STATISTIK-FORUM.de

[derhighlander]

.

[strukturmarionette]

N?

[derhighlander]

Knapp 170000

[strukturmarionette]

Für Inferenzstatistik stellt sich dann die Frag nach NV nicht.

[bele]

Hallo derhighlander,

Die Daten, die ich zur Verfügung habe und zwischen denen ich Korrelationen bestimmen muss sind nicht normalverteilt sondern stark gekrümmt.

Ich kenne schiefe Verteilungen und aber gekrümmte Daten? Meinst Du damit schief verteilte Daten oder meinst Du damit, dass es einen kurvilinearen Zusammenhang zwischen den beiden Variablen gibt?

Meine Frage ist jetzt ob ich das einfach so machen kann und wenn ja, ob ich dann noch am Ergebnis irgendwas anders interpretieren muss

Anders als was? Du kannst nicht die Linearität von logarithmierten Daten als Maß für die Linearität nicht-logarithmierter Daten verkaufen. Wenn Du nicht ohnehin schon die Daten für sinnvoll zu logarithmieren gehalten hast, wäre vielleicht eine Rangtransformation im Sinne einer Spearman-Korrelation eine sinnvolle Alternative. Nur so als Gedankenanstoß.

LG,
Bernhard

[PonderStibbons]

Was sind das für Variablen, mit welcher Fragestellung werden sie korreliert?
Wie hast Du die Schiefe (?) bestimmt (grafisch?)? Und warum willst Du nicht die
schief (?) verteilten Variablen nehmen? Der Pearson-Koeffizient als solcher
ist valide, egal wie die Daten verteilt sind, und solltest Du Dir wegen
Signifikanztesterei Gedanken machen, bei 17.000 Fällen stellt sich ein
Problem (wie bereits oben angemerkt wurde) sicher nicht.

Mit freundlichen Grüßen

PonderStibbons

[derhighlander]

.

[PonderStibbons]

Ich hatte gedacht, dass eine Voraussetzung für die valide Anwendung des Pearson Faktors ist, dass die Daten normalverteilt sind.

Der Koeffizient ist der Koeffizient, egal wie deine Daten verteilt sind. Und wie gesagt, der statistische Test
des Koeffizienten (nur für den nimmt man normalverteilte Grundgesamtheiten an) ist bei sehr hohen Fallzahlen
und entsprechenden winzigen Stichprobenfehlern keine Diskussion mehr wert. Allerdings habe ich keine wirkliche
Vorstellung, was Du womit korrelierst, ich verstehe Deine Studienbeschreibung leider nicht. Die 170.000 ist die
Zahl der untersuchten Webseiten?
Wenn die Beziehungen zwischen den Variablen eindeutig non-linear sind oder aus einem inhaltlichen Grund eine
Transformation wie z.B. Logarithmieren naheliegt, kann man natürlich neu überlegen. Ansonsten wäre ja die Frage,
was "die Korrelation zwischen der logarithmierten Variable A und der logarithmierten Variable B ist r=0,13" bedeuten
soll. Schiefe > 4 ist allerdings bemerkenswert.

Mit freundlichen Grüßen

PonderStibbons

[derhighlander]

.

[PonderStibbons]

Ok, aufgrund der Natur der Daten kann man über Logarithmen durchaus reden.
Wir haben es ja hier mit exponenziellem Wachstum zu tun, nicht mit linearem.
Wie viele und welche VariabLen hast Du zur Vorhersage der Abonnentenzahlen?
Und welches ist der Zweck der Studie, was für Konsequenzen haben dei Ergebnisse?

Mit freundlichen Grüßen

PonderStibbons