterschiede in der wahrgenommenen Sympathie bei einer Frau die Chantal heißt im Gegensatz zu einer die Anke heißt (oder bei einer Frau, dessen Name gar nicht bekannt ist)
- es Unterschiede in der wahrgenommenen Intelligenz bei einer blonden Chantal im Gegensatz zu einer brünetten Anke

Aus diesem Grund frage ich verschiedene Eigenschaften an, die die Probanden auf einer Skala bewerten sollen. Letztlich geht es um den Einfluss der unabhängigen Variablen auf die Wahrnehmung.

Dann böte es sich an, das in einem linearen Modell auszuwerten, in das Name und Haarfarbe als unabhängige Variablen eingehen, also eine multiple Regression, und das jeweilige Ergebnis als abhängige Variable.


Wenn ich das richtig verstehe würde ich pro abhängige Variable (also die Eigenschaft, die der Proband von 1-7 bewertet) eine lineare Regression machen. Damit hätte ich bei 10 Eigenschaften, 10 lineare Regressionen pro Kombination an unabhägigen Variablen. Könnte ich damit zu einem Ergebnis kommen, bei dem ich am Ende bspw. sagen kann: "Ja, es macht einen Unterschied in der Wahrnehmung, ob eine Frau blond oder brünett ist" ?

Weiter unten schreibst Du, dass Du nicht einen Mittelwert verschiedener Persönlichkeitseigenschaften bilden, sondern jede für sich betrachten möchtest. Dann ist es in dem hier im Forum dominanten Sprachgebrach keine Likert Skala, aber Du hast Recht, eine Reihe von ordinalen abhängigen Variablen. Damit wird aus dem oben vorgeschlagenen linearen Modell eine ordinale logistische Regression.


Ich habe mich mit der logistischen Regression befasst und gelesen, dass ich damit abhängige Variablen verwenden kann, die zwar ordinal, jedoch auch binär sind; also zwei Ausprägungen haben. In der Umfrage verwende ich für die abhängigen Variablen allerdings die Stufen 1-7. Kannst du mir hier bitte genauer schildern, wie ich die Aussagen mit diesem Verfahren darstellen könnte?

Ein t-Test ist weder für ordinale noch für nominale Zielgrößen angebracht.


Mist. Ich hätte gehofft, dass ich damit beim Vergleich der Mittelwerte der abhängigen Variablen bspw. hätte aussagen können "H0 (Haarfarbe bewirkt keine Unterschiede auf die Wahrnehmung aus) kann bei einem Signifikanzniveau von 5 % verworfen werden".

Der Aufwand in der Durchführung ist ohne weiteres machbar. Dein Problem dürfte eher "Alphafehler-Kummulierung" heißen. Danach solltest Du googlen (und auch nach "Bonferroni") wenn Dir das nicht sehr vertraut sein sollte.


Nachgelesen und die Problematik sinngemäß verstanden (denk ich zumindest).


Schwer zu sagen. Die Namen und die Haarfarbe sind ja ziemlich sicher nur ein vorgeschobenes Parallelproblem...


Stimmt nicht ganz. Ich möchte tatsächlich die bereits beschriebenen Auswirkungen auf die Wahrnehmungen verschiedener Persönlichkeitseigenschaften statistisch nachweisen. Gleichzeitig möchte ich mich vor dem Risiko wappnen, dass mein Prof dies hier liest und mich durchfallen lässt. Es hat also nicht damit zu tun, dass ich es verständlicher formulieren oder euch nicht teilhaben lassen wollte. Es ist eher aus Angst spärlich formuliert.


Darumm ist es keine Likert Skala sondern eine Reihe von ordinalen Items.


Dieser Punkt hat mir einiges zum nachdenken gegeben, wodurch dich folgende Fragen ergeben haben:
Gibt es eine Möglichkeit alle bzw. agglomerierte Persönlichkeitseigenschaften zu betrachten und mit den verschiedenen unabhängigen Variablen zu vergleichen, um die o. g. Aussagen treffen zu können?

Hier muss wieder die Grundentscheidung gefällt werden, ob alle Beobachtungen in ein gemeinsames Modell kommen, damit alle Informationen einfließen, oder ob Teilmengen mit gleichen Namen und unterschiedlichen Haarfarben verglichen werden sollen.


