STATISTIK-FORUM.de

[tstahl]

Hallo zusammen,

kurz der Hintergrund der Daten:
für eine Hausarbeit habe ich eine Umfrage durchgeführt (n=70). Dabei habe ich in 5 verschiedenen Kategorien nach dem Ankerpunkt Prinzip die Probanden gebeten, Aussagen zu bewerten (die wichtigste Aussage bekommt immer die 10, die restlichen 4 Aussagen dürfen auf einer Skala von 1-9 bewertet werden -> musste aufgrund des Themas so gemacht werden -> ratio skaliert). Am Ende jeder Kategorie musste dann die Attraktivität (Arbeitsplatzattraktivität) auf einer Skala von 1-10 angegeben werden. Am Ende mussten die Probanden dann noch die gesamte Attraktivität ihres Arbeitsplatzes über alle 5 Kategorien angeben.

Mein Problem:
Ich hatte mit meiner Professorin ausgemacht, dass ich eine Stufenregression mache. Also ich bilde zuerst pro Kategorie eine multiple Regression mit jeweils 5 Prädiktoren und dann am Ende eine Regression mit den 5 Attraktivitätsskalen und der gesamten Attraktivität. Ziel war dann dabei herauszufinden, welcher Faktor den größten Einfluss auf die wahrgenommene Arbeitsplatz-Attraktivität hat. (1. Schritt: Welche Kategorie hat den größten Einfluss 2.Schritt: Welches Item in der Kategorie hat den größten Einfluss)

In der ersten 5 Regressionen komme ich jedoch mit meinem adjustierten r² nicht einmal über 0.03. In der Gesamtregression am Ende liege ich bei 0,76. Meine Vermutung ist, dass ich durch das Erhebungsdesign automatisch eine extreme Streuung eingebaut habe. Ich hatte beispielsweise in einer Kategorie mal probiert zu n=70 einfach 400 weitere Datensätze hinzuzufügen, die alle genau gleich geantwortet haben. Selbst dann schaffe ich es mit r² gerade mal auf 0,22.

Meine Frage ist jetzt: Darf ich, wenn mein r² soo gering ist, überhaupt eine Aussage über meine Regressionskoeffizienten treffen? Offensichtlich liegt ja kein linearer Zusammenhang vor. Zusätzlich frage ich mich, welche Aussage dann die Gesamtregression überhaupt hat, wenn innerhalb der 5 "Unterregressionen" r² so extrem niedrig ist. Meine Aussage die ich treffen würde wäre, dass es keinen Zusammenhang zu geben scheint zwischen dem, was Arbeitnehmer wichtig finden und dem, wie Arbeitgeber es im Alltag umsetzen.

Hiermal der Output einer Unterregression:

https://ibb.co/CzL6prm

Hoffe das war soweit verständlich...

[PonderStibbons]

(die wichtigste Aussage bekommt immer die 10, die restlichen 4 Aussagen dürfen auf einer Skala von 1-9 bewertet werden -> musste aufgrund des Themas so gemacht werden -> ratio skaliert)

Eher ordinal.

Hiermal der Output einer Unterregression:
https://ibb.co/CzL6prm

Ach Du lieber Himmel. Wieso 9 Stellen hinterm Komma?

Hoffe das war soweit verständlich...

Leider nicht. Ich verstehe nicht den Sinn der Regressionen innerhalb der Kategorien.
Die Gewichtung der Aspekte steckt doch bereits in den Antworten. Und für die
eigentliche Fragestellung sind diese "Unterregressionen" unerheblich.

Mit freundlichen Grüßen

PonderStibbons

[tstahl]

Hey,

erstmal danke für die Antwort.

Aufgrund der Heterogenität der einzelnen Kategorien sollen 5 Unterregressionen gebildet werden. Die Idee war hierbei: Wenn bestimmte Aspekte wichtig sind, dann wird sich das auch in der abhängigen Variable, also der Attraktivität des eigenen Beruffeldes in der jeweiligen Kategorie niederschlagen (die Arbeitgeber versuchen das umzusetzen, was sich die Arbeitnehmer wünschen). Das scheint aber nicht der Fall zu sein.

Dann wollte ich die übergordnete Regression machen, um zu schauen welche Kategorie am wichtigsten ist und dann dort auf die jeweiligen Prädiktoren eingehen. Grund für die Unterregression war also die Heterogenität der einzelnen Kategorien...


