STATISTIK-FORUM.de

Hallo liebe Leute!

Ich habe für meine Bachelorarbeit einen Fragebogen zum umweltbewussten Verhalten verwendet. Der Fragebogen ist zusammengesetzt aus 11 Items, von denen 7 auf einer 4-stufigen Likert-Skala erfasst wurden und die restlichen 4 im Ja/Nein Format. Ich habe jetzt also intervallskalierte und dichotome Daten. Wenn ich jetzt den Rohwert für die Teilnehmenden bilde (Punktzahl einfach auf addieren, Ja=1; Nein=0), dann hätte ich ja Punktezahlen im Bereich von 0-32.
Sind diese Rohwerte für eine Regression geeignet? Falls nein, wüsste jemand, wie ich die Daten so aufbereiten kann, dass sie für eine Regression geeignet sind?

Ich hoffe die Frage ist verständlich :-/

Liebe Grüße

Ich habe für meine Bachelorarbeit einen Fragebogen zum umweltbewussten Verhalten verwendet. Der Fragebogen ist zusammengesetzt aus 11 Items, von denen 7 auf einer 4-stufigen Likert-Skala erfasst wurden

Obacht, Likert-Skala ist nicht das Antwortformat eines Likert-Items nutzung-des-forums-f44/likertskalen-und-anderes-t9192.html

Ich habe jetzt also intervallskalierte und dichotome Daten.

Die Scores der einzelnen Items sind ordinal. Die Summenskala allerdings kann man als intervallskaliert behandeln, insofern richtig.

Wenn ich jetzt den Rohwert für die Teilnehmenden bilde (Punktzahl einfach auf addieren, Ja=1; Nein=0), dann hätte ich ja Punktezahlen im Bereich von 0-32.

Womit rechtfertigst Du es, die ja/nein-Fragen einfach zu addieren? Und dies im 0/1-Format?

Sind diese Rohwerte für eine Regression geeignet?

Was meinst Du damit?

Mit freundlichen Grüßen

PonderStibbons

Das mit den Ja/Nein Fragen ist -denke ich- gerechtfertigt, weil die Fragen so oder so ähnlich lauten:
"Haben Sie in den letzten fünf Jahren eine Petition zum Thema Umweltschutz unterschrieben?"
Wer hier ja antwortet ist umweltbewusster und sollte somit einen Punkt mehr bekommen.

Voraussetzung einer Regression ist ja, dass die Daten intervallskaliert sind. Also müssten die Rohwerte intervallskaliert sein, damit ich eine Regression rechnen kann. Ich habe mich deshalb gefragt, ob die Werte intervallskaliert sind, wenn ich eine einfache Addition vornehme..

Das mit den Ja/Nein Fragen ist -denke ich- gerechtfertigt, weil die Fragen so oder so ähnlich lauten:
"Haben Sie in den letzten fünf Jahren eine Petition zum Thema Umweltschutz unterschrieben?"
Wer hier ja antwortet ist umweltbewusster und sollte somit einen Punkt mehr bekommen.

Die haben ein anderes Antwortformat als die anderen Fragen weswegen man sie nicht einfach aufaddieren kann.
Womöglich sind sie auch inhaltlich unterschiedlich (z.B. hier: Verhalten ja/nein; Likert-Items: Zustimmung
zu einer Aussage), weswegen man sie nicht addieren kann.

Und selbst wenn es möglich wäre, wieso bekommt "ja" (= "volle Zustimmung") hier nur 1 Punkt, bei den
Likert-Items dagegen volle Zustimmung 3 (oder 4) Punkte? Das verleiht den Items unterschiedliches Gewicht -
womit ist das zu rechtfertigen?

Voraussetzung einer Regression ist ja, dass die Daten intervallskaliert sind. Also müssten die Rohwerte intervallskaliert sein, damit ich eine Regression rechnen kann. Ich habe mich deshalb gefragt, ob die Werte intervallskaliert sind, wenn ich eine einfache Addition vornehme.

Falls die 7 Likert-Items sachgerecht konstruiert sind, kann man deren Summenscore wie gesagt wie eine
Intervallskala behandeln.

Mit freundlichen Grüßen

PonderStibbons

Genau dieses Problem mit der Gewichtung der Antworten habe ich auch gesehen... Also kann ich die dichotomen Items definitiv nicht verwenden, wenn die Werte zum Schluss intervallskaliert sein müssen?

Genau dieses Problem mit der Gewichtung der Antworten habe ich auch gesehen...

Und wieso nicht gleich explizit angesprochen?

Also kann ich die dichotomen Items definitiv nicht verwenden, wenn die Werte zum Schluss intervallskaliert sein müssen?

Ob sie inhaltlich zu den Likert (?)-Items passen oder nicht, weiß ich nicht, diese
sind leider nicht dargestellt.
Ob und wie Du verschieden skalierte Items addieren können solltest, das sehe ich
wie gesagt nicht triftig durch Dich begründet.

Mit freundlichen Grüßen

PonderStibbons