STATISTIK-FORUM.de

[Jondolie]

Hallo zusammen,

ich hoffe es findet sich jemand, der mir weiterhelfen kann.
Für meine Thesis untersuche ich den Einfluss einer UV auf eine AV. Stichprobengröße ist = 250. Einmalige Erhebung der beiden Variablen über einen Onlinefragebogen, metrisches Skalenniveau (gerichtete Hypothese)

Leider habe ich beim prüfen der Voraussetzungen festgestellt, dass ich keine Normalverteilung der Residuen haben und auch eine Heteroskedastizität vorliegt. Daher kann ich nicht wie geplant eine lineare Regression rechnen.

Daher muss ich nun ein non parametrisches Verfahren anwenden, richtig?
Leider weiß ich nicht so richtig welches? Kann mir dazu jemand bitte weiterhelfen.
Mache ich eine einfache Korrelationsanalyse um den Zusammenhang zu überprüfen? Also Pearson oder Spearman?

Über einen Schubs in die richtige Richtung wäre ich sehr, sehr dankbar!

Alles liebe und allen ein schönes Wochenende!

[PonderStibbons]

Für meine Thesis untersuche ich den Einfluss einer UV auf eine AV. Stichprobengröße ist = 250. Einmalige Erhebung der beiden Variablen über einen Onlinefragebogen, metrisches Skalenniveau (gerichtete Hypothese)

Wie lautet das Thema und die konkrete Fragestellung, was sind es für Variablen und wie wurden sie konkret gemessen?

Und wie kriegst Du es bei einem online-Fragebogen hin, den Einfluss von A auf B zu belegen, also eine kausale Beziehung?
Hast Du eine experimentelle Variation im Design und/oder Längsschnitt-Beobachtungen?

Daher muss ich nun ein non parametrisches Verfahren anwenden, richtig?

müssen ist ziemlich sicher nicht der Fall.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Um den monotonen Zusammenhang zwischen zwei metrischen Variablen zu belegen und dabei möglichst wenig Voraussetzungen diskutieren zu müssen ist eine Spearman-Korrelation in der Tat eine sichere Bank.

Fragebogendaten sind meistens diskrete Daten mit begrenzter Range und tun sich allein deshalb generell schwer mit Normalverteilung. Dennoch werden sie oft mit parametrischen Verfahren untersucht. Speziell auch, wenn man 250 Beobachtungen hat. Um so etwas abzuwägen, sind das zuwenig Angaben.

LG, Bernhard

[Jondolie]

Tut mir leid wenn ich dumm nachfrage, da ich echt nicht so im Thema bin...

Also wenn ich Pearson oder Spearman berechne habe ich aber doch nur einen Zusammenhang der beiden Variablen, oder?

Ich möchte aber ja wissen, ob ich mit der UV, die AV vorhersagen kann.

Z.b. Hat das Kontrollbedürfnis (UV) einen Einfluss auf die Einstellung zu Individualreisen (AV).
Also erst UV und AV über einen Fragebogen erhoben. Aber wenn nun die Voraussetzungen für die lineare Regression nicht erfüllt sind, was dann. Dann kann ich die doch nicht mehr nutzen, oder?

Sagt mir gerne wenn ich völlig falsch bin, aber ich dachte nun wechsle ich zum non-parametrischen Verfahren, da die robuster sind, wenn auch eine niedrigere Aussagekraft haben, aber eben keine Normalverteilung der Residuen brauchen. Aber welches Verfahren finde ich einfach nicht so recht raus - Kruskal-Wallis z.b.?

Ea gibt ja nette Übersichtstabellen, aber wo ich hänge: da ist immer die Rede von zwei oder mehr abhängigen oder unabhängigen Stichproben. Aber ich habe ja nur einmal eine Umfrage gemacht, daher doch nur eine Stichprobe.

Ich bin wirklich dankbar für Hilfe und eure Geduld mit meiner Unwissenheit!

[PonderStibbons]

Z.b. Hat das Kontrollbedürfnis (UV) einen Einfluss auf die Einstellung zu Individualreisen (AV).

Ob es einen Einfluss hat (=Kausalität), wirst Du mit einer korrelativen Querschnittsuntersuchung kaum
herausfinden können. Ob es einen Zusammenhang hat hingegen schon. Und wenn A mit B zusammenhängt,
lässt sich das eine aus dem anderen vorhersagen (in gewissen Grenzen). Der Zusammenhang muss aber
keineswegs kausal sein.
Eine klassische Erzählung lautet:
Die Storchendichte und die Geburtenrate von Ortschaften hängen miteinander zusammen und man kann
aus der Storchendichte die Geburtenrate vorhersagen (mit einem gewissen Vorhersagefehler). Das heißt
aber nicht, dass der Storch die Kinder bringt. Vielmehr hängen Storchendichte und Geburtenrate beide
von einer dritten Variable ab, nämlich der Größe der Ortschaft.

