Solche Dinge sind eigentlich nie besonders wertvoll, weil davon Tausende hergestellt wurden. Solange es nicht ein seltenes Fehlexemplar ist oder einer der ersten Computer überhaupt, hat es wohl praktisch keinen Wert über dem Materialwert. Und dieser Koffer allein wird wohl kaum was einbringen. :/

...zur Antwort

Du müsstest eine Kodiervariable haben für die Praxen (Praxis 1 = 0, Praxis 2 = 1 usw.) und diese kannst du dann beim Chart-Builder-Tool als X-Achse auswählen und die abhängige Variable als Y-Achse.

...zur Antwort
Welche Variablen in Moderatoranalyse bei Regression?

Hallo zusammen,

ich bin mir unsicher welche Variablen ich in meine Analyse aufnehmen muss. Meine Studie ist die Folgende: ich möchte überprüfen, wie Marken werben sollen, d.h. welchen Wert sie den Konsumenten primär bieten sollten um eine Markenbindung zu erreichen. Ich habe hier mit mehrern Items den Unterhaltungswert, den Informationsgehalt und den Ökonomischen Nutzen der Werbung unterschiedlicher Marken abgefragt und ebenfalls die Markenbindung. Somit habe ich 3 unabhängige Variablen und eine abhängige (die Markenbindung). Als Moderator kommen hinzu das Involvement und der expressive sowie der funktionalle Markennutzen. Also zB. wäre herauszufinden ob bei High-involvement Marken der Zusammenhang zwischen dem informationsgehahlt der Werbung und der Markenbindung höher ist als bei low-involvement Produkten. Alle Variablen wurden auf einer 5-stufigen Likert-Skala abgefragt. Ich habe dann jeweils die Items einer Variable addiert und durch die anzahl dividiert um den jeweiligen wert für die Variable zu erhalten (bspw für die höhe der Markenbindung).

Nun möchte ich die Moderatoren testen. Hierfür multipliziere ich je die UV mit der Moderatorvariable und erhalte eine neue Variable (das Produkt dieser, im Folgenden Moderatorprodukt genannt) Nun bin ich mir unsicher, welche Variablen ich genau in die Regression aufnehmen kann: Wenn ich bei Spss eine Regression durführe dann füge ich zum einen die Abhängige Variable Markenbindung ein. Zum anderen füge ich die erklärenden Variablen ein. Ich habe in meinem Modell 3 Unabhängige Variable und 3 Moderatoren. Kann ich quasi alles zusammen prüfen und alle 3 UV und alle 3 Moderatorvariablen sowie die 9 Moderatorprodukte in einer Regression einfügen? Oder muss ich um den Moderatoreinfluss zu testen immer eine einzelne Regression durchführen, in welche ich bei den erklärenden Variablen nur die Moderatorvariable, die UV und das Moderatorprodukt einfüge? Und dies dann 9x (3 UV x 3 Moderatorvariablen) wiederholen, also 9 einzelne Regressionen durchführen um die Moderatoreffekte zu überprüfen. Also ist es so, dass ich: a) eine Regression mit allen 9 Moderatorprodukten durchführen kann (9 erklärende Variablen in Regression)? b) eine Regression mit den 9 Moderatorprodukten sowie den 3 UV und den 3 Moderatorvariablen durchführen (15 erklärende Variablen in Regression)? c) je immer nur ein Moderatorprodukt und der entsprechenden UV und Moderatorvariable (3 erklärende Variablen in Regression)einfügen? Dies würde ich dann 9x wiederholen müssen.

Meine Stichprobe beträgt 270. Die Ergebnisse der Regression mit den 9 Moderatorprodukten (Möglichkeit a) erscheinen mir Plausibel. Wenn ich zusätzlich zu den 9 Moderatorprodukten noch die 3 UV und die 3 Moderatorvariablen in die Regression als erklärende Vraiablen aufnehme (Möglichkeit b), sind meine Ergbnisse komplett anders. Plötzlich sind die Moderatoren so dann nicht mehr signifikant. Ich bin daher verunsichert, welche Variablen ich aufnehmen muss.

Vielen, vielen Dank!!

...zum Beitrag

Beste Lösung wäre ein Strukturgleichungsmodell. Da du ja SPSS benutzt, hast du bestimmt auch AMOS, da kannst du das machen. Ansonsten müsstest du für jede Hypothese eine eigene Moderatoranalyse machen. Mit Betonung auf Hypothese, weil einfach alles mit allem überprüfen und dann dasjenige wählen, was die besten Resultate zeigt, ist wissenschaftlich sehr fragwürdig.

...zur Antwort

Wenn alles ordinalskaliert ist, macht eine ANOVA keinen Sinn. Ausserdem liessen sich dann gar keine Mittelwerte bilden. Ev. wird ein Chi-Quadrat-Test interessant sein für die Daten.

