STATISTIK-FORUM.de

[Stat_Prob]

Hallo,

Ich arbeite an einer Metaanalyse mit dem Programm R.
Hier untersuche ich, ob eine Beziehung zwischen der abhängigen Variablen "Teilnahme am Lobbying" (Ergebnismöglichkeiten = Ja oder Nein) und der unabhängigen Variablen "Unternehmensgröße" (Ergebnisberechnung nach Wert des Anlagevermögens).

Die Ergebnise basieren auf dem nach Fishers Z-transformierten Korrelationskoeffizienten. Für meine Untersuchung habe ich folgendes Ergebnis bekommen: r=0,2911, p-Wert = <0,0001, Konfidenzintervall = [0.2501; 0,3321].

Mein Problem ist jetzt, dass ich nicht weiß, wie ich dieses Ergebnis zu interpretieren habe.

Ich bin der Meinung, man kann auf jeden Fall sagen, dass eine signifikante Beziehung zwischen den beiden Variablen besteht.
Aber kann ich auch folgende Aussage treffen: Zu 29,11% kann behauptet werden, dass Unternehmen, die am Lobbying teilnehmen eine größere Unternehmensgröße aufweisen?
Oder ist es anhand des Korrelationskoeffizienten nicht möglich derart direkte Aussagen zu machen????

Ich bin sehr dankbar für jede Hilfe!

[PonderStibbons]

Ich arbeite an einer Metaanalyse (...)
Mein Problem ist jetzt, dass ich nicht weiß, wie ich dieses Ergebnis zu interpretieren habe.
(...)
Zu 29,11% kann behauptet werden, dass Unternehmen, die am Lobbying teilnehmen eine größere Unternehmensgröße aufweisen?

Du führst ein sehr anspruchsvolles Analyseverfahren durch, welches
fundiertes Statistikwissen voraussetzt, und dies ohne auch nur über
Einsteigerkenntnisse zu verfügen wie die, was ein Korrelationskoeffizient
bedeutet und ein p-Wert aussagt? Wie kommt es denn zu dieser Konstellation?
Oder verstehe ich da was falsch?

Mit freundlichen Grüßen

P.

[bele]

Aber kann ich auch folgende Aussage treffen: Zu 29,11% kann behauptet werden, dass Unternehmen, die am Lobbying teilnehmen eine größere Unternehmensgröße aufweisen?

Nein, kann man nicht. Wenn man annaehme, dass es keinen Zusammenhang gibt, dann wären Deine Beobachtungen extrem unwahrscheinlich. Demnach ist praktisch erwiesen, dass es einen Zusammenhang gibt. Auch wenn Du keine Wahrscheinlichkeit dafür angeben kannst: Sie liegt bestimmt übr 29%.

Die 0,29 sind ein Maß für die Stärke des Zusammenhangs, nicht für dessen Wahrscheinlichkeit.

Zuletzt würde ich eher sagen, dass größere Unternehmen eher am Lobbying teilnehmen als anders herum, aber wie herum man das nun formuliert gibt einem die Statistik nicht vor.


Zuletzt noch ein Tipp: Poste bei solchen Fragen im Zweifelsfall den R Code, mit dem Du die Berechnung angestoßen hast und den Original-Output von R. PonderStibbons hat Recht, dass Dein Post deutlich zu geringe Vorkenntnisse vermuten lässt. Ob Du R richtig aufgerufen und die Ausgabe richtig interpretiert hast, ist ungewiss.

LG,
Bernhard

[Stat_Prob]

Ja, das ist nun leider mein Problem, dass ich so gut wie keine Kenntnisse in Statistik habe...aber trotzdem muss ich nunmal meine Masterarbeit darüber schreiben und diese in 2 Wochen mit vernünftigen Ergebnissen abgeben.....deshalb bin ich ja über jede Hilfe von euch Statistik-Profies froh!

