STATISTIK-FORUM.de

[buba2906]

Hallo zusammen,

im Rahmen meiner Abschlussarbeit habe ich eine Vignettenanalyse durchgeführt um den Einfluss von Unternehmensinformationen auf die Attraktivität von Stellenanzeigen zu untersuchen.

Den Probanden wurden jeweils zwei Vignetten (Stellenanzeigen) mit 4 Dimensionen (Bild / Work-Life-Balance / Vergütung / Weiterbildung) mit je 2 Ausprägungen präsentiert.
Im ersten Schritt wurden die Probanden darum gebeten, sich für eine Stellenanzeige zu entscheiden. (Variable: "Wahl")
Danach wurde zunächst die präferierte Stellenanzeige im Hinblick auf Bewerbungsintention sowie die Attraktivität bewertet. Im nächsten Schritt wurde die andere Stellenanzeige bewertet.
Das Programm hat dafür für jede Variable ( Bewerbungsintention sowie die Attraktivität) zwei Variablen generiert. Bewerbungsintention_Winner und Bewerbungsintention_Loser und Attraktivität_Winner und _Loser.

Ich möchte den Einfluss der einzelnen Dimensionen (Bild / Work-Life-Balance / Vergütung) auf die Attraktivität der Stellenanzeigen untersuchen.
Die Professorin hat eine binär logistische Regression vorgeschlagen mit "Wahl(1/0)" als abhängige Variable.

Ist es richtig, bei der binären Regression. Wahl = Bild + Work-Life-Balance + Vergütung + die jeweiligen Variablen Bewerbungsintention_Winner und Attraktivität_Winner aufzunehmen?

Könnte ich in einer weiteren linearen Regression herausfinden, wovon die "Bewerbungsintention" abhängt? Also welche der vier Dimensionen die Bewerbungsintention beeinflusst? Wäre es dafür möglich, die beiden Variablen Bewerbungsintention_Winner und Bewerbungsintention_Loser zu mergen?
Haben diese beiden _Loser und _Winner Variablen überhaupt einen Sinn?
(Die Skalen dafür sind aus Studien entnommen und haben beide ein hohes Cronbach's Alpha...)

Herzlichen Dank im Voraus!

Gruß,
N.

[PonderStibbons]

Den Probanden wurden jeweils zwei Vignetten (Stellenanzeigen) mit 4 Dimensionen (Bild / Work-Life-Balance / Vergütung / Weiterbildung) mit je 2 Ausprägungen präsentiert.

Verstehe ich noch nicht recht. Was wurde wozwischen wie oft variiert? Und wie groß ist die Versuchspersonenstichprobe?

Mit freundlichen Grüßen

PonderStibbons

[buba2906]

Guten Morgen PonderStibbons,

vielen Dank für die Antwort

Die Stichprobe beträgt N=232.

Aus den 4 Dimensionen (Bild / Work-Life-Balance / Vergütung / Weiterbildung ) mit je 2 Ausprägungen (z.B. Work-Life-Balance: 0: Homeoffice - 1: Gleitzeit / Bild: 0: Bild ohne Bezug zur Stelle - 1 : Bild mit Bezug zur Stelle) konnten 16 Vignetten erstellten werden (2x2x2x2).

Diese wurden untereinander nochmal variiert, sodass es 240 mögliche Kombinationen gibt (16x15), da jede Versuchsperson 2 Vignetten gleichzeitig bewerten sollte.

Hoffe das war verständlicher

Viele Grüße
N.

[PonderStibbons]

Ich möchte den Einfluss der einzelnen Dimensionen (Bild / Work-Life-Balance / Vergütung) auf die Attraktivität der Stellenanzeigen untersuchen.
Die Professorin hat eine binär logistische Regression vorgeschlagen mit "Wahl(1/0)" als abhängige Variable.

Du hast eine explizite Messung der Variable Attraktivität. Und die Einflüsse auf
diese Variable willst Du untersuchen. Deswegen verstehe ich nicht, wieso "Wahl"
die abhängige Variable sein soll. Ob eine Anzeige gewählt wird, hängt zudem
nicht nur von ihren eigenen Merkmalen ab, sondern auch von den Merkmalen der
jeweiligen Alternative. Und da zudem gewählt werden MUSS, weiß ich auch nicht,
was für Verzerrungen wiederum dadurch zustande kommen.