...zur Antwort

Chi-Quadrat-Test

...zur Antwort

Stetig ist es auf jeden Fall. Skalenniveau hängt von der Messeinheit ab. Würde sagen, wahrscheinlich Ratioskaliert.  

Weiterhin viel Spass bei deinen Hausaufgaben!

...zur Antwort
Statistik: multiple Regression oder Korrelation?

Hallo zusammen,

ich stehe vor zwei Problemen bei der Datenauswertwertung:

1) ich bin mir unsicher ob ich eine Korrelation oder Regression anwenden muss. DIe Situation ist die Folgende:ich muss überprüfen ob die (metrisch skalierten) Variablen A, B und C die (metrisch skalierte) Variable D signifikant beeinflussen (bzw. Zusammenhang besteht, es handelt sich hierbei nur um eine Querschnittsstudie). DIe Variablen sind nicht normalverteilt, daher würde nur eine Rangkorrelation nach Spearman in Frage kommen. Jedoch wendet man bei der Fragestellung normalerweise eine Regression an, richtig? Die unabhängigen Variablen korrelieren nicht miteinander, daher wäre dies möglich. Jedoch sind die Residuen nicht normalverteilt. Arbeite ich dann besser mit einer Korrelation?

2) Mein zweites Problem betrifft die Analyse nach den Moderatoren. Diese sind ebenfalls metrisch skaliert, ich würde diese aber einfach nach mediansplit teilen. Wenn ich nun den Datensatz aufteile und je eine Korrelation bzw Regression durchführe, erhalte ich sehr stark unterschiedliche Korrelationen (Beispiel: Bei Gruppe A ist die Korrelation von A zu D 0,9 und bei Gruppe B ist die Korrelation von A zu D 0,2). Die unterschiede in den Korrelationen müssten eigentlich signifikant sein, jedoch würde ich dies gerne mit einem Test bestätigen bzw auf einer wissenschaftlichen Grundlage arumentieren dass der Unterschied signifikant ist. Ich habe bereits gelesen dass es hier keinen Test in SPSS gibt, aber gibt es eine mathematische Formel? Einen internetrechner würde ich ungern als wisschenaftliche quelle angeben. Bzw. ist es überhaupt korrekt den Moderatoreffekt so zu überprüfen?

Ich bin für jede Hilfe wahnsinnig dankbar!! Viele Grüße, Anna

...zum Beitrag

1) Was sind denn die Variablen?  

Eine Regression wäre schon angemessen für das Beispiel und sie ist auch sehr robust. Die Variablen müssen z.B. nicht normalverteilt sein, lediglich die Residuen sind hier ein Problem. Du kannst es mit einer Rangkorrelation versuchen. Ev. wäre Bootstrapping jedoch eine Lösung. 

  

2) Korrelationen kann man vergleichen, wie z.B. hier: https://www.psychometrica.de/korrelation.html  

Weiss aber nicht wie das mit Rangkorrelation geht. Ich würde aber sowieso lieber eine Interaktion testen anstatt einen Mediansplit vorzunehmen. Ist doch nur unnötig kompliziert, verringert die Varianz und kann ev. zu zu kleinen Unterschieden führen

...zur Antwort

Vielleicht kann dir diese Animation helfen: http://astro.unl.edu/naap/lps/animations/lps.html . Ich glaub ich verstehe, was deine Frage ist, es ist aber schwierig auszudrücken. Ich glaubte auch zu wissen, wie das mit dem Mond funktioniert, aber wenn man so darüber nachdenkt, kann man es sich plötzlich fast nicht mehr vorstellen.

...zur Antwort

Ja. Es steigert die Attraktivität, wenn eine Person Interesse an einem hat. Jemand, der sich nicht für uns interessiert, wirkt auch nicht attraktiv. Insofern steigert man seine Chancen schon allein dadurch und natürlich noch stärker, wenn man auch aktiv wird und die Person anspricht. Darüber hinaus liegt es dann aber an anderen Dingen, ob wirklich Interesse aufkommt. Probieren geht aber über Studieren!

...zur Antwort

Solche Probleme hängen normalerweise nicht mit dem Gedächtnis zusammen, sondern mit der Aufmerksamkeit. Möglich ist auch Stress (z.B. beim Sprechen - Inhibition? - oder in der Schule). Würde also lieber dort ansetzen, anstatt mir Gedanken über meine geistige Gesundheit zu machen.

...zur Antwort

Theoretisch ändert sich unsere Spezies ja von Generation zu Generation. Es ist ziemlich subjektiv ab wann man nun von einer "neuen" Spezies spricht. Die Evolution wird aber bestimmt nicht anhalten, insofern wird es auf jeden Fall mal was Neues geben.

...zur Antwort