Statistik / R Commander?
Hallo zusammen,
ich bearbeite gerade eine Teilaufgabe im Master-Modul Statistik/Datenanalyse und nutzen dafür auch das Programm R.
Meine erste Frage: Sind die Skalierungen richtig?
- Geschlecht = nominal
- Beschäftigungsstatus (teilzeit oder vollzeit zur Auswahl) = nominal
- Führungsverantwortung (ja oder nein zur Auswahl) = nominal
- Physische Belastung (Mittelwert aus mehreren kleinen Frage, Stärke zwischen 1-4) = ordinal oder metrisch?
- Psychische Belastung (Mittelwert aus mehreren kleinen Frage, Stärke zwischen 1-4) = ordinal oder metrisch?
Meine zweite Frage zum R Commander:
Wenn man die Korrelation zwischen den Variablen berechnet im Programm, werden einem dann nur Ergebnisse angezeigt, wenn die Voraussetzungen für den jeweiligen Koeffiziente stimmen oder wird es immer ( als auch falsch) berechnet?
Vielen Dank im Voraus!
1 Antwort
- Skalierungen der Variablen:
- Geschlecht: Richtig, es handelt sich um eine nominale Variable, da sie Kategorien (z. B. männlich, weiblich) darstellt, aber keine Rangordnung oder natürliche Reihenfolge aufweist.
- Beschäftigungsstatus: Richtig, auch diese Variable ist nominal, da sie verschiedene Kategorien (z. B. Teilzeit, Vollzeit) repräsentiert.
- Führungsverantwortung: Richtig, wiederum eine nominale Variable, da sie lediglich zwei nicht-numerische Kategorien (z. B. ja, nein) hat.
- Physische Belastung: Diese Variable ist ordinal, da sie eine Rangordnung aufweist (Stärke 1-4), aber die Unterschiede zwischen den Werten nicht gleichmäßig sind. Ordinale Variablen können nur die Reihenfolge, nicht aber die Differenzen oder Proportionen repräsentieren.
- Psychische Belastung: Ebenfalls ordinal, da sie eine Rangordnung hat (Stärke 1-4), aber die Abstände zwischen den Werten nicht gleichmäßig interpretierbar sind.
Im Allgemeinen berechnet R Commander die Korrelationen, unabhängig davon, ob die Voraussetzungen für bestimmte Koeffizienten erfüllt sind oder nicht. Es liegt in der Verantwortung des Nutzers sicherzustellen, dass die berechneten Korrelationen sinnvoll und statistisch valide sind. Einige Korrelationskoeffizienten (wie der Pearson-Korrelationskoeffizient) setzen zum Beispiel voraus, dass die beteiligten Variablen metrisch und normalverteilt sind. Wenn diese Annahmen nicht erfüllt sind, können die Ergebnisse verzerrt oder unzuverlässig sein. Daher ist es wichtig, die Eigenschaften deiner Variablen zu berücksichtigen und möglicherweise auch alternative Korrelationsmaße zu verwenden, die weniger restriktive Annahmen haben.