Kendall oder chi Quadrat bei ordinalskalierten Variablen?

Da ich meine Frage etwas zu kompliziert ausgedrückt hatte letztes Mal, stelle ich sie noch einmal vereinfacht.

Ich habe zwei Variablen mit jeweils zwei Stufen. Die Daten stammen aus einem Fragebogen in dem ich die Angst vor Mathe und Prüfungsangst erfasst habe. Zu jedem Angsttyp gab es mehrere items, und man konnte auf einer Skala von 1 bis 4 dem item zustimmen. Ich habe folgendes in Absprache mit der Betreuerin festgelegt : Kinder, die mindestens bei einem item oder bei zwei items den Wert 3 angegeben haben, wurden in die Kategorie Mathe bzw Prüfungsangst sortiert. Kinder, die kein item mit 4 oder weniger als 2 items mit 3 beantwortet haben, wurden in die Kategorie keine Mathe bzw Prüfungsangst eingeordnet. Am Ende gibt es jetzt also die zwei Variablen Matheangst und Prüfungsangst mit den zwei Stufen Angst und keine Angst.

Meine Hypothese ist jetzt, dass ein positiver Zusammenhang zwischen den beiden Variablen besteht.

Meine Fragen:

1) liege ich richtig in der Annahme, dass es sich um ordinal skaliert Daten handelt?

2) es ist ja eigentlich eine klassische vierfelder-Tafel, bei dieser würde ich den phi Wert nehmen, um die Korrelation zu beschreiben. Jedoch handelt es sich ja um ordinalskalierte Daten meiner Meinung nach. Sollte ich dann lieber die kendall Korrelation nehmen? Diese schlägt mir spss vor. Allerdings weiß ich nicht, wie ich hierfür die Voraussetzung Linearität testen soll, ein StreuDiagramm macht ja in diesem Fall wenig Sinn. Also: phi oder kendall?

Ich hoffe, diesmal habe ich mich besser ausgedrückt! Danke für jede Hilfe!

Mathe, Statistik, Korrelation, SPSS Auswertung
1 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!!

Marketing, Mathematik, Daten, Moderator, spß, Statistik, Variablen, Korrelation, Regression
1 Antwort
Statistik Korrelation (skalentypen)

Hi, wir haben in der Uni eine statistische Auswertung zum Thema BMI (Body-Mass-Index) durchgeführt. Nun möchten wir schauen wie die einzelnen Merkmale miteinander korrelieren. Einmal haben wir das Alter, das Gewicht, die Größe, den BMI-Wert, den Studiengang, die Herkunft, die Haarfarbe, die Augenfarbe. Desweiteren haben wir uns folgende Bereiche ausgesucht zur Befragung. Macht man Sport (ja/nein), wenn ja dann wie oft pro Woche? Regelmäßige Mahlzeiten (morgens, mittags, abends) (ja/nein)? Vegetarier (ja/nein)? Isst man Fastfood (ja/nein), wenn ja wie of pro Woche? Isst man Süßigkeiten (ja/nein), wenn ja wie oft pro Woche? Fährt man oft mit dem Auto (ja/nein), wenn ja wieviel km/Woche? Trink man Alkohol (ja/nein), wenn ja wieviel pro Woche? Raucher (ja/nein), wenn ja wieviel Pro Tag? Hat man eine Nebentätigkeit (ja/nein)? Das ganze soll eine Aussage darüber geben, ob diese Merkmale etwas damit zutun haben, dass Menschen übergewichtig, unter-normal/gewichtig sind. Uns stellt sich nun die Frage, Welche Skalen haben diese Merkmale, da es für die Korrelation,(Bravais Pearson, Rangkorrelation (Spearman, Kendall), Partielle Korrelation, bi-partielle Korrelatio, multiple Korrelation, kanonische Korrelation oder der seriale Korreltionskoeffizienten) die wir anwenden wichtig ist und welche Merkmale wir wie am besten miteinander vergleichen, damit wir eine gute Aussage bekommen. Wir habe uns gedacht: das Alter, das Gewicht, die Größe, der BMI-Wert sind metrisch skalierte Merkale? das Geschlecht, der Studiengang, die Herkunft, die Haarfarbe, die Augenfarbe sind nominal skalierte Merkmale? Raucher, Sport, Nebentätigkeit, Auto, Alkohol, Vegetarier, Regelmäßige Mahlzeiten, Fastfood, Süßigkeiten, alles dass, was mit ja/nein beantwortet werden konnte zählt ja eigentlich auch zu nominal oder? Das Poblem is nur, wir haben das ja noch mal in wieviel unterteilt (dort würde wir so etwas wie ne Rangskala bilden von wenig bis viel), dann würde dies doch zu ordinal skaliert eher passen, oder?

Falls ihr eventuell anderer Meinung seid, bzw mehr wisst, könnt ihr uns ja vill helfen.

Statistik, Korrelation
2 Antworten

Meistgelesene Fragen zum Thema Korrelation