STATISTIK-FORUM.de

[rokochan95]

Hallo Leute,

zunächst einmal ein Hinweis: Ich habe wirklich wenig Ahnung von Statistik, aber ich muss es im Rahmen des Studiums machen.

Ich habe in Google Forms eine Umfrage gestartet und einige Fragen sind im Multiple Choice Format, in der die Zeile einen Zeitraum definiert und die Spalte eine Likert-Ausprägung. Die Frage habe als Bild hochgeladen.
Den Zeiträumen können auch folgende Eigenschaften zugewiesen werden:
1. Keine Restriktionen für Sporteinrichtung
2. Geschlossene Sporteinrichtungen,
3. ausgeprägte Restriktionen für Sporteinrichtungen (k.A. ob "ausgeprägt" der richtige Begriff ist)
4. Geschlossene Sporteinrichtungen

Es geht darum herauszufinden, wie oft in den verschiedenen Situationen Sport getrieben wurde.
Ich habe mir gedacht, dass ich eine lineare Regression durchführe, da es sich nur um 2 Variablen handelt, wobei die "Restriktionsvariable" die abhängige Variable (x) ist, und die Häufigkeit der sportlichen Aktivität die unabhängige Variable (y) darstellt.

Nun das/die Problem/e:
1. Ich habe leider keine Ahnung, wie ich diese Werte kodieren sollte und auswerten kann. Ich bin davon ausgegangen, dass die Likertskala für die Häufigkeit der sportlichen Aktivität metrisch sei, und habe dann gemerkt, dass ich sie nicht in einem Streudiagramm darstellen kann, da es tatsächlich ordinalskaliert ist, hier stellt sich die Frage, ich sie in einen metrischen Skalenniveau transformieren kann.
2. Wie kodiere ich die "Restriktionsvariable" x? Ich dachte an Dummy-Variablen, aber keine Ahnung ob das Sinn macht oder möglich ist.
3. Wie stelle ich anhand einer Regression den Zusammenhang dar mit R? (ich kenn mich mit R gar nicht aus, aber das ist das einzige kostenlose Statistiktool)

Ich würde mich über jede Hilfe freuen, vielen Dank.

EDIT: Ok, ich weiß nicht wieso das Bild nicht hochladen kann, aber hier ist der Link, zur Umfrage https://forms.gle/xLmRNXbrFV1M1pdZ8

[bele]

Hallo rokochan,

Die Frage habe als Bild hochgeladen.

Hier kann man nichts hochladen. Blöder Fehler dieses Forums, aber wir müssen damit leben. Gerade wenn Du R verwendest ist es relativ einfach, weil Du Befehle und Ausgaben von Befehlen direkt in code-Tags hier im Forum copypasten kannst.

Ich bin davon ausgegangen, dass die Likertskala für die Häufigkeit der sportlichen Aktivität metrisch sei, und habe dann gemerkt, dass ich sie nicht in einem Streudiagramm darstellen kann, da es tatsächlich ordinalskaliert ist

Man muss zunächst überlegen, welches Skalenniveau die Daten _wirklich_ haben und mit welchem sie in R hinterlegt sind. Was genau Du hier mit "tatsächlich" meinst, weiß ich nicht.

, hier stellt sich die Frage, ich sie in einen metrischen Skalenniveau transformieren kann

Das Skalenniveau in R umstellen ist einfach, vorher muss man überlegen, ob das sinnvoll ist. Wenn Du drei Personen hast, von denen eine 2x/Woche, eine 4x/Woche und eine 6x/Woche Sport macht, dann sollten das auf einer metrischen Skala drei Werte mit gleichen Abständen sein. Wie sieht das denn auf Deiner Skala aus? Hälst Du es für sinnvoll, Deine Skala in R einfach in eine metrische Variable umzuwandeln?

2. Wie kodiere ich die "Restriktionsvariable" x? Ich dachte an Dummy-Variablen, aber keine Ahnung ob das Sinn macht oder möglich ist.

Das ist entweder eine nominale Variable (in R sog. factor) oder eine ordinale. Bei Deiner Auflistung wird das nicht ganz klar:

1. Keine Restriktionen für Sporteinrichtung
2. Geschlossene Sporteinrichtungen,
3. ausgeprägte Restriktionen für Sporteinrichtungen (k.A. ob "ausgeprägt" der richtige Begriff ist)
4. Geschlossene Sporteinrichtungen

Wie genau unterscheiden sich Ausprägung 2. und 4.?

