Verbundene oder unverbundene Stichprobe?

1 Antwort

H1:

Unverbundene Stichproben wie du sagst. Verstehe nicht genau, was du meinst mit der Aussage "bei 6 Fragen sind sie Teil der gleichen Stichprobe".

H2:

Wenn du ältere und jüngere Arbeitnehmer bei H2 vergleichst, kannst du entweder den Kontext ignorieren (eher nicht so gut), und das als VErsuch mit einem unabhängigen Faktor auswerten (Arbeitskontext: Möbelhaus vs. nicht Möbelhaus).

Oder besser beide Faktoren im Versuchsplan drin haben:
UV1: Arbeitskontext (Möbelhaus oder nicht). Dieser Faktor ist ein unabhängiger Faktor, es sind also unabhängige Stichproben bei diesem Faktor.

UV2: Alter (jung vs. alt, wobei man ggf. das als metrische Variable in ein Regressionsmodell einfügt anstatt als zweistufige Variable in eine ANOVA). Dieser Faktor ist auch unabhängig, weil andere Leute jung sind als die, die alt sind.

Es ist also vermutlich ein Versuchsplan mit zwei Zwischensubjektfaktoren (= unabhängige Stichproben).

H1 und H2 kannst du also eigentlcih in einer statistischen Auswertung gleichzeitig untersuchen (mit einem zweifaktoriellen Versuchsplan). H1 bezieht sich auf einen möglichen (Haupt-)Effekt des ersten Faktors (Arbeitskontext) und H2 auf einen möglcihen Haupteffekt des zweiten Faktors (Alter).

H3: Sind es 3 Abteilungen in einem Kontext? (Also z.B. nur im Möbelhandel).

Sofern die Menschen in verschiedenen Abteilungen arbeiten und nicht mal in der einen, dann in der anderen, und dann in der dritten Abteilung waren (sofern also jeder nur in einer Abteilung ist), sind es auch hier unverbundene Stichproben.

Bei der Frage, ob Stichproben verbunden sind oder nicht, geht es nicht darum, ob sie etwas gemeinsam haben. Sondern darum, ob du zwischen den Faktorstufen der UV Paare oder "Drillinge" oder so bilden kannst. Die UV ist offenbar bei der H3 die Abteilung mit 3 Möglichkeiten (Abteilung 1 vs. Abteilung 2 vs. Abteilung 3). Wenn jeder in jeder Abteilung mal gewesen wäre, dann hättest du für jeden Menschen 3 Messwerte, die verbunden sind, weil sie von derselben Person stammen. Da das offenbar nicht der Fall ist, und jeder nur in einer Abteilung arbeitet und sich auch keine Drillinge sinnvoll bilden lassen, sind es unverbundene Stichproben.

KeyAndArrow1 
Fragesteller
 07.08.2018, 15:33

Danke sehr Hilfreich! Ich habe bei der ersten Frage gemeint das beim leverne Test in Spss 6 Fragen nicht signifikant sind. Also muss ich h1 ablehnen da ich sie nur annehen kann wenn der Unterschied zwischen den Gruppen bei allen Fragen des Fragebogens besteht oder ?

und bei der letzten Möglichkeit habe ich die Frage umformuliert in die Menschen in der Verwaltung sind zufriedener als alle anderen dann kann ich einen normalen unverbundenen t Test rechnen.

0
blechkuebel  07.08.2018, 20:53
@KeyAndArrow1

Der Levene-Test ist ja da, um Varianzhomogenität auszurechnen. Der beantwortet die Frage, ob zwei Gruppen sich in ihrer Varianz unterscheiden, ob also in einer Gruppe die Antworten auf eine Frage stärker streuen als in der anderen Gruppe.
Der Levene-Test sagt nichts darüber aus, ob die Stichproben verbunden sind oder nicht. Der sagt auch nicht, ob die Gruppen sich durchschnittlich unterscheiden. Dazu macht man ja einen t Test.

Der Levene-Test ist deswegen im Output, weil je nachdem, ob die Varianzen gleich sind oder nicht, der t Test anders gerechnet wird. Deswegen gibt es beim t Test für unverbundene Stichproben immer zwei Zeilen. Eine, in der steht "Varianzhomogenität angenommen" und eine andere, in der was anderes steht. Wenn der Levene-Test signifikant ist, heißt das: Es gibt keine Varianzhomogenität, und dann musst du beim t Test die untere Zeile wählen und dort auf die Signifikanz schauen. Der Levene-Test sagt dir also nur, welche Zeile du auslesen sollst, ist aber nicht das eigentliche Ergebnis für deine Fragestellung.

Ich glaube nicht, dass eine Gruppe in allen Items durchschnittlich höhere Werte haben muss, damit man davon sprechen kann, dass die Gruppen sich unterscheiden. Wertest du jedes Item einzeln aus? Gibt es nicht für die Arbeitszufriedenheit einen Summenscore, und kannst du nicht dann schauen, ob die Gruppen sich vom Summenscore her unterscheiden?

0