STATISTIK-FORUM.de

[anna88]

Hallo zusammen,

ich bin gerade am Verzweifeln bei den Ergebnisse einer Umfrage für meine Masterarbeit.
Ich untersuche den Markenfit (wie gut passen zwei Marken zusammen) bei verschiedenen Marken und möchte herausfinden, ob das Geschlecht und das Alter der Antwortenden einen Einfluss auf diese Bewertung haben.

Dazu habe ich zuerst einen T-Test (beim Geschlecht) bzw. einen H-Test nach Kruskal und Wallis (beim Alter) durchgeführt.
Bei so gut wie allen Markenkombinationen kam hier heraus, dass es keinen signifikanten Unterschied in den Markenbewertungen bei den jeweiligen Gruppen gab (es gab 2-3 Marken bei denen ein signifikanter Unterschied herauskam.
Als Beispiel die Kombination von Axe und VW.

T-Test für Geschlechter: Signifikanz (2seitig) 0,325, damit größer als 0,05, Annahme der H0, kein signifikanter Unterschied.
H-Test für Alter: Signifikanz 0,832 damit größer als 0,05, Annahme H0, kein signifikanter Unterschied.

Daraus schließe ich, dass Männer und Frauen bzw. ältere und jüngere Personen die Kombi VW und Axe im Durchschnitt gleich bewerten.

Der Vollständigkeit halber habe ich auch noch die Korrelationskoeffizienten berechnet..
Hier habe ich für das Geschlecht den Phi-Korrelationskoeffizienten berechnet und für das Alter die Korrelation nach Pearson.
Ergebnis:
Phi für Geschlechter: 0,290, damit besteht ein geringer Zusammenhang zwischen Geschlecht und Bewertung. Signifikanz 0,048, damit kleiner als 0,05 und Ablehnung der H0, es besteht ein signifikanter Zusammenhang.
Pearson für Alter: -0,029 damit sehr geringer negativer Zusammenhang, aber nicht signifikant da Signifikanz bei 0,762.

Wie kann es aber denn sein, dass der T-Test keinen signifikanten Unterschied ausgibt, ich dennoch eine Korrelation beim Geschlecht erhalte??

Ich weiß nicht, ob man hier argumentieren kann, dass die Signifikanz beim Phi Kor.Koef. mit 0,048 nur knapp unter der Signifikanzgrenze liegt..
Aber falls ja habe ich noch ein deutlicheres Beispiel:
H-Test beim Alter: 0,234 damit Annahme der H0 dass kein signifikanter Unterschied zwischen Alter und Bewertung besteht.
Pearson: -0,230 mit Signifikanz 0,031. Schlussfolgerung: Jüngere Menschen bewerten den Fit schlechter als Ältere..

Wie hängen Mittelwertvergleiche und Korrelationen hier zusammen?
Macht es überhaupt Sinn beides zu untersuchen?

Ich habe alle Bücher die mir zur Verfügung stehen durhc und auch google durchsucht, finde aber nie eine Antwort die mir genau bei dieser Situation weiterhilft..
Wenn es umgekehrt wäre - T-Test zeigt Signifikanz und Korrelation nicht (habe ich auch 2 Fälle von) könnte ich mir ggf. noch etwas dafür einfallen lassen, wieso das funktionieren könnte. in diesem Fall fehlt mir aber jegliche Begründung..

Ich wäre über jede Art von Hilfe oder Tipp wirklich sehr dankbar!!

Viele Grüße
Anna

[PonderStibbons]

Dazu habe ich zuerst einen T-Test (beim Geschlecht) bzw. einen H-Test nach Kruskal und Wallis (beim Alter) durchgeführt.

Wie sehen die abhängigen Variablen konkret aus und wieso ist "Alter" kategorial?
Wieso mit Geschlecht ein Verfahren für intervalskalierte abhängige Variablen und
mit Alter eines für ordinalskalierte/rangskalierte abhängge Variablen?
Und wie groß ist die Stichprobe?

Hier habe ich für das Geschlecht den Phi-Korrelationskoeffizienten berechnet und für das Alter die Korrelation nach Pearson.

Phi ist für Vierfeldertafeln, aber oben ist vom t-Test für Geschlecht die Rede?

Mit freundlichen Grüßen

P.