3. Wie stelle ich anhand einer Regression den Zusammenhang dar mit R?

Zunächst mal musst Du die Daten in R einlesen und dort ein vernünftiges Skalenniveau einstellen, erst dann kann man fragen, welche Art von Regression man machen möchte und erst dann lässt sich sagen, wie man das in R macht. Hast Du die Daten schon in R eingelesen? Wenn Du sie als Tabelle mit dem Namen meinedaten eingelesen hast, kannst Du mal die Ausgabe von

Code: Alles auswählen

head(meinedaten)
str(meinedaten)
summary(meinedaten)

hier im Forum in Code-Tags einstellen?

(ich kenn mich mit R gar nicht aus, aber das ist das einzige kostenlose Statistiktool)

Was für ein Schlag ins Gesicht all der Leute, die sich seit Jahren bemühen, Werkzeuge wie Gretl, Statistiklabor, JASP, Julia, Python, Incanter, PSPP und so weiter zu entwickeln und jedem frei zur Verfügung zu stellen.

LG,
Bernhard

[rokochan95]

Ich bin davon ausgegangen, dass die Likertskala für die Häufigkeit der sportlichen Aktivität metrisch sei, und habe dann gemerkt, dass ich sie nicht in einem Streudiagramm darstellen kann, da es tatsächlich ordinalskaliert ist

Man muss zunächst überlegen, welches Skalenniveau die Daten _wirklich_ haben und mit welchem sie in R hinterlegt sind. Was genau Du hier mit "tatsächlich" meinst, weiß ich nicht.

Da triffst du gerade einen Punkt. Jetzt, bin ich mir nicht sicher, warum ich "tatsächlich" gesagt hab. Ich denke, weil es keine Variable ist wie z. B. die Körpergröße, die verhältnisskaliert ist.

, hier stellt sich die Frage, ich sie in einen metrischen Skalenniveau transformieren kann

Das Skalenniveau in R umstellen ist einfach, vorher muss man überlegen, ob das sinnvoll ist. Wenn Du drei Personen hast, von denen eine 2x/Woche, eine 4x/Woche und eine 6x/Woche Sport macht, dann sollten das auf einer metrischen Skala drei Werte mit gleichen Abständen sein. Wie sieht das denn auf Deiner Skala aus? Hälst Du es für sinnvoll, Deine Skala in R einfach in eine metrische Variable umzuwandeln?

Also für ein besseres Verständnis, habe ich den Link zu der Umfrage reingestellt. Es handelt sich um die Frage "Wie oft die Woche haben Sie in den vier verschiedenen Zeiträumen Sport getrieben?" Vielleicht erklärt das bloße Ansehen der Frage mehr als ich erklären kann. Die Antwortmöglichkeit ist in einem "Multiple Choice Raster"-Format eingestellt, was mir die Sache schwierig macht zu verstehen, wie ich die Daten nun korrekt weiterverarbeiten kann (kodieren, analysieren etc.).
Die Skala für die Variable y geht von "weniger als 1 Mal pro Woche", über "1 Mal pro Woche",..., bis "mehr als 3 Mal pro Woche".

2. Wie kodiere ich die "Restriktionsvariable" x? Ich dachte an Dummy-Variablen, aber keine Ahnung ob das Sinn macht oder möglich ist.

Das ist entweder eine nominale Variable (in R sog. factor) oder eine ordinale. Bei Deiner Auflistung wird das nicht ganz klar:

1. Keine Restriktionen für Sporteinrichtung
2. Geschlossene Sporteinrichtungen,
3. ausgeprägte Restriktionen für Sporteinrichtungen (k.A. ob "ausgeprägt" der richtige Begriff ist)
4. Geschlossene Sporteinrichtungen

Wie genau unterscheiden sich Ausprägung 2. und 4.?

Da gibt es keinen Unterschied. Da bei der Umfrage Zeiträume verwendet wurden, wurden die chronologisch aufgestellt. Jedoch waren Sporteinrichtungen in zwei verschiedenen Zeiträumen geschlossen, was als die gleiche Ausprägung angesehen werden kann.