Mit freundlichen Grüßen

PonderStibbons

[buba2906]

Danke für die Antwort PonderStibbons, das hat mir die Augen geöffnet.
Ich glaub ich muss nochmal mit ihr sprechen.

Es fällt mir auch sehr schwer Hypothesen für diese binäre Regression herzuleiten.

Wenn ich sage, dass die Wahrscheinlichkeit sich für die Stellenanzeige zu entscheiden sich erhöht, wenn die Stelle Gleitzeit statt Home-Office anbietet,
kann das ja gar nicht richtig sein, weil ich in dem Moment gar nicht die 2. Stellenanzeige betrachte.
Die zweite Stellenanzeige könnte auch Home-Office anbieten. (Jede Vignette unterscheidet sich in mindestens einem Aspekt, also Home-Office kann durchaus in beiden Stellenanzeigen vorkommen)

Ich hätte auch gedacht, dass die Skala "JobAttraktivität" die abhängige Variable darstellt aber das wäre wohl falsch laut meiner Professorin...

Viele Grüße
N.

[bele]

Hallo Buba,

Ich glaub ich muss nochmal mit ihr sprechen.

Es fällt mir auch sehr schwer Hypothesen für diese binäre Regression herzuleiten.

Ich denke, dass Deine Betreuerin sich hier auf das sogenannte Bradley-Terry-Modell bezieht und würde vorschlagen, dass Du diesen Begriff ausgiebig googlest und Dich vor dem Gespräch dort einliest. Es wäre zu dumm, wenn Du ihr die Untauglichkeit eines Modells erklärst, dass seit 1952 bekannt und Gegenstand einiger darauf aufbauender und es erweiternder Publikationen ist. Es könnte auch Sinn machen, in die Einleitungen einer Artikel zu diesem Modell aus verschiedenen Jahrzehnten zu schauen, ob die Autoren sich darauf beziehen, dass irgendwer das Modell grundsätzlich kritisiert.

Wenn ich sage, dass die Wahrscheinlichkeit sich für die Stellenanzeige zu entscheiden sich erhöht, wenn die Stelle Gleitzeit statt Home-Office anbietet,
kann das ja gar nicht richtig sein, weil ich in dem Moment gar nicht die 2. Stellenanzeige betrachte.

Andererseits geht die 2. Stellenanzeige ja mit einer 0 als Verlierer ins gleiche Modell ein. Es ist also falsch, dass sie nicht betrachtet würde.

Die zweite Stellenanzeige könnte auch Home-Office anbieten. (Jede Vignette unterscheidet sich in mindestens einem Aspekt, also Home-Office kann durchaus in beiden Stellenanzeigen vorkommen)

Dann würde das Modell die Tatsache, dass Home-Office einmal als Sieger und einmal als Verlierer ins Modell eingeht wohl als Hinweis deuten, dass es diesmal die anderen Parameter gewesen sein müssen, die die Auswahlwahrscheinlichkeit beeinflusst haben und die Koeffizienten und deren Standardfehler entsprechend anpassen. Klingt für mich ziemlich sachgerecht.

Ich hätte auch gedacht, dass die Skala "JobAttraktivität" die abhängige Variable darstellt aber das wäre wohl falsch laut meiner Professorin...

Das ist wohl in erster Linie eine Frage, wie man die Hauptfragestellung der Studie formuliert. Vielleicht sehen Du und Deine Betreuerin das verschieden. Zum anderen ist Präferenz für eine Stelle ein hartes Kriterium, das jeder versteht. Wie "Attraktivität" zu messen sei und ob alle Teilnehmer darunter das gleiche verstehen und ob da genügend Varianz ist, das ist bei so abstrakten Größen doch alles kompliziert. Nehmen Sie A oder B, das ist ganz einfach.