Ich denke genau diese Grundentscheidung ist (neben der fehlenden Kompetenz) mein Hauptproblem. Am Ende möchte ich letztlich in der Interpretation behaupten können, dass sich die Haarfarbe auf die Wahrnehmung der verschiedenen Persönlichkeiten auswirkt und dass durch die Haarfarbe auch bestimmte Hobbys mit einer Person eher assoziiert werden als andere. Selbiges für den Name und für die Kombination aus Name und Haarfarbe.

Ich kann mich einfach nur erneut für deine Unterstützung bedanken und hoffe, dass ich deine Geduldsfäden nicht überstrapaziere.

LG
Archie
Archie
Grünschnabel
Grünschnabel
 
Beiträge: 4
Registriert: Sa 29. Sep 2018, 16:11
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon bele » Di 2. Okt 2018, 11:02

Hallo Archie,

Archie hat geschrieben:erstmal Danke für die ausführliche Antwort! Es hat schon sehr geholfen.

Das freut mich.

Ich möchte am Ende bspw. feststellen können, ob
- es Unterschiede in der wahrgenommenen Intelligenz bei einer Blondine oder einer Brünette gibt

Das würde eine ordinale logistische Regression leisten können, in der beispielsweise blond der Normalvall ist und und für brünett ein eigener Koeffizient geschätzt wird. Dafür gibt es dann einen p-Wert für die Frage, ob der Wechsel von blond auf brünett einen signifikanten Unterschied macht.
- es Unterschiede in der wahrgenommenen Sympathie bei einer Frau die Chantal heißt im Gegensatz zu einer die Anke heißt (oder bei einer Frau, dessen Name gar nicht bekannt ist)

Da würde man sowohl für den Namen Chantal als auch für den Namen Anke eine dummycodierte VAriable erzeugen und für jede von beiden einen Signifikanztest erhalten, ob der Name von namenlosen abweicht.


Wenn ich das richtig verstehe würde ich pro abhängige Variable (also die Eigenschaft, die der Proband von 1-7 bewertet) eine lineare Regression machen.


So, wie ich Deine Frgestellung verstanden habe, wäre das richtig.

Könnte ich damit zu einem Ergebnis kommen, bei dem ich am Ende bspw. sagen kann: "Ja, es macht einen Unterschied in der Wahrnehmung, ob eine Frau blond oder brünett ist" ?


Das Problem mit der Alphafehlerkummulation mal beseite geschoben: Wenn es in der Wahrnehmung einer Eigenschaft einen Unterschied macht, dann macht es doch einen Unterschied in der Wahrnehmung generell, oder?

Ich habe mich mit der logistischen Regression befasst und gelesen, dass ich damit abhängige Variablen verwenden kann, die zwar ordinal, jedoch auch binär sind; also zwei Ausprägungen haben.


Die binäre logistische Regression ist einfach, und deshalb wird sie zuerst gelehrt. Man kann sie aber auf siebenstufig erweitern. Das findet sich dann sicher auch im Netz, aber nicht so häufig, wie die binäre logistische Regression. Im NMetz findet man ganz schnell zum Beispiel
https://en.wikipedia.org/wiki/Ordered_logit
https://stats.idre.ucla.edu/r/dae/ordin ... egression/
https://www.analyticsvidhya.com/blog/20 ... egression/
Letztlich wäre ein gutes Buch vielleicht die bessere Antwort als Verweise auf Blogger...

Ein t-Test ist weder für ordinale noch für nominale Zielgrößen angebracht.


Mist. Ich hätte gehofft, dass ich damit beim Vergleich der Mittelwerte der abhängigen Variablen bspw. hätte aussagen können "H0 (Haarfarbe bewirkt keine Unterschiede auf die Wahrnehmung aus) kann bei einem Signifikanzniveau von 5 % verworfen werden".


Wie gesagt, es hängt an der Einschätzung, ob Du Deine Skala als ordinal betrachtest oder als metrisch...

Der Aufwand in der Durchführung ist ohne weiteres machbar. Dein Problem dürfte eher "Alphafehler-Kummulierung" heißen. Danach solltest Du googlen (und auch nach "Bonferroni") wenn Dir das nicht sehr vertraut sein sollte.


