Seite 1 von 1

Störgrößen kontrollieren - Welches Verfahren?

BeitragVerfasst: So 5. Mai 2019, 23:00
von RyonX
Hallo zusammen,

ich würde gerne für eine Drittvariable kontrollieren, habe jedoch nicht normalverteilte Daten (intervallskalierte AV, UV) und Störgrößen sind Alter, Geschlecht, Unternehmenszugehörigkeit, Funktion oder Ausbildungsstand im Unternehmen, usw. (N=126)

Jetzt frage ich mich, welches Verfahren ich hier anwenden soll.
Habe einiges über partielle Korrelation gelesen, für nicht normalverteilte Daten wird jedoch manchmale multiple lineare Regression vorgeschlagen.
Kann mir jemand erklären, ob beide Verfahren funktionieren oder warum eines besser ist als das andere?

Vielen Dank und viele Grüße
Markus

Re: Störgrößen kontrollieren - Welches Verfahren?

BeitragVerfasst: So 5. Mai 2019, 23:09
von PonderStibbons
Beschreib einmal die Studie zusammenhängend und nachvollziehbar. Wie lautet die Fragestellung, wie sah das Erhebungsdesign aus, wie wurde die Stichprobe gewonnen? Welche Variablen wurden konkret wie gemessen? Wie sollen die Daten statistisch ausgewertet werden und aus welchem Grund wäre anzunehmen, dass „normalverteilte Daten“ dabei von Relevanz sein sollten?

Mit freundlichen Grüßen

PonderStibbons

Re: Störgrößen kontrollieren - Welches Verfahren?

BeitragVerfasst: Mo 6. Mai 2019, 19:30
von RyonX
Hallo PonderStibbons,

meine Fragestellung lautet: Welchen Einfluss haben Arbeits- und Organisationsbedingungen in der Produktion auf die psychische Gesundheit von Produktionsmitarbeitern und welche wiederum diese auf die Effizienz eines kontinuierlichen Verbesserungsprozesses.

Alle drei Konstrukte wurden mittels eines Fragebogens erhoben, in dem insgesamt 126 Mitarbeiter in zwei Unternehmen befragt wurden. Zum Einsatz kamen Skalen und Subskalen von z.B. Job Diagnostics Survey, SALSA, GEMNET, KoGA sowie weiteren Studien. Weiterhin wurde biographische Daten der Teilnehmer erhoben (Alter, Geschlecht, Qualifikation, Funktion im Unternehmen, Unternehmenszugehörigkeit)
Eine Hypothese von mir ist nun, dass sich eine Korrelation zwischen den unterschiedlichen Skalen von Arbeits- und Organisationsbedigungen und Gesundheit zeigt, jedoch für z.B. das Geschlecht in unterschiedlicher Ausprägung. Männer z.B. soziale Kontakte weniger suchen als Frauen, Frauen evtl. von körperlichen Belastungen stärker psychosomatisch mitgenommen werden. Auch könnte das Alter (Erfahrung, Gelassenheit im Job) eine Strövariable sein, das ältere Menschen ggf. resilienter gegen Stressreaktionen durch Arbeits- und Organisationsbeidnungen sind. Un diese Variablen möchte ich gerne kontrollieren, um auf die "wahren" Höhe der Zusammenhänge zu kommen.

Normalverteilungstests nach Kolgomorov-Smirnov und Shapiro-Wilk zeigen für viele Skalen (nicht alle) keine Signifikanz, also muss ich von nichtnormalverteilen Daten ausgehen.

Mir stellt sich halt nun die Frage, ist die Normalverteilung für partielle Korrelatinen oder Regression von Relevanz, so wie sie es z.B. für die bivariate Korrelation ist (Pearson vs. Spearman, Kendall)

Vielen Dank für die Hilfe.
Markus

Re: Störgrößen kontrollieren - Welches Verfahren?

BeitragVerfasst: Mo 6. Mai 2019, 20:01
von strukturmarionette
Hi,

- deine zentrale Frage zu NV stellt sich nicht; auch ist Deine Signifikanztesterei diesbezüglich (insb auch deine Interpretation) Unsinn.
Sweit es diesen Sachverhalt betrifft, enthält bspw dieses Forum gute Darlegungen dazu.
Vielmehr sollte du alles das, was PonderS bemerkte, zunächst eindeutig (für Dich) klarkriegen und aufschreiben.

Gruß
S.

Re: Störgrößen kontrollieren - Welches Verfahren?

BeitragVerfasst: Di 7. Mai 2019, 12:50
von PonderStibbons
Einige Überlegungen beschreiben nicht "Störgrößen" (konfundierte Variablen) sondern Moderatoreffekte (z.B. "Frauen evtl. von körperlichen Belastungen stärker psychosomatisch mitgenommen werden"; "Alter macht resilienter gegen Belastungen"), d.h. es müssten zusätzich Wechselwirkungen zwischen Moderator (z.B. Geschlecht, Alter) und Prädiktor (Belastung) in das Modell aufgenommen werden.

Was die Normalverteilung angeht, das ist bei Regressionsmodellen eine weitgehend unwichtige Frage. Präzise bezieht sich diese Annahme auch nicht auf Variablen (schon mal gar nicht auf die Prädiktorvariablen, aber auch nicht auf die abhängige Variable), sondern die Verteilung der Vorhersagefehler (Residuen) des Regressionsmodells. Ist die Stichprobe ausreichend groß (n > 30 oder n > 50 je nach Quelle), sind die Signifikanztests bei einer Regression aber ausreichend robust gegen nicht-normalverteilte Residuen.

Mit freundlichen Grüßen

PonderStibbons