JMTC,
Bernhard

[buba2906]

Hallo Bele,

vielen Dank für die Antwort.
Das Modell habe ich gegooglet und es sieht aus als würde es auch gut auf meine Fragestellung passen.
Wäre auf jeden Fall peinlich, wenn ich das Modell vor ihr schlecht gemacht hätte

"Andererseits geht die 2. Stellenanzeige ja mit einer 0 als Verlierer ins gleiche Modell ein. Es ist also falsch, dass sie nicht betrachtet würde."
- Das stimmt natürlich! Hatte ich eben gar nicht auf dem Schirm

"Das ist wohl in erster Linie eine Frage, wie man die Hauptfragestellung der Studie formuliert. Vielleicht sehen Du und Deine Betreuerin das verschieden. Zum anderen ist Präferenz für eine Stelle ein hartes Kriterium, das jeder versteht. Wie "Attraktivität" zu messen sei und ob alle Teilnehmer darunter das gleiche verstehen und ob da genügend Varianz ist, das ist bei so abstrakten Größen doch alles kompliziert. Nehmen Sie A oder B, das ist ganz einfach."

Also die Forschungsfrage lautet: Wie beeinflussen Unternehmensinformationen die Attraktivität von Stellenanzeigen?
Ich habe heute nochmal mit ihr gesprochen, und sie sagte dass mein vorgeschlagenes Modell mit diesen Variablen:

Wahl (0/1) = Work-Life-Balance + Vergütung + Bild + Weiterbildung + Bewerbungsintention_Winner + Jobattraktivität_Winner + Organisationale Merkmale_Winner

...gut aussehen würde. Als Kontrollvariablen könnte man noch Geschlecht und Alter mit in die Regression nehmen.

Eine Frage habe ich noch! Ich habe ja erwähnt, dass die Skalen (Jobattraktivität/organisationale Merkmale/Bewerbungsintention) jeweils für die Stellenanzeige generiert wurde, die gewählt würde (Winner) und auch für die, die nicht gewählt wurde (Loser).

Wenn ich in der deskriptiven Statistik ein bisschen über die Skalen schreiben möchte, fasse ich die dann zu einer neuen Variablen zusammen? Quasi
Variable_Winner + Variable_Loser = Variable ?

Wir haben uns jetzt übrigens für folgende Hypothesen entschieden:

H1: Die Wahrscheinlichkeit, sich für eine Stellenanzeige zu entscheiden/diese auszuwählen ist höher, wenn diese Gleitzeit (Statt Home-Office) aufführt.

H2: Die Wahrscheinlichkeit, sich für eine Stellenanzeige zu entscheiden/diese auszuwählen ist höher, wenn diese ein höheres Gehalt (statt eines durchschnittlichen Gehalts) aufführt.

Vielen Dank nochmal!

Viele Grüße,
N.

[strukturmarionette]

Hi,

Wir haben uns jetzt übrigens für folgende Hypothesen entschieden:
H1: Die Wahrscheinlichkeit, sich für eine Stellenanzeige zu entscheiden/diese auszuwählen ist höher, wenn diese Gleitzeit (Statt Home-Office) aufführt.
H2: Die Wahrscheinlichkeit, sich für eine Stellenanzeige zu entscheiden/diese auszuwählen ist höher, wenn diese ein höheres Gehalt (statt eines durchschnittlichen Gehalts) aufführt.

- Mir fehlt der Bezug zu dem vorherigen.
- Auch sind mir derartige Arbeitshypothesenformulierungen fremd.

Gruß
S.

[buba2906]

So habe die Regression nun ausgewertet.

Gibt es eine Möglichkeit die Verliererstellenanzeige zu analysieren? Obschon die eine Stellenanzeige nicht gewählt wurde kann es ja trotzdem ein guter Job sein (wenn man sich die Bewerbungsintention / JobAttraktivtität) anschaut.

Gibt es eine Möglichkeit das statistisch irgendwie mit Tests herauszufinden?

VIelen Dank )

[PonderStibbons]

Gibt es eine Möglichkeit die Verliererstellenanzeige zu analysieren? Obschon die eine Stellenanzeige nicht gewählt wurde kann es ja trotzdem ein guter Job sein (wenn man sich die Bewerbungsintention / JobAttraktivtität) anschaut.

Lässt sich das in die Form einer präzisen und verständlichen Fragestellung bringen?
Vorzugsweise unter Nennung dessen, was womit verglichen werden soll.

Mit freundlichen Grüßen

PonderStibbons