[anna88]

Die abhängige Variable habe ich mit der Frage "Wie gut passt die Marke x zur Marke y?" anhand einer Likert-Skala (1=sehr gut bis 5= nicht gut) abgefragt. Genau genommen dürfte man diese Daten ja nicht als intervallskaliert behandeln, soll dies aber nach Rücksprache mit meinem betreuenden Prof tun.
Beim Alter habe ich den H-Test benutzt weil ich ja mehr als nur 2 Stichproben habe (beim Geschlecht 2 (männlich, weiblich) beim Alter 5 (<29,30-39,40-49,50-59 und >60) und der T-Test ja nur bei zwei Stichproben genutzt werden kann.

Die Stichprobengröße ist je nach Marke unterschiedlich (habe pro Fragebogen 2 Arten von Markenkategorien abgefragt, die per Zufall zugeteilt wurden). Habe aber bei allen ungefähr n = 100. Insgesamt haben 232 Personen mitgemacht, davon 70 Männer und 160 Frauen.

Für die Korrelation beim Geschlecht habe ich Phi genommen, da ich hier auf das Geschlecht geachtet habe - würde ich hier Pearson nehmen und als Ergebnis eine Korrelation von -1 bekommen, würde mir das ja keine wirklich Aussage geben. Deshalb habe ich für das Geschlecht als dichtome Variable dann Phi genommen.
Für den Mittelwertvergleich habe ich den T-Test aufgrund der nötigen Voraussetzungen genommen:
- Quantitatives Skalenniveau: vorhanden
- Normalverteilung der Daten (bei großen Stichproben n > 30 nicht zwingend notwendig, da der T-Test sehr robust ist); nicht vorhanden aber n>30
- Unabhängige Stichproben: ok
- Varianzhomogenität: nicht bei allen vorhanden. Aber da ich mit SPSS arbeite muss dann ja "nur" die entsprechende Zeile (Varianzen sind gleich/ Varianzen sind nicht gleich) ausgelesen werden.
Hier hatte ich zugegebenermaßen erst den U-Test, aber da hat mir dann mein Prof versichert, ich könnte den T-Test nehmen und die Likert-Skala Daten als intervallskalierte Daten nutzen..
Phi für Vierfeldertafeln war mir so nicht bewusst. Ich bin davon ausgegangen, dass man sich immer nach dem niedrigeren Skalenniveau richten muss und habe deshalb dann Phi gewählt, weil das Geschlecht eben dichotom ist..

Viele Grüße
Anna

[PonderStibbons]

Die abhängige Variable habe ich mit der Frage "Wie gut passt die Marke x zur Marke y?" anhand einer Likert-Skala (1=sehr gut bis 5= nicht gut) abgefragt.

Das ist allerdings keine Likert-Skala. Eine Likert-Skala besteht aus mehreren Items
vom Likert-Typ, deren Antworten summiert werden. Siehe z.B. wikipedia-Eintrag zu
Likert-Skalen. Das ist deswegen wichtig zu beachten, weil Diskussionen zum
Skalenniveau von Likert-Skalen (oridnalskaliert, eventuell auch intervallskaliert)
sonst fälschlicherweise bezogen werden auf das Skalenniveau von einzelnen Items
des Likert-Typs (ordinalskaliert).

Beim Alter habe ich den H-Test benutzt weil ich ja mehr als nur 2 Stichproben habe (beim Geschlecht 2 (männlich, weiblich) beim Alter 5 (<29,30-39,40-49,50-59 und >60) und der T-Test ja nur bei zwei Stichproben genutzt werden kann.

Warum benutzt Du nicht das genaue Alter statt der Kategorien?
Oder wenn Du schon Alter kategorisierst und (siehe t-Test) eine ordinale
Variable als intervallskaliert behandelst, wieso dann H-Test und nicht
die einfaktorielle Varianzanalyse?

Für die Korrelation beim Geschlecht habe ich Phi genommen, da ich hier auf das Geschlecht geachtet habe - würde ich hier Pearson nehmen und als Ergebnis eine Korrelation von -1 bekommen, würde mir das ja keine wirklich Aussage geben. Deshalb habe ich für das Geschlecht als dichtome Variable dann Phi genommen.

Phi ist für Vierfeldertafeln, den Zusammenhang zweier dichotomer Merkmale.
Dein Likert-Item hat jedoch 5 Stufen, statt einer 2x2-Tafel hast Du demnach
eine 2x5-Tafel. Wie soll das denn gehen?

Und was wurde nun bei der Korrelation zwischen Alter und abhängiger
Variable benutzt - das Originalalter? Die 5 Altersstufen? Mit letzterem
kanst Du keinen Pearson rechnen, das ist eindeutig ordinal und erfordert
eine Spearman-Rangkorrelation.