Also erst UV und AV über einen Fragebogen erhoben. Aber wenn nun die Voraussetzungen für die lineare Regression nicht erfüllt sind, was dann. Dann kann ich die doch nicht mehr nutzen, oder?

Die Normalverteilungsannahme ist generell ziemlich unwichtig, und wenn die Stichprobe groß genug ist
(n > 30 wird oft genannt), ist sie vollends vernachlässigbar.

Bei Heteroskedaszität könnte man mal im Detail schauen. Daher auch die Frage nach den Variablen und deren
Messung. Aber wenn Du ohnedies nur 1 UV und 1 AV haben solltest, dann ist eine Spearman-Korrelation die simpelste
Lösung.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo Jondolie,

Also wenn ich Pearson oder Spearman berechne habe ich aber doch nur einen Zusammenhang der beiden Variablen, oder?

Ja.

Ich möchte aber ja wissen, ob ich mit der UV, die AV vorhersagen kann.

Das kannst Du immer genau dann, wenn es einen Zusammenhang zwischen beiden gibt.

Z.b. Hat das Kontrollbedürfnis (UV) einen Einfluss auf die Einstellung zu Individualreisen (AV). Also erst UV und AV über einen Fragebogen erhoben.

Und wenn dann Die Spearman-Korrleation zwischen beiden signifikant wird, dann gibt es einen Zusammenhang. Ob das ein Einfluss von Kontrollbedürfnis auf Individualreisen ist musst Du dann interpretieren. Aber den Zusammenhang kannst Du damit beweisen, ohne Dich mit komplizierteren Verfahren oder mit Verteilungsvoraussetzungen zu beschäftigen.

Aber wenn nun die Voraussetzungen für die lineare Regression nicht erfüllt sind, was dann. Dann kann ich die doch nicht mehr nutzen, oder?

Das ist zu stark vereinfacht. Die lineare Regression gibt Dir immer die Gerade durch Deine Punkte, die zu den kleinsten quadratischen Residuen führt. Ganz egal, wie die Residuen dann verteilt sind oder ob irgendwas hetero- oder homoskedastisch ist oder ob ein zugrundeliegender Zusammenhang wirklich linear ist.
Problematisch wird es dann erst beim Testen über t- und F-Test. Wenn bei Deinem F-Test ein sicheres Ergebnis herauskommt, sagen wir p < 0,0001, dann wird man dem auch bei mäßigen Abweichungen von der Normalverteilung glauben. Bei p = 0,04 mag das anders sein. Also oft genug ist man bereit, kleinere Abweichungen von den Voraussetzungen hinzunehmen. Das hängt natürlich von Fach, Fragestellung, deutlichkeit und Erwartbarkeit des Ergebnisses und den jeweiligen Lehrern ab.
Letztlich bliebe dann noch das große Thema der Transformationen um die lineare Regression zu retten (z. B. eine Rangtransformation wie bei Spearman). Wenn es dann immer noch nicht klappt, gibt es natürlich auch nichtlineare Regressionsformen.

Sagt mir gerne wenn ich völlig falsch bin, aber ich dachte nun wechsle ich zum non-parametrischen Verfahren, da die robuster sind

Ein typisches Beispiel dafür wäre die Spearman-Korrelation. Oder man könnte die lineare Regression mit einem nicht-parametrischen Testverfahren, beispielsweise Bootstrapping, verknüpfen. Aber warum, wenn die Spearman-Korrelation wahrscheinlich schon die richtige Antwort ist.

wenn auch eine niedrigere Aussagekraft haben,

Wie definierst Du die Höhe der Aussagekraft?

Kruskal-Wallis z.b.?

Im allerersten Satz zu diesem Test schreibt die Wikipedia

Der Kruskal-Wallis-Test (nach William Kruskal und Wilson Allen Wallis; auch H-Test) ist ein parameterfreier statistischer Test, mit dem im Rahmen einer Varianzanalyse getestet wird, ob unabhängige Stichproben (Gruppen oder Messreihen) hinsichtlich einer ordinalskalierten Variable einer gemeinsamen Population entstammen.

Da Du keine unabhängigen Gruppen/Messreihen zu vergleichen hast, ist der wohl nach dem ersten Satz 'raus.

Ea gibt ja nette Übersichtstabellen, aber wo ich hänge: da ist immer die Rede von zwei oder mehr abhängigen oder unabhängigen Stichproben. Aber ich habe ja nur einmal eine Umfrage gemacht, daher doch nur eine Stichprobe.

Richtig, deshalb ist eine Tabelle mit Tests zum Vergleich verschiedener Stichproben für Dich nicht hilfreich. Deine Idee einer Korrelationsanalyse ist da schon deutlich besser.

LG,
Bernhard

[Jondolie]

Ich danke euch vielmals für eure geduldigen Antworten!
Es hat mir sehr weitergeholfen und ich weiß nun wie ich weitermachen werden. Danke!

Mal gucken wie lange es dauert bis die nächsten Fragen auftauchen