STATISTIK-FORUM.de

Hallo zusammen,

ich beschäftige mich gerade mit der Auswertung einer Befragung (n=1400) die in einem Einkaufszentrum durchgeführt wurde.
Nun würde ich gerne einzelne Variablen näher analysieren und prüfen, wodurch dieses erklärt werden können. Ein Beispiel soll das Ganze verdeutlichen:

Den Daten ist zu entnehmen, dass insgesamt x Geschäfte besucht wurden, von jedem Besucher x Euro ausgegeben wurden, 120 Minuten Zeit im Center verbraucht wurde usw. Nun habe ich verschiedene demographische Variablen (Alter in Klassen, Einkommen in Klassen usw. jeweils also ordinal skaliert) aber auch bestimmte Besuchsmotive (Freizeit vs. Versorgung; jeweils auf einer Skala von 1 bis 6; stimme voll zu bis stimme gar nicht zu) und Einstellungschriterien (habe Spaß beim Einkaufen, kaufe in erster Linie Angebote, kaufe häufig ungeplant Dinge usw. jeweils auf einer Skala von 1 bis 6; stimme voll zu bis stimme gar nicht zu)

Jetzt bin ich auf der Suche nach einem Instrument, das mir sagen kann, welche unabhängige Variable (z.B. Besuchsmotiv) den größten Einfluss auf die abhängige Variable (z.B. Zahl der besuchten Geschäfte) hat.

Ist die Regressionsanalyse hierfür richtig?

Ich habe nämlich einmal testweise alle unabhängigen Variablen, die interessant sind und eine entsprechende abhängige Variable verwendet, um damit in SPSS eine lineare Regression zu berechnen.



Dabei kam aber nur ein angepasstes R² von 0,051 raus. Heißt das eventuell, dass meine Daten für eine derartige Auswertung gar nicht geeignet sind?

Gibt es in diesem Fall eine Alternative, um klären zu können, welche der von mir erfassten unabhängigen Variablen den größten Erklärungsanteil für die AV hat?

Viele Grüße
kryptix

Dabei kam aber nur ein angepasstes R² von 0,051 raus. Heißt das eventuell, dass meine Daten für eine derartige Auswertung gar nicht geeignet sind?

Es kann schlicht heißen, dass Deine Prädiktoren nicht besonders
vorhersagefähig sind für Ausgaben_summe. Vielleicht gabe auch
noch Fehler bei der Durchführung.

Nebenbei musst Du Dir eventuell Gedanken machen über die Behandlung
fehlender Werte. Wenn von 1400 Befragten gerade mal 600 in der
Gleichung verbleiben, dann sieht das erstmal bedenklich aus.

Mit freundlichen Grüßen

P.

Welche Möglichkeiten gäbe es, um den Einfluss von diversen unabhängigen Variablen auf eine bestimmte AV herauszufinden und dabei die Wechselwirkungen der einzelnen UV untereinander zu "bereinigen"?

Wenn ich nun prüfen möchte, inwieweit sich Alter, Einkommen, Geschlecht und ein spezifisches Besuchsmotiv auf das Einkaufen auswirken, kann ich dann herausfinden, was davon tatsächlich auf das Besuchsmotiv und keine andere (mit dem Besuchsmotiv mglw. korrelierenden) UV zurückzuführen ist?

Welche Möglichkeiten gäbe es, um den Einfluss von diversen unabhängigen Variablen auf eine bestimmte AV herauszufinden

Hast Du ja bereits gemacht - multiple Regression.

und dabei die Wechselwirkungen der einzelnen UV untereinander zu "bereinigen"?

Was genau ist damit gemeint?

Wenn ich nun prüfen möchte, inwieweit sich Alter, Einkommen, Geschlecht und ein spezifisches Besuchsmotiv auf das Einkaufen auswirken, kann ich dann herausfinden, was davon tatsächlich auf das Besuchsmotiv und keine andere (mit dem Besuchsmotiv mglw. korrelierenden) UV zurückzuführen ist?

Kausale Beziehungen lassen sich mit einer korrelativen Beobachtungsstudie
nicht einwandfrei nachweisen. Man kann natürlich Prädiktoren, die mutmaßlich
den Zusammenhang einer bestimmten Variablen mit der abhängigen Variable
erklären könnten, mit in die Gleichung aufnehmen. Aber man weiß halt nie,
welche Ko-Variablen in der Gleichung fehlen.

Mit freundlichen Grüßen

P.

OK. Vielen Dank. Dafür.

Das heißt dann ja aber auch, dass ich anstelle einer Regressionsanalyse auch die Korrelationen einzelner Variablen berechnen und diese vergleichend gegenüberstellen könnte (Korrelation von Alter und Konsumausgaben sehr gering, während Korrelation zwischen Besuchsmotiv und Ausgaben sehr hoch). Daraus ließe sich ja erkennen, zwischen welchen Variablen größere und kleinere Zusammenhänge vorliegen. Oder?

Viele Grüße