Mit freundlichen Grüßen

P.

[anna88]

Das ist allerdings keine Likert-Skala. Eine Likert-Skala besteht aus mehreren Items
vom Likert-Typ, deren Antworten summiert werden. Siehe z.B. wikipedia-Eintrag zu
Likert-Skalen. Das ist deswegen wichtig zu beachten, weil Diskussionen zum
Skalenniveau von Likert-Skalen (oridnalskaliert, eventuell auch intervallskaliert)
sonst fälschlicherweise bezogen werden auf das Skalenniveau von einzelnen Items
des Likert-Typs (ordinalskaliert).

Ok, das hätte ich vielleicht genauer erklären müssen. Da mein Prof. den Fragebogen aber kennt, gehe ich davon aus, dass er weiß, was ich meine..

Warum benutzt Du nicht das genaue Alter statt der Kategorien?
Oder wenn Du schon Alter kategorisierst und (siehe t-Test) eine ordinale
Variable als intervallskaliert behandelst, wieso dann H-Test und nicht
die einfaktorielle Varianzanalyse?

Gute Frage..
Die Alterskategorien habe ich benutzt, weil ich dachte, dass das Ergebnis dann aussagekräftiger wäre..
So könnte ja rauskommen, dass es einen sig. Unterschied zwischen der Klasse 30-39 und ü. 60 gibt. Die Alternative wäre, es gibt einen Unterschied zwischen 42 oder 61 järhigen..
Eine Varianzanalyse habe ich nicht gewählt, weil ich hier die Voraussetzungen nicht erfülle und, anders als beim T-Test habe ich keine "Ausnahmen" in den Büchern, gefunden, mit denen man die Varianzanalyse trotzdem hätte machen können.
Voraussetzungen:
-abhängige Variable muss quantitativ und normalverteilt sein: quantitativ i.O., normalverteilt nein
-unabhängige Variable nominal: (hier gilt ja ein MINDESTENS, oder?) dann i.O.
- Varianzen müssen gleich sein: nicht i.O.
Bin deshalb davon ausgeganen, dass ich die Varianzanalyse nicht machen darf und auf den H-Test ausgewichen..

Phi ist für Vierfeldertafeln, den Zusammenhang zweier dichotomer Merkmale.
Dein Likert-Item hat jedoch 5 Stufen, statt einer 2x2-Tafel hast Du demnach
eine 2x5-Tafel. Wie soll das denn gehen?

Das heißt, hier müsste ich den Rangkorrelationskoeffizienten nehmen?

Und was wurde nun bei der Korrelation zwischen Alter und abhängiger
Variable benutzt - das Originalalter? Die 5 Altersstufen? Mit letzterem
kanst Du keinen Pearson rechnen, das ist eindeutig ordinal und erfordert
eine Spearman-Rangkorrelation.

Ja hier hab ich jetzt natürlich wieder das richtige Alter genommen...
Hier konnte ich was mit der Aussage "je älter desto besser/ schlechter die Bewertung" anfangen.. Da schienen die konkreten Altersangaben i.O.

So wie ich deine Fragen deute ist es demnach aber nicht grundsätzlich falsch, sich Mittelwerte und Korrelationen anzuschauen?
Nur vermutlich bräuchte man normalerweise, wenn der Mittelwertvergleich keine sig. Unterschiede ergibt, auch keine Korrelationen mehr untersuchen, oder?

Grüße
Anna

[PonderStibbons]

Die Alterskategorien habe ich benutzt, weil ich dachte, dass das Ergebnis dann aussagekräftiger wäre..

Kategorisierung ist willkürlich und wenig übertragbar, stopft altersmäßig benachbarte Fälle
in dieselbe und entfernte Fälle in verschiedene Kategorien, zerstört statistische Informationen
und führt im schlimmsten Fall zu verzerrten Ergebnissen. Was daran aussagekräftiger
sein soll als eine schlichte Regression, erschließt sich mir leider nicht.
Siehe auch kurzgefasst http://biostat.mc.vanderbilt.edu/wiki/M ... Continuous

-abhängige Variable muss quantitativ und normalverteilt sein: quantitativ i.O., normalverteilt nein

Die abhängige Variable muss in einer Varianzanalyse nicht normalverteilt sein, wer
erzählt denn sowas? Die Variable sollte in den einzelnen Zellen jeweils aus einer
normalverteilten Grundgesamtheit stammen bzw. einfacher noch: die Vorhersagefehler
(Residuen) des Modells sollten aus einer normalverteilten Grundgesamtheit stammen.
Und selbst das ist bei ausreichender Stichprobengröße (n > 30, besser n > 50, beides
hier gegeben) nicht mehr relevant.