Edit: Eine 2. Frage noch? Kann mir jemand erklären was bei der Regressionsanalyse von Excel das Häkchen bei "Konstante ist gleich 0" bewirkt? Mit der Option sehen meine Daten tatsächlich ganz annehmbar aus...

[PonderStibbons]

Aufgrund der Heterogenität der einzelnen Kategorien sollen 5 Unterregressionen gebildet werden. Die Idee war hierbei: Wenn bestimmte Aspekte wichtig sind, dann wird sich das auch in der abhängigen Variable, also der Attraktivität des eigenen Beruffeldes in der jeweiligen Kategorie niederschlagen (die Arbeitgeber versuchen das umzusetzen, was sich die Arbeitnehmer wünschen). Das scheint aber nicht der Fall zu sein.

Ich kann leider nicht behaupten, dass ich diese Erläuterung verstehe. "Hetergoneität der einzelnen Kategorien"
kann ich weder mit den Analysen auf der einen, noch der anderen "Stufe" verbinden.

Edit: Eine 2. Frage noch? Kann mir jemand erklären was bei der Regressionsanalyse von Excel das Häkchen bei "Konstante ist gleich 0" bewirkt? Mit der Option sehen meine Daten tatsächlich ganz annehmbar aus...

Vergiss das gleich mal.

Mit freundlichen Grüßen

PonderStibbons

[tstahl]

Aufgrund der Heterogenität der einzelnen Kategorien sollen 5 Unterregressionen gebildet werden. Die Idee war hierbei: Wenn bestimmte Aspekte wichtig sind, dann wird sich das auch in der abhängigen Variable, also der Attraktivität des eigenen Beruffeldes in der jeweiligen Kategorie niederschlagen (die Arbeitgeber versuchen das umzusetzen, was sich die Arbeitnehmer wünschen). Das scheint aber nicht der Fall zu sein.

Ich kann leider nicht behaupten, dass ich diese Erläuterung verstehe. "Hetergoneität der einzelnen Kategorien"
kann ich weder mit den Analysen auf der einen, noch der anderen "Stufe" verbinden.
[quote]

Okay, ich überlege gerade wie ich das gut erklären kann.

Also ich nehme mal 2 Kategorien als Beispiel. Die eine Kategorie beschäftigt sich mit der Flexibilität und da wäre zb eine Aussage: Ich fordere von meinem Arbeitgeber die Möglichkeit zur Remote-Arbeit.

Die andere Kategorie ist Digitalisierung. Eine der 5 Aussagen in dem Bereich wäre: Mir ist es wichtig, meine digitalen Kompetenzen weiterzubilden.

Würde ich eine gesamte Regression durchführen, hätte ich 25 Prädikatoren gehabt, die aus sehr unterschiedlichen Bereichen kommen. Zusätzlich war die Umfragemethode mit dem Ankerpunkt-Design halt ein weiteres Thema. Zuerst wollte ich die Umfrage als einfache Likkert-Skala durchführen. Im Pre-Test hat sich aber gezeigt, dass einfach alle Personen überall angegeben haben, dass ihnen das sehr wichtig ist. Dann hätte ich mir die Umfrage schenken können. Ich wollte sie zu einer Rangordnung zwischen. Hätte ich jedoch nur das reine Ranking abgefragt, dann wäre ich im ordinal-skalierten Bereich und hätte keine Regression durchführen können. Durch die Ankerpunkt-Methode wird die Wahrscheinlichkeit erhöht, dass die Probanden wirklich verhältnisskaliert angeben (Quelle Srinivasa und Park, die diese self-explicated method eingeführt haben). Mit dieser Umfragemethode hätte ich aber nie und nimmer 25 Prädikatoren in eine Frage packen können. Daher musste ich die Kategorien in diese Sinnabschnitte unterteilen....

[bele]

Hallo tstahl,

ich kenne diese Ankerpunktmethode nicht. Was Du schreibst, macht mich aber neugierig. "Ankerpunkt" ist ein zu weiter Begriff, ein zu vielseitig verwendetes Bild, um mit Google einen Leseeinstieg zu finden. Kannst Du mir einen (möglichst leicht verfügbaren) Leseeinstieg vorschlagen? Deutsch oder Englisch ist egal.

GLG,
Bernhard