STATISTIK-FORUM.de

[quest]

Liebe Leute,

ich hoffe jemand von euch kann mir bei meinem Problem ein bisschen weiterhelfen. Statistik gehört leider nicht zu meinen Talenten, muss mich momentan aber damit beschäftigen und stehe gerade ein bisschen an mit meinen Überlegungen. Folgendes:

- Ich habe 1 Variable, die in kategorialer Form vorliegt (3-stufig)
- Ich habe 2 metrische Variablen (Summenwerte)

Untersucht werden soll, ob die 2 metrischen Variablen in Zusammenhang mit der kategorialen Variable stehen bzw. sozusagen einen Einfluss auf sie haben (welcher Gruppe man zugehört). Mir wurde empfohlen, eine lineare Regression zu rechnen mit der kategorialen Variable als AV. Nur: Das geht ja nicht, da müsste die AV ja metrisch sein oder? Weiter: Ev. eine logistische Regression? Dafür ist aber meine Stichprobe zu klein, geht auch nicht. Nun dachte ich mir, dass ich eine ANOVA als Regressionsmodell rechne und hierbei die Gruppenvariable als UV defniere. Das heißt, unterscheiden sich die 3 Gruppen signifikant in Bezug auf Variable 1 bzw. Variable 2 (also die Variablen, die eigentlich meine Prädiktoren sein sollten)? Arrrh, ich bin verzweifelt... und brauche einen Denkanstoß. Ich hab das Gefühl ich übersehe irgendetwas. Oder habe mich schon komplett verrannt...

Das Problem geht dann eigentlich noch weiter. Ich soll außerdem eine Clusteranalyse rechnen...ist es sinnvoll dies zu tun, wenn ich in Schritt 1 bereits Gruppen untersuche? Aber das ist eine andere Geschichte, vorerst wäre mir bei Teil 1 schon sehr geholfen. Danke euch.

[bele]

Wenn man ganz am Anfang so gar nicht weiter weiß, dann hilft es oft, sich der Frage zunächst graphisch zu nähern. Ich würde als erstes ein x-y-Scatterplot mit den beiden metrischen Variablen zeichnen und die drei Stufen der kategorialen Variable zum Beispiel farblich kodieren. Wenn dann klarer wird, welche Arten von Zusammenhang bestehen könnten (oder hast Du dazu theoretische Vorvermutungen? Dann beschreib die mal) kann man ja nochmal nachdenken.

Gruß,
Bernhard

[quest]

Ja theoretische Vorannahmen habe ich eigentlich schon. Angenommen wird, dass die 2 metrischen Variablen die Ausprägung der kategorialen Variable bestimmen (d.h. zu welcher Gruppe man gehört: gut/durchschnitt/schlecht) und mit ihr in einem positiven Zusammenhang stehen. [n = 25]

Noch eine Zusatzinfo: Eigentlich gibt es mehrere 3-stufige kategoriale Variablen, die sich alle einem komplexen Fähigkeitsbild zuordnen lassen (Schreibkompetenz). Aber ob man alle gleichzeitig in einem Modell testen kann? Ist vielleicht auch gar nicht notwendig. Mir würde es schon helfen, wenn ich überhaupt wüsste wie ich das ganze angehe.

Danke & lg.

[bele]

kategorialen Variable bestimmen (d.h. zu welcher Gruppe man gehört: gut/durchschnitt/schlecht)

Ah! Ordinales Skalenniveau! Du könntest z. B. eine logistische Regression rechnen, mit den beiden metrischen als unabhängigen Variablen und "mindestens Durchschnitt" als binäre Antwortvariable. Danach noch eine logistische Regression mit "mindestens gut" als binärer Zielvariable. Oder Du könntest noch mal unter Diskriminanzanalyse ein wenig nachlesen.

Eigentlich gibt es mehrere 3-stufige kategoriale Variablen, die sich alle einem komplexen Fähigkeitsbild zuordnen lassen (Schreibkompetenz). Aber ob man alle gleichzeitig in einem Modell testen kann?

Eventuell könnte man eine Art Summenindex aus den drei bilden, indem man den drei Stufen die Zahlen 1, 2 und 3 zuordnet. Dazu wäre es aber sinnvoll, eine Art Cronbach's Alpha oder noch besser eine Faktorenanalyse zu rechnen, ob die wirklich alle etwas ähnliches messen. Dann könnte man versuchen, diesen Summenscore aus den beiden metrischen Variablen vorherzusagen.

Das Zuordnen der drei Antwortstufen zu den Zahlen 1, 2 und 3 ist zwar logisch nicht ganz schlüssig, aber Fragebögen außerhalb der Item-Response-Theorie machen das häufig.

Als drittes, und nur wenn Deine beiden metrischen stark miteinander korrellieren, könnte man Versuchen, deren Dimensionalität (durch eine Hauptkomponentenanalyse oder einer Faktorenanalyse) zu reduzieren und die erste Hauptkomponente per Spearman-Korrelation mit deiner ordnialen Skala zu korrellieren.

Schau mal, ob Du damit was anfangen kannst.
LG,
Bernhard


PS: Vielleicht kannst Du uns trotzdem mal die von mir vorgeschlagene Grafik zeigen. Kannst Du Achsen ja so benennen, dass keine Rückschlüsse auf Deine Daten möglich sind. Aber vielleicht "sieht" man ja, ob da was geht.