STATISTIK-FORUM.de

[studi_22]

Hallo ihr Lieben,

Ich schreibe aktuell meine Masterarbeit. Leider war ich in Statistik nie wirklich gut, weshalb ich aktuell etwas unsicher/verwirrt bin.
Ich habe mehrere Hypothesen im Schema "AB erhöht CD", die ich natürlich testen möchte.
Die Daten basieren alle auf Likert-Skalen (siebenstufig) und ich habe für alle "Konstrukte" Mittelwertscores berechnet, die ich für die weiterführenden Analysen verwenden möchte (als hier im Beispiel den Mittelwertscore der Items von AB und von CD).

Nun bin ich mir bezüglich der richtig Wahl des Verfahrens zur Prüfung meiner Hypothesen sehr unsicher. Ich habe mich zwar bereits schlau gemacht und mich durchs Internet und Literatur gelesen, bin aber immer noch verunsichert.
Ich gehe davon aus, dass meine Daten ordinalskaliert sind (da Likert-Skalen - gerne korrigieren falls ich da schon falsch liege). Herausgefunden habe ich, dass ich dafür die Spearman-Rangkorrelation einsetzen kann. Allerdings zeigt mir diese ja lediglich den Zusammenhang zwischen AB und CD an und nicht, ob AB CD tatsächlich erhöht. Kann ich dafür dann die ordinal (logistische) Regression anwenden? Oder gar etwas ganz anderes?

Ich bin da leider etwas verzweifelt und würde mich sehr über Hilfe freuen!

[PonderStibbons]

Ich gehe davon aus, dass meine Daten ordinalskaliert sind (da Likert-Skalen - gerne korrigieren falls ich da schon falsch liege).

Solche Multi-Item-Skalen werden routinemäßig wie intervallskaliert behandelt.

Herausgefunden habe ich, dass ich dafür die Spearman-Rangkorrelation einsetzen kann.

Die geht ohne weiteres, insbesondere bei sehr kleinen Stichproben. Die Stichprobengröße ist leider nicht angegeben.

Allerdings zeigt mir diese ja lediglich den Zusammenhang zwischen AB und CD an und nicht, ob AB CD tatsächlich erhöht.

Wie soll ein Analyseverfahren Kausalitäten zeigen können? Du kannst lediglich den Zusammenhang
abbilden. Alles Weitere hängt ab vom Studiendesign (AB wurde experimentell manipuliert) bzw.
Sachwissen (Sonneneinstrahlung lässt Blüten sich öffnen; nicht umgekehrt). Worum handelt es sich
bei den beteiligten Variablen?

Ich bin da leider etwas verzweifelt

Sehr bedauerlich.

Mit freundlichen Grüßen

PonderStibbons

[studi_22]

Danke für die Antwort.

Die geht ohne weiteres, insbesondere bei sehr kleinen Stichproben. Die Stichprobengröße ist leider nicht angegeben.

Die Stichprobe ist n = 106

Worum handelt es sich bei den beteiligten Variablen?

Die unabhängige Variable ist z.B. "Offene Fehlerkultur" und die abhängige Variable "Risikobereitschaft", das heißt eine Hypothese lautet "Eine offene Fehlerkultur erhöht die Risikobereitschaft.". Also würde es ausreichen, dafür die Spearman-Rangkorrelation zu berechnen?

Freundliche Grüße.

[PonderStibbons]

Die unabhängige Variable ist z.B. "Offene Fehlerkultur" und die abhängige Variable "Risikobereitschaft", das heißt eine Hypothese lautet "Eine offene Fehlerkultur erhöht die Risikobereitschaft.".

Das kann man so als Annahme formulieren, aber mit einer korrelativen Querschnittstudie
nicht beweisen. Damit kann man allenfalls prüfen, ob A mit B assoziiert ist, aber nicht,
dass B durch A kausal beeinflusst wird. Die vorhandene Risikobereitschaft könnte ja
umgekehrt die Fehlerkultur verändert haben. Oder beides hängt zugleich ab von
Drittvariablen, sodass es sich ganz der teilweise um eine Scheinkorrelation handelt
https://upload.wikimedia.org/wikipedia/ ... se.svg.png
https://media.springernature.com/lw685/ ... 1_HTML.png
Daher muss man das seriöserweise sorgfältig formulieren.

Also würde es ausreichen, dafür die Spearman-Rangkorrelation zu berechnen?

Ob die Variablen zusammenhängen, kann man mit Spearman analysieren. Pearson
wäre wohl ebenfalls zulässig, wenn es Likert-artige Multi-Item-Skalen sind. Wenn
Drittvariablen einbezogen werden sollen, dann multiple lineare oder ordinale
Regression.

Mit freundlichen Grüßen

PonerStibbons