3. Wie stelle ich anhand einer Regression den Zusammenhang dar mit R?

Zunächst mal musst Du die Daten in R einlesen und dort ein vernünftiges Skalenniveau einstellen, erst dann kann man fragen, welche Art von Regression man machen möchte und erst dann lässt sich sagen, wie man das in R macht. Hast Du die Daten schon in R eingelesen? Wenn Du sie als Tabelle mit dem Namen meinedaten eingelesen hast, kannst Du mal die Ausgabe von

Code: Alles auswählen

head(meinedaten)
str(meinedaten)
summary(meinedaten)

hier im Forum in Code-Tags einstellen?

Die Daten habe ich leider noch nicht in R eingelesen. Zur Vereinfachung wollte ich sie zunächst in Excel kodieren, damit ich es später einfacher hab. (z. B. bei der Häufigkeitsvariable y würde ich die Ausprägungen zahlen von 1 (für "weniger als 1 Mal pro Woche") bis 5 (für "mehr als 3 Mal pro Woche") zuweisen.

(ich kenn mich mit R gar nicht aus, aber das ist das einzige kostenlose Statistiktool)

Was für ein Schlag ins Gesicht all der Leute, die sich seit Jahren bemühen, Werkzeuge wie Gretl, Statistiklabor, JASP, Julia, Python, Incanter, PSPP und so weiter zu entwickeln und jedem frei zur Verfügung zu stellen.

Vielleicht hätte ich etwas genauer werden sollen. ... das einzige kostenlose Statistiktool das ich kenne

VG

[bele]

Hallo!

Da triffst du gerade einen Punkt. Jetzt, bin ich mir nicht sicher, warum ich "tatsächlich" gesagt hab. Ich denke, weil es keine Variable ist wie z. B. die Körpergröße, die verhältnisskaliert ist.

Ich denke auch, dass man das ehrlicherweise als ordinalskaliert betrachten sollte. Das kann einem natürlich später die lineare Regression verhageln, aber da wird sich schon irgendwie was finden lassen.

Also für ein besseres Verständnis, habe ich den Link zu der Umfrage reingestellt. Es handelt sich um die Frage "Wie oft die Woche haben Sie in den vier verschiedenen Zeiträumen Sport getrieben?" Vielleicht erklärt das bloße Ansehen der Frage mehr als ich erklären kann.

Das wäre sehr traurig.

Die Antwortmöglichkeit ist in einem "Multiple Choice Raster"-Format eingestellt, was mir die Sache schwierig macht zu verstehen, wie ich die Daten nun korrekt weiterverarbeiten kann (kodieren, analysieren etc.).

Ich habe jetzt nicht so dick die Ahnung von google forms aber mein Gefühl sagt mir, dass Du die Antworten nicht mehr in diesem quadratischen Raster bekommen wirst, sondern ordentlich nebeneinander in Spalten. Deshalb kommt es ja darauf an, die eingelesenen Daten anzuschauen.

Die Skala für die Variable y geht von "weniger als 1 Mal pro Woche", über "1 Mal pro Woche",..., bis "mehr als 3 Mal pro Woche".

Das habe ich gesehen. Sonst hätte ich ja nicht Personen 2mal, 4mal und 6mal in der Woche Sport machen lassen. Habe mir dabei schon was gedacht...

Da gibt es keinen Unterschied. Da bei der Umfrage Zeiträume verwendet wurden, wurden die chronologisch aufgestellt. Jedoch waren Sporteinrichtungen in zwei verschiedenen Zeiträumen geschlossen, was als die gleiche Ausprägung angesehen werden kann.

Achso, ja das wird sich in R schon irgendwie umformen lassen.

Die Daten habe ich leider noch nicht in R eingelesen. Zur Vereinfachung wollte ich sie zunächst in Excel kodieren, damit ich es später einfacher hab. (z. B. bei der Häufigkeitsvariable y würde ich die Ausprägungen zahlen von 1 (für "weniger als 1 Mal pro Woche") bis 5 (für "mehr als 3 Mal pro Woche") zuweisen.

