STATISTIK-FORUM.de

Hallo,

ich habe mittels Faktoranalyse und Reliabilitätsanalyse 5 verschiedene "additive Skalen" gebildet. Diese haben eine Ausprägung von 0-3, 0-5 und 0-9 (je nachdem, wieviele Variablen mit der Ausprägung 0-1 (trifft nicht zu/trifft zu) zugrunde lagen). Es wurde also im Prinzip die "1"en gezählt. Meine Frage: Kann man diese Skalen irgendwie sinnvoll skalieren, dass diese eine einheitliche Ausprägung haben, also von 0-1?

Ich habe das z.B. wie folgt gemacht:
Compute IndexArbeitsklima= (v6.8.1_a + v6.8.1_b + v6.8.2_a + v6.8.2_b + v6.8.3_a + v6.8.3_b)/6.
Compute IndexFreundlichkeit=(v6.8.3_c + v6.8.3_d + v6.8.3_e + v6.8.3_g + v6.8.3_h)/5.

Ich komme damit auf eine Skala von 0-1, weiß aber nicht, ob ich hier noch z-transformieren muss oder es schon so ok ist???

Ergebensten Dank für eine schlaue Antwort.
Benni

Kann man diese Skalen irgendwie sinnvoll skalieren, dass diese eine einheitliche Ausprägung haben, also von 0-1?

Wozu?

Ich komme damit auf eine Skala von 0-1, weiß aber nicht, ob ich hier noch z-transformieren muss

Wozu?

Mit freundlichen Grüßen

PonderStibbons

Ich verstehe das "Wozu?" nicht so ganz, habe ich schon alles richtig gemacht oder ist meine Frage unverständlich?

Wie gesagt, ich habe mehrere additive Skalen/Indizes gebildet, die eine unterschiedliche Spannweite (je nachdem, wieviele Variablen aus der Faktoranalyse zugrunde lagen) haben. Diese kann man also schlecht miteinander vergleichen - deshalb mein beschriebenes Vorgehen. Ist das so ok oder muss man "z-transformieren"?

Wie soll man Dein Vorgehen bewerten, wenn der Sinn und Zweck nicht dargestellt ist?
Ich sehe ohne weitere Informationen weder in der Division noch in der z-Standardisierung
einen Sinn, kann das aber genausowenig als abwegig beurteilen.

Diese kann man also schlecht miteinander vergleichen

In welcher Hinsicht, mit welchem Ziel?

Mit freundlichen Grüßen

PonderStibbons

In der Schule haben wir gesagt, dass man Äpfel nicht mit Birnen vergleichen kann. Auch Arbeitsklima und Freundlichkeit sind zwei verschiedene Dinge, die man nicht unmittelbar miteinander vergleichen kann. Unter gegebenen Umständen und um eine bestimmte Frage zu beantworten, mag so etwas mal sinnvoll sein, aber ohne die Umstände und die Frage zu kennen, kann man da nicht raten. Wenn Du zum Beispiel einen Satz der Art "Hundert Praktikanten fanden das Arbeitsklima angenehmer als die Freundlichkeit der Mitarbeiter", dann macht standardisieren keinen Sinn, denn dann haben nachher beide Größen einen durchschnittlichen Wert von Null. Sehr oft kommt man bei genauem Nachdenken darauf, dass man solche Werte eigentlich gar nicht vergleichen, sondern mit etwas korrellieren will. Dann aber macht es gar keinen Unterschied, ob man dividiert oder standardisiert, weil die Korrelationen gleich bleiben.

LG,
Bernhard

Danke für die Antworten,

ich möchte anhand der Skalen (oder sagt man Inidzes?) Gruppenunterschiede nachweisen (z.B. in Team 1 ist das Arbeitsklima besser als in 2, dito für die anderen Skalen). Ich h abe mir erhofft, dass die einheitliche Darstellung von 0-1 für den Betrachter einfacher ist, als wenn die Skalen unterschiedliche Spannweiten haben. Ich entnehme aber, dass eine gemeinsame Darstellung der Skalen (Balken) in einem einzigen Häufigkeitsdiagramm nicht sinnvoll ist? Und für Korrelationen wäre mein vorgehen also offenbar korrekt, oder? Entschuldigt meine naiven Fragen, Statistik ist bis jetzt noch nicht so mein Lebensinhalt gewesen - aber so langsam macht es Spaß.

Wenn Du Werte zwischen 0 und 1 für Dein Publikum leichter findest, dann mach das. Allgemein üblich ist das nicht, aber da es mathematisch nicht falsch ist, ist es zwecks besserer Kommunikation vertretbar. Vergleiche der gleichen Skalen für zwei Gruppen und Korrelationen verlaufen ohne und mit Division gleich.

LG,
Bernhard

Hi,

ich habe mittels Faktoranalyse und Reliabilitätsanalyse 5 verschiedene "additive Skalen" gebildet.

- Um welche fünf Konstrukte handelt es sich dabei Einzelnen?
- Aus wievielen Items bestehen die fünf unterscheidlichen Skalen jeweils?
- Wie groß sind Deine Stichproben?
- Wie bis bist Du bei der Reliabilitätsanalyse vorgegagen und wie bei der FA?
- Wie sind die Befunde daraus?

Gruß
S.