Vielleicht hilft es ja weiter, wenn ich das gesamte Ergebniss von R hier reinkopiere:


> SIZE <- read.table("clipboard", header=TRUE, sep="\t", na.strings="NA", dec=",",
+ strip.white=TRUE)

> dat<-escalc(measure="ZCOR", ri=r, ni=N, data=SIZE)

> print(dat)
yi vi
1 0.2587331107 0.0204081633
2 0.0014586490 0.0107526882
3 0.0295311176 0.0107526882
4 0.0010050373 0.0102040816
5 0.0271512899 0.0102040816
6 0.0009365853 0.0088495575
7 0.0189632808 0.0088495575
8 0.0009407203 0.0089285714
9 0.0234216189 0.0089285714
10 0.2830050808 0.0059880240
11 0.2184011623 0.0059880240
12 0.2942239528 0.0059880240
13 0.3074114824 0.0059880240
14 0.2737776249 0.0059880240
15 0.2843502213 0.0059880240
16 0.1752851070 0.0059880240
17 0.1002478091 0.0059880240
18 0.1259396490 0.0059880240
19 0.1369857237 0.0059880240
20 0.4685166290 0.0012626263
21 0.4697533442 0.0013404826
22 0.4685166290 0.0013495277
23 0.4697533442 0.0012547051
24 0.3332108935 0.0005558644
25 0.3369328255 0.0005688282
26 0.3150147209 0.0005630631
27 0.2864888943 0.0068965517
28 0.4464237381 0.2500000000
29 0.3195196405 0.2500000000
30 0.4464237381 0.2500000000
31 0.6173545171 0.2000000000
32 0.7490436819 0.2000000000
33 0.2889060927 0.2000000000
34 0.8791588568 0.1000000000
35 0.2400629939 0.1000000000
36 0.3445296102 0.1000000000
37 0.2895474299 0.0322580645
38 0.4276795207 0.0322580645
39 0.3466444475 0.0322580645
40 0.2981728616 0.0357142857
41 0.1564523179 0.0357142857
42 0.2726041627 0.0357142857
43 0.1649794366 0.0055555556
44 0.2605297212 0.0055555556
45 0.1864447551 0.0055555556
46 0.9079648597 0.1000000000
47 0.9079648597 0.1000000000
48 0.9079648597 0.1000000000
49 0.8291740854 0.2000000000
50 0.6522017975 0.2000000000
51 0.8291740854 0.2000000000
52 0.9441140670 0.1428571429
53 0.9441140670 0.1428571429
54 0.7688264607 0.1428571429
55 0.4713021535 0.0200000000
56 0.4166697875 0.0200000000
57 0.4995951686 0.0200000000
58 0.2181905641 0.0039062500
59 0.2181905641 0.0039062500
60 0.2181905641 0.0039062500
61 0.2786094294 0.0181818182
62 0.4968555422 0.0062500000
63 0.4732825314 0.0062500000
64 0.4328234816 0.0062500000
65 0.4915997826 0.0062500000
66 0.4825304048 0.0062500000
67 0.4669780075 0.0062500000
68 0.0908656240 0.0007042254

> res<-rma(yi, vi, data=dat, method="HE")

> res

Random-Effects Model (k = 68; tau^2 estimator: HE)

tau^2 (estimate of total amount of heterogeneity): 0.0152
tau (sqrt of the estimate of total heterogeneity): 0.1233
I^2 (% of total variability due to heterogeneity): 76.50%
H^2 (total variability / sampling variability): 4.26

Test for Heterogeneity:
Q(df = 67) = 315.6827, p-val < .0001

Model Results:

estimate se zval pval ci.lb ci.ub
0.2911 0.0209 13.9311 <.0001 0.2501 0.3321 ***

---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

[PonderStibbons]

Hast Du Dich eigentlich mittlerweile entschieden,
in welchem Forum Du das diskutieren willst, oder
lässt Du weiter die Leute in mehreren Foren parallel
für Dich arbeiten?

[Stat_Prob]

@ PonderStibbons : Diese Foren sind genau dafür da, wofür ich sie auch nutze. Wenn du nichts produktives beizutragen hast, dann lass es einfach. Danke!

[bele]

Hallo Stat-Prob,

ich weiß nicht, in welchen anderen Foren Du Dich tummelst, mir ist es auch egal. PonderStibbons hält Cross-Postings für schlechten Stil. Du hast aber gerade denjenigen weg geschickt, der hier im Forum die meisten Antworten auf Fragen postet und der sich in sehr vielen Bereichen der Statistik wirklich gut auskennt.

Deine Funktionen "escalc" und "rma" sind kein Standard R - Du hast Sie aus irgendeinem Package. Wahrscheinlich "metafor"? Ich kenne mich mit diesem Package gar nicht aus, aber es sieht ja so aus, als sei die Syntax straightforward. Drücken wir also Die Daumen, dass alles richtig war. Zur Interpretation des p-Wertes steht das Wesentliche ja oben. Ergänzend vielleicht noch der Verweis, dass andere auch Probleme mit der Interpretation haben:
http://www.youtube.com/watch?v=ax0tDcFkPic

LG,
Bernhard