Kann man machen, würde ich persönlich aber nicht tun. Wenn Du solche Umwandlungen in R machst, dann braucht das vielleicht 3 Code-Zeilen, dafür stehen die drei Code-Zeilen dann aber auch in Deinem Skript und lassen sich jederzeit transparent und reproduzierbar analysieren. Schau zum Beispiel mal hier: http://forum.r-statistik.de/viewtopic.php?f=7&t=2938
Wenn eine Datei einmal in Excel war kann man schwer nachvollziehen, welche Schritte da gemacht wurden. Beschäftige Dich ein bisschen damit, wie Faktoren und geordnete Faktoren in R funktionieren, dann geht das viel eleganter als in Excel und Du hast was für den Rest Deines Lebens gelernt.

Vielleicht hätte ich etwas genauer werden sollen. ... das einzige kostenlose Statistiktool das ich kenne

[/quote]

Schon gut, von den genannten halte ich ohnehin nur drei für ausreichend zukunftssicher und vielseitig, dass sich die Investition Deiner Zeit und Mühe verlässlich lohnt: R, Python und Julia sind zukunftsweisend und erlauben Dir auch in vielen Jahren noch, mit dem gelernten die verschiedensten Sachen zu machen.

LG,
Bernhard

[rokochan95]

Zunächst mal musst Du die Daten in R einlesen und dort ein vernünftiges Skalenniveau einstellen, erst dann kann man fragen, welche Art von Regression man machen möchte und erst dann lässt sich sagen, wie man das in R macht. Hast Du die Daten schon in R eingelesen? Wenn Du sie als Tabelle mit dem Namen meinedaten eingelesen hast, kannst Du mal die Ausgabe von

Code: Alles auswählen

head(meinedaten)
str(meinedaten)
summary(meinedaten)

hier im Forum in Code-Tags einstellen?

Hey Bernhard, leider bin ich noch weiter gekommen mit meinem Problem. Also ich habe die Excel Daten in R-Studio nun eingelesen und wollte jetzt diese, wie du sagst mit code-Tags im Forum darstellen. Allerdings weiß ich nicht wie ich das hinkriegen soll, weil ich nicht weiß wo ich den R-Output finde. Kannst du das evtl. genauer erläutern, oder einen Link geben, wo ich mich einlesen kann? Bis dahin suche ich noch nach einer Lösung.

EDIT: Ich hab ja bis jetzt nur die Tabelle, also keinen Code...

VG

[bele]

RStudio hat üblicherweise vier Bereiche im Fenster. Oben links einen zum Programmieren oder zum Anzeigen von Daten, unten links einen, in den man Befehle direkt eingeben kann. Das ist die sogenannte Konsole. Wenn man in die Konsole ein Kommando eingibt, beispielsweise

Code: Alles auswählen

(1:5) * 3

dann gibt R einem das Ergebnis (in diesem Fall die ersten fünf Zahlen der Dreierreihe) direkt darunter aus.

Du musst Deinen Daten beim Einlesen einen Variablennamen gegeben haben. Beispielsweise meinedaten. Wenn man wissen will, was R beim Einlesen von meinedaten verstanden hat, dann kann man in die Konsole

Code: Alles auswählen

str(meindaten)

eingeben und das gibt dann Auskunft darüber, wieviele Zeilen und Spalten eingelesen wurden und wie die Spalten heißen und welcher Datentyp (und damit welches Skalenniveau) R beim Einlesen erkannt hat. head , summary und View sind weitere nützliche Funktionen, die einem einen Einblick darein geben, ob R die Daten so verstanden hat, wie sie verstanden werden sollten. summary sagt einem unter anderem auch, wieviele Einträge pro Spalten fehlen.

Ich befürchte wir gleiten aus einer als Statistikfrage gemeinten Frage sehr weit in die Benutzung von R und RStudio ab, was beides nicht Kern dieses Forums ist. Ich diskutiere das gerne hier mit Dir weiter, schlage aber vor, dass wir das in das R-Forum unter forum.r-statistik.de verlagern. Dort gibt es einfach mehr Leute, die sich für die Eigenheiten von R interessieren und die RStudio regelmäßig nutzen.

LG,
Bernhard

[rokochan95]

Danke für die Erläuterung ich glaube jetzt hab Ichs hingekriegt. Ich habe im Vorfeld die die Variablen umbenannt.