Nachgelesen und die Problematik sinngemäß verstanden (denk ich zumindest).

Ernst nehmen! Drüber nachdenken! Danach hier im Forum suchen!


Gibt es eine Möglichkeit alle bzw. agglomerierte Persönlichkeitseigenschaften zu betrachten


Das ist eine Frage für einen PSychologen, wenn es wirklich um Persönlichkeitseigenschaften geht oder an einen anderen Fachwissenschaftler, wenn das Parallelproblem einer anderen Fachwissenschaft entspringt.
Hier muss wieder die Grundentscheidung gefällt werden, ob alle Beobachtungen in ein gemeinsames Modell kommen, damit alle Informationen einfließen, oder ob Teilmengen mit gleichen Namen und unterschiedlichen Haarfarben verglichen werden sollen.


Ich denke genau diese Grundentscheidung ist (neben der fehlenden Kompetenz) mein Hauptproblem. Am Ende möchte ich letztlich in der Interpretation behaupten können, dass sich die Haarfarbe auf die Wahrnehmung der verschiedenen Persönlichkeiten auswirkt und dass durch die Haarfarbe auch bestimmte Hobbys mit einer Person eher assoziiert werden als andere. Selbiges für den Name und für die Kombination aus Name und Haarfarbe.


Ich befürchte, Du musst noch einiges über lineare Modelle lesen, bevor Du Dir dazu ein Bild machen kannst.

LG,
Bernhard
----
`Oh, you can't help that,' said the Cat: `we're all mad here. I'm mad. You're mad.'
`How do you know I'm mad?' said Alice.
`You must be,' said the Cat, `or you wouldn't have come here.'
(Lewis Carol, Alice in Wonderland)
bele
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 5748
Registriert: Do 2. Jun 2011, 23:16
Danke gegeben: 15
Danke bekommen: 1343 mal in 1330 Posts

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon Archie » Di 2. Okt 2018, 12:36

Hallo Bernhard,

erneut danke für ausführliche Antwort!


Das würde eine ordinale logistische Regression leisten können, in der beispielsweise blond der Normalvall ist und und für brünett ein eigener Koeffizient geschätzt wird. Dafür gibt es dann einen p-Wert für die Frage, ob der Wechsel von blond auf brünett einen signifikanten Unterschied macht.

Da würde man sowohl für den Namen Chantal als auch für den Namen Anke eine dummycodierte VAriable erzeugen und für jede von beiden einen Signifikanztest erhalten, ob der Name von namenlosen abweicht.


Okay. Das klingt genau nach dem, was ich mit meinem Halbwissen anfangs gesucht habe!

Das Problem mit der Alphafehlerkummulation mal beseite geschoben: Wenn es in der Wahrnehmung einer Eigenschaft einen Unterschied macht, dann macht es doch einen Unterschied in der Wahrnehmung generell, oder?


Prinzipiell ja. Wenn die Eigenschaften einzeln betrachtet werden, scheint es nicht immer der Fall zu sein. Klischeehaft betrachtet: Die Blondine wird weniger intelligent als die Brünette, aber beide gleich sympathisch wahrgenommen.


Die binäre logistische Regression ist einfach, und deshalb wird sie zuerst gelehrt. Man kann sie aber auf siebenstufig erweitern. Das findet sich dann sicher auch im Netz, aber nicht so häufig, wie die binäre logistische Regression. Im NMetz findet man ganz schnell zum Beispiel
https://en.wikipedia.org/wiki/Ordered_logit
https://stats.idre.ucla.edu/r/dae/ordin ... egression/
https://www.analyticsvidhya.com/blog/20 ... egression/
Letztlich wäre ein gutes Buch vielleicht die bessere Antwort als Verweise auf Blogger...


Danke fürs Raussuchen! Da werde ich mich wohl tiefer einlesen müssen :geek:

Wie gesagt, es hängt an der Einschätzung, ob Du Deine Skala als ordinal betrachtest oder als metrisch...


So langsam denke ich, dass es darauf hinauslaufen wird, wenn der Zeitaufwand zu hoch wird, den Stoff nachzuholen...

Ernst nehmen! Drüber nachdenken! Danach hier im Forum suchen!


