Hallo meine Lieben,
ich muss jetzt wieder mal eine Frage stellen ... In meiner Arbeit geht es um Risiken und Potenziale der Nutzung sozialer Medien (in der Gastronomie). Nun habe ich schon mehrere Analysen durchgeführt, die ich in die Arbeit einbauen möchte.
Ich habe nun allerdings folgendes Problem: Eine meiner Hypothesen besagt, dass Nicht-Nutzer ein höheres Risikoempfinden haben als Nutzer (mit Nutzung ist Social Media Nutzung gemeint). Die Risiken wurden mit Hilfe von 10 Items abgefragt (jeweils von 1= stimme voll zu bis 5 = stimme nicht zu). Ich habe im darauffolgenden Schritt die Summenwerte der Items gebildet und danach diese Summen in Kategorien umgewandelt (beispielsweise hohes Risikoempfinden, eher hohes Risikoempfinden usw.). Wenn ich mir jetzt eine Kreuztabelle (Nutzung vs Risikoempfinden nach Kategorien) ausgeben lasse bekomme ich eine sehr anschauliche Grafik, die zeigt, dass Nicht-Nutzer zum Großteil bei hohem-eher hohem Risikoempfinden einzuordnen sind, während Nutzer großteils niedriges Risikoempfinden aufwesen.
Dies ist allerdings natürlich aufgrund unterschiedlicher Stichprobengröße (Nutzer = 58, Nicht-Nutzer = 23) nur bedingt interpretierbar. Diese Stichprobe ist allerdings ein gutes Abbild der Grundgesamtheit (die ich vor Befragung erhoben und hinsichtlich SM Nutzung untersucht habe) - getestet wurde das mit dem Test auf Binominalverteilung (zur Info: aus der Grundgesamtheit von 545 Restaurants ergab sich, dass rund 64% Social Media nutzen, 36% SM nicht nutzen). Nun bin ich mir allerdings unsicher wie ich meine Hypothese testen sollte. Aufgrund der Skalierung der Variablen (Nutzung = nominal, Risikokategorien = ordinal) dachte ich an den U-Test nach Mann & Whitney. Nun frage ich mich aber inwiefern es sinnvoll ist dies zu vergleichen, kann es da durch die kleine Anzahl von Nicht-Nutzern (=23) zu Verzerrungen kommen? Ein weiteres Problem besteht möglicherweise darin, dass bei der 5stufigen Skala auch sehr oft die mittlere Kategorie (unentschieden) gewählt wurde, sowohl von Nutzern als auch von Nicht-Nutzern.
Gibt es hier noch eine andere Möglichkeit die Hypothese zu testen? Ich gehe nämlich nicht davon aus, dass hier die deskriptive Statistik bzw. Kreuztabelle reicht oder? Könnte ich möglicherweise die Summenwerte der 10 Items statt auf 5 Kategorien auf 4 Kategorien aufteilen (d.h. ich "eliminiere" die Befragten, die in die Kategorie "unentschieden" fallen, indem ich diese Kategorie beispielsweise in die Hälfte teile, die eine Hälfte wandert also nach links in Richtung hohes Risikoempfinden, die andere Hälfte wandert in Richtung niedriges Risikoempfinden)?
Ganz liebe Grüße,
Bianca