EDIT: Mein größtes Problem ist, dass ich nicht weiß wie ich Variablen kodieren muss, und zweitens welche Analyse ich anwenden sollte.

Code: Alles auswählen

// umbenannte Variablen
sport* = Häufigkeit von sportlicher Aktivität pro Woche
orte* = Orte an denen Sport getrieben wurde (Mehrfachnennung möglich: zuhause, im Freien, in Sporteinrichtung)
parter* = Anzahl der weiteren Personen mit denen man Sport gemacht hat
arbeitsplatz* = Ort des Arbeitsplatzes (Homeoffice, Büro)

//die oberen Variablen in Abhängigkeit von den unteren Zuständen
*_or = ohne Restriktion der Sportanlagen (also zum Zeitraum vor der Corona-Pandemie, als alles offen war)
*_g1 = geschlossene Sportanlagen bzw. 100% Restriktion (1. Lockdown)
*_mr = mit Restriktion[/b] für Sportanlagen (Öffnung unter Auflagen wie Hygienekonzepten; zwischen den beiden Lockdowns)
*_g2 = geschlossene Sportanlagen[/b] bzw. 100% Restriktion (2. Lockdown)

z.B. sport_or = Häufigkeit von sportlicher Aktivität pro Woche als Sportanlagen keine Restriktionen auferlegt waren

//R-Output

> head(umfrage)
# A tibble: 6 x 21
  subjekt geschlecht wohnsitz alter sport_or sport_g1 sport_mr sport_g2 orte_or
    <dbl> <chr>      <chr>    <chr> <chr>    <chr>    <chr>    <chr>    <chr> 
1       1 Weiblich   Branden… 30 b… 2 Mal p… 2 Mal p… 2 Mal p… 2 Mal p… Zuhause
2       2 Weiblich   Branden… 30 b… mehr al… 2 Mal p… mehr al… mehr al… in ein…
3       3 Männlich   Branden… 30 b… mehr al… 2 Mal p… mehr al… 2 Mal p… in ein…
4       4 Weiblich   Branden… 18 b… 2 Mal p… mehr al… 2 Mal p… 3 Mal p… Zuhause
5       5 Weiblich   Bayern   18 b… 2 Mal p… Weniger… 3 Mal p… 2 Mal p… Zuhause
6       6 Weiblich   Branden… 30 b… 3 Mal p… 2 Mal p… 2 Mal p… 2 Mal p… in ein…
# … with 12 more variables: orte_g1 <chr>, orte_mr <chr>, orte_g2 <chr>,
#   partner_or <chr>, partner_g1 <chr>, partner_mr <chr>, partner_g2 <chr>,
#   job <chr>, arbeitsplatz_or <chr>, arbeitsplatz_g1 <chr>,
#   arbeitsplatz_mr <chr>, arbeitsplatz_g2 <chr>