Selbstverständlich. Ich wollte jetzt nicht den Eindruck vermitteln, dass ich es auf die leichte Schulter nehme!

Gibt es eine Möglichkeit alle bzw. agglomerierte Persönlichkeitseigenschaften zu betrachten


Das ist eine Frage für einen PSychologen, wenn es wirklich um Persönlichkeitseigenschaften geht oder an einen anderen Fachwissenschaftler, wenn das Parallelproblem einer anderen Fachwissenschaft entspringt.


Die Frage war ungenau formuliert. Ich meinte es statistisch gesehen. Die "inhaltliche" Sinnhaftigkeit außen vor gelassen. Das wird natürlich auch überprüft. Hier wollte ich wissen, ob es grds. die Möglichkeit gibt.

Ich befürchte, Du musst noch einiges über lineare Modelle lesen, bevor Du Dir dazu ein Bild machen kannst.


...und ich befürchte, dass du mit deiner Befürchtung richtig liegst. :(
Aber es ist nun mal so, wenn man die Dinge richtig tun will. Ich werde mich in die Thematik weiter vertiefen.

Danke!!! :)

LG
Archie
Archie
Grünschnabel
Grünschnabel
 
Beiträge: 4
Registriert: Sa 29. Sep 2018, 16:11
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon bele » Di 2. Okt 2018, 13:25

Hallo Archie,

Archie hat geschrieben:
Wie gesagt, es hängt an der Einschätzung, ob Du Deine Skala als ordinal betrachtest oder als metrisch...


So langsam denke ich, dass es darauf hinauslaufen wird, wenn der Zeitaufwand zu hoch wird, den Stoff nachzuholen...


Das sind so Rahmenbedingungen, die sind im Forum ohne Ansehen der Person schwer einzuschätzen. Ich finde, dass dieses ebook in einem sehr vernünftigem Umfang gute Hinweise dazu gibt, wie man mit ordinalen Skalen wie Deinen umgeht, vor allem auch, wie man gute Grafiken zur Ergebnisdarstellung macht. Wenn sich herausstellt, dass Du in der rechnenden Statistik in einem vorgegebenen Zeitraum nicht soweit kommst, wie ich hier vorgeschlagen habe, dann wäre eine gut gemachte grafische Ergebnisdarstellung doch eine wertvolle Gelegenheit zu zeigen, dass Du Dir Gedanken gemacht hast. Meine Leseempfehlung daher: https://bookdown.org/Rmadillo/likert/

Ernst nehmen! Drüber nachdenken! Danach hier im Forum suchen!


Selbstverständlich. Ich wollte jetzt nicht den Eindruck vermitteln, dass ich es auf die leichte Schulter nehme!


Und ich wollte Dir kein Auf-die-leichte-Schulter-Nehmen unterstellen sondern nur noch einmal klar machen, dass das ein sehr kompliziertes Thema ist, für das es in der Regel keine einfachen Antworten gibt und zu dem Du Dich verhalten musst. Du brauchst in Deiner Arbeit, ganz egal, was für eine Arbeit das ist, einen Absatz, in dem Du gut inhaltlich begründest, wie Du Dich zu diesem Problem positionierst. Hier im Forum zu suchen empfehle ich fast nur beim Thema "Bonferroni", es hat seinen Grund, warum das hier in so vielen Threads auftaucht.

Die "inhaltliche" Sinnhaftigkeit außen vor gelassen. Das wird natürlich auch überprüft. Hier wollte ich wissen, ob es grds. die Möglichkeit gibt.


Inhaltliche Sinnhaftigkeit führt. Wenn es inhaltlich keinen Sinn macht, dann braucht man es statistisch nicht zu versuchen - Statistik ist nicht sinnstiftend. Wenn es inhaltlich sinnvoll ist, findet sich auch irgendein Weg, das statistisch abzubilden. Dieser Weg führt über eine sehr präzise inhaltliche Analyse.

Aber es ist nun mal so, wenn man die Dinge richtig tun will. Ich werde mich in die Thematik weiter vertiefen.