> str(umfrage)
tibble [55 × 21] (S3: tbl_df/tbl/data.frame)
$ subjekt        : num [1:55] 1 2 3 4 5 6 7 8 9 10 ...
$ geschlecht     : chr [1:55] "Weiblich" "Weiblich" "Männlich" "Weiblich" ...
$ wohnsitz       : chr [1:55] "Brandenburg" "Brandenburg" "Brandenburg" "Brandenburg" ...
$ alter          : chr [1:55] "30 bis 39" "30 bis 39" "30 bis 39" "18 bis 29" ...
$ sport_or       : chr [1:55] "2 Mal pro Woche" "mehr als 3 Mal pro Woche" "mehr als 3 Mal pro Woche" "2 Mal pro Woche" ...
$ sport_g1       : chr [1:55] "2 Mal pro Woche" "2 Mal pro Woche" "2 Mal pro Woche" "mehr als 3 Mal pro Woche" ...
$ sport_mr       : chr [1:55] "2 Mal pro Woche" "mehr als 3 Mal pro Woche" "mehr als 3 Mal pro Woche" "2 Mal pro Woche" ...
$ sport_g2       : chr [1:55] "2 Mal pro Woche" "mehr als 3 Mal pro Woche" "2 Mal pro Woche" "3 Mal pro Woche" ...
$ orte_or        : chr [1:55] "Zuhause" "in einer Sporteinrichtung (z.B. Sporthalle, Fitnessstudio)" "in einer Sporteinrichtung (z.B. Sporthalle, Fitnessstudio)" "Zuhause" ...
$ orte_g1        : chr [1:55] "Zuhause" "Im Freien" "Zuhause" "Zuhause" ...
$ orte_mr        : chr [1:55] "Zuhause" "Im Freien" "in einer Sporteinrichtung (z.B. Sporthalle, Fitnessstudio)" "Zuhause, Im Freien" ...
$ orte_g2        : chr [1:55] "Zuhause" "Zuhause" "Zuhause" "Zuhause" ...
$ partner_or     : chr [1:55] "0 (alleine)" "mehr als 2 weiteren Personen" "0 (alleine)" "0 (alleine)" ...
$ partner_g1     : chr [1:55] "0 (alleine)" "1 weiteren Person" "0 (alleine)" "0 (alleine)" ...
$ partner_mr     : chr [1:55] "0 (alleine)" "1 weiteren Person" "0 (alleine)" "1 weiteren Person" ...
$ partner_g2     : chr [1:55] "0 (alleine)" "1 weiteren Person" "0 (alleine)" "0 (alleine)" ...
$ job            : chr [1:55] "Schüler / Student" "Arbeitstätig" "Arbeitstätig" "Schüler / Student" ...
$ arbeitsplatz_or: chr [1:55] "im Home-Office bzw. zuhause" "im Büro oder in der Bildungseinrichtung (in Präsenz)" "im Büro oder in der Bildungseinrichtung (in Präsenz)" "im Büro oder in der Bildungseinrichtung (in Präsenz)" ...
$ arbeitsplatz_g1: chr [1:55] "im Home-Office bzw. zuhause" "im Home-Office bzw. zuhause (auf Distanz)" "im Home-Office bzw. zuhause (auf Distanz)" "im Home-Office bzw. zuhause (auf Distanz)" ...
$ arbeitsplatz_mr: chr [1:55] "im Home-Office bzw. zuhause" "im Home-Office bzw. zuhause (auf Distanz)" "im Home-Office bzw. zuhause (auf Distanz)" "im Home-Office bzw. zuhause (auf Distanz)" ...
$ arbeitsplatz_g2: chr [1:55] "im Home-Office bzw. zuhause" "im Home-Office bzw. zuhause (auf Distanz)" "im Home-Office bzw. zuhause (auf Distanz)" "im Home-Office bzw. zuhause (auf Distanz)" ...

> summary(umfrage)
    subjekt      geschlecht          wohnsitz            alter         
Min.   : 1.0   Length:55          Length:55          Length:55         
1st Qu.:14.5   Class :character   Class :character   Class :character 
Median :28.0   Mode  :character   Mode  :character   Mode  :character 
Mean   :28.0                                                           
3rd Qu.:41.5                                                           
Max.   :55.0                                                           
   sport_or           sport_g1           sport_mr           sport_g2       
Length:55          Length:55          Length:55          Length:55         
Class :character   Class :character   Class :character   Class :character 
Mode  :character   Mode  :character   Mode  :character   Mode  :character 
                                                                           
                                                                           
                                                                           
   orte_or            orte_g1            orte_mr            orte_g2         
Length:55          Length:55          Length:55          Length:55         
Class :character   Class :character   Class :character   Class :character 
Mode  :character   Mode  :character   Mode  :character   Mode  :character 
                                                                           
                                                                           
                                                                           
  partner_or         partner_g1         partner_mr         partner_g2       
Length:55          Length:55          Length:55          Length:55         
Class :character   Class :character   Class :character   Class :character 
Mode  :character   Mode  :character   Mode  :character   Mode  :character 
                                                                           
                                                                           
                                                                           
     job            arbeitsplatz_or    arbeitsplatz_g1    arbeitsplatz_mr   
Length:55          Length:55          Length:55          Length:55         
Class :character   Class :character   Class :character   Class :character 
Mode  :character   Mode  :character   Mode  :character   Mode  :character 
                                                                           
                                                                           
                                                                           
arbeitsplatz_g2   
Length:55         
Class :character 
Mode  :character