Das ist die richtige Einstellung. Um das hier richtig zu machen musst Du erst lesen, was ein einfaches lineares Modell (OLS) ist, dann die Dummycodierung verstehen, vielleicht musst Du Interaktionsterme verstehen (das weiß ich nach Deiner Schilderung noch nicht genau) und dann über die binäre logistische Regression zur ordinalen bzw. multinomialen logistischen Regression kommen. Das ist schon ein ganz ordentliches Programm und wird von einem Buch "Statistik für Einsteiger" oder so wohl nicht vollständig abgedeckt werden. Wenn Du das aber raus hast, hast Du schon einen sehr mächtigen Werkzeugkasten für sich zukünftig eventuell stellende statistische Probleme.

LG,
Bernhard
----
`Oh, you can't help that,' said the Cat: `we're all mad here. I'm mad. You're mad.'
`How do you know I'm mad?' said Alice.
`You must be,' said the Cat, `or you wouldn't have come here.'
(Lewis Carol, Alice in Wonderland)
bele
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 5748
Registriert: Do 2. Jun 2011, 23:16
Danke gegeben: 15
Danke bekommen: 1343 mal in 1330 Posts

Re: Welches Auswertungsverfahren passt am besten?

Beitragvon Archie » Mi 3. Okt 2018, 13:08

Hallo Bernhard,


Das sind so Rahmenbedingungen, die sind im Forum ohne Ansehen der Person schwer einzuschätzen. Ich finde, dass dieses ebook in einem sehr vernünftigem Umfang gute Hinweise dazu gibt, wie man mit ordinalen Skalen wie Deinen umgeht, vor allem auch, wie man gute Grafiken zur Ergebnisdarstellung macht. Wenn sich herausstellt, dass Du in der rechnenden Statistik in einem vorgegebenen Zeitraum nicht soweit kommst, wie ich hier vorgeschlagen habe, dann wäre eine gut gemachte grafische Ergebnisdarstellung doch eine wertvolle Gelegenheit zu zeigen, dass Du Dir Gedanken gemacht hast. Meine Leseempfehlung daher: https://bookdown.org/Rmadillo/likert/


Danke für den Tipp und fürs Raussuchen des eBooks! Ich werde einfach eine Zeitspanne dafür einplanen und wenn ich merke, dass ich es nicht hinhaut, werde ich auf eine Ergebnisdarstellung zurückgreifen. Zum Glück besteht die Arbeit nicht nur aus der statistischen Analyse!


Und ich wollte Dir kein Auf-die-leichte-Schulter-Nehmen unterstellen sondern nur noch einmal klar machen, dass das ein sehr kompliziertes Thema ist, für das es in der Regel keine einfachen Antworten gibt und zu dem Du Dich verhalten musst. Du brauchst in Deiner Arbeit, ganz egal, was für eine Arbeit das ist, einen Absatz, in dem Du gut inhaltlich begründest, wie Du Dich zu diesem Problem positionierst. Hier im Forum zu suchen empfehle ich fast nur beim Thema "Bonferroni", es hat seinen Grund, warum das hier in so vielen Threads auftaucht.


Auch für diesen wichtigen Hinweis danke. Das aufzunehmen unterstreicht nochmal, dass ich mich mit dem Thema befasst habe.


Das ist die richtige Einstellung. Um das hier richtig zu machen musst Du erst lesen, was ein einfaches lineares Modell (OLS) ist, dann die Dummycodierung verstehen, vielleicht musst Du Interaktionsterme verstehen (das weiß ich nach Deiner Schilderung noch nicht genau) und dann über die binäre logistische Regression zur ordinalen bzw. multinomialen logistischen Regression kommen. Das ist schon ein ganz ordentliches Programm und wird von einem Buch "Statistik für Einsteiger" oder so wohl nicht vollständig abgedeckt werden. Wenn Du das aber raus hast, hast Du schon einen sehr mächtigen Werkzeugkasten für sich zukünftig eventuell stellende statistische Probleme.


Wie oben geschrieben, werde ich dafür Zeit einplanen. Im Worstcase wird mein Vorgehen halt neutral in der Arbeit dokumentiert.

Danke!

LG
Archie
Archie
Grünschnabel
Grünschnabel
 
Beiträge: 4
Registriert: Sa 29. Sep 2018, 16:11
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post


Zurück zu Allgemeine Fragen

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 3 Gäste