- Varianzen müssen gleich sein: nicht i.O.

Dafür gibt es Korrekturverfahren, auch in SPSS, analog zu denen
für den t-Test bei ungleichen Varianzen. Aber wie gesagt wäre eine
einfache Regression näherliegend.

Oder man räumt realistischerweise ein, dass ein fünfstufiges Likert-Item
nicht intervallskiert ist und verwendet durchgehend Verfahren für
Rangdaten (U-Test, H-Test, Spearman-Rangkorrelation).

Phi ist für Vierfeldertafeln, den Zusammenhang zweier dichotomer Merkmale.
Dein Likert-Item hat jedoch 5 Stufen, statt einer 2x2-Tafel hast Du demnach
eine 2x5-Tafel. Wie soll das denn gehen?

Das heißt, hier müsste ich den Rangkorrelationskoeffizienten nehmen?

Das heißt, dass mir schleierhaft ist, wie Du hier überhaupt einen Koeffizienten
gerechnet hat und wieso Du ihn mit dem Ergebnissen der früheren Analyse
vergleichen kannst/willst.

Ja hier hab ich jetzt natürlich wieder das richtige Alter genommen...

Wieso nimmst Du an, dass dasselbe rauskommen muss, wenn Du ganz unterschiedliche
Datenniveaus benutzt? Das eine waren Kategorien, das andere jetzt sind intervallskalierte
Altersangaben. Wobei ich wie gesagt letzteres für sinnvoll halte, ersteres nicht.

So wie ich deine Fragen deute ist es demnach aber nicht grundsätzlich falsch, sich Mittelwerte und Korrelationen anzuschauen?

Was soll daran grundsätzlich richtig oder falsch sein? Du verwendest meines Erachtens
hier im konkreten Fall zumeist unpassende oder ungünstige Verfahren und
vergleichst Ergebnisse unterschiedlicher Verfahren, bei denen es kein Wunder ist,
wenn sie unterschiedlich ausfallen.

Mit freundlichen Grüßen

P.

[anna88]

Puuuhhh.. ok.. also.. ich habe heute nochmal so viel Dinge ausprobiert wie nur möglich und versucht, das alles irgendwie zu verstehen....

Die abhängige Variable muss in einer Varianzanalyse nicht normalverteilt sein, wer
erzählt denn sowas?

Das sagt in der Tat Herr Horst Otto Mayer in seinem Buch "Interview und schriftliche Befragung" auf Seite 155...
"Unterschiedstest bei quantitativen Daten und mehr als 2 unabhängigen Stichproben: die Varianzanalyse" ... "Die Voraussetzungen für die Varianzanalyse sind [...] 1. Die abhängige Variable muss quantitatives Skalenniveau besitzen und normalverteilt sein." Joa.
Hat mich auch stutzig gemacht, denn wenn alle die Marke nun mal gut finden, kann das ja niemals normalverteilt sein.. und man bräuchte irgendwie gar keine MaFo mehr..

Die Variable sollte in den einzelnen Zellen jeweils aus einer
normalverteilten Grundgesamtheit stammen bzw. einfacher noch: die Vorhersagefehler
(Residuen) des Modells sollten aus einer normalverteilten Grundgesamtheit stammen.
Und selbst das ist bei ausreichender Stichprobengröße (n > 30, besser n > 50, beides
hier gegeben) nicht mehr relevant.

Habe jetzt nochmal in alten Forumsbeiträgen gewühlt und den Link von dir hier gefunden:
http://www.uni-graz.at/ilona.papousek/t ... s/faq.html
Darauf würde ich mich einfach beziehen und auch ohne Normalerteilung (von was auch immer.. ) eine Varianzanalyse anwenden..

Dafür gibt es Korrekturverfahren, auch in SPSS, analog zu denen
für den t-Test bei ungleichen Varianzen. Aber wie gesagt wäre eine
einfache Regression näherliegend.

ok..

Oder man räumt realistischerweise ein, dass ein fünfstufiges Likert-Item
nicht intervallskiert ist und verwendet durchgehend Verfahren für
Rangdaten (U-Test, H-Test, Spearman-Rangkorrelation).

Ja.. das wäre ja auch mein Ansatz gewesen.. ich hatte den U-Test und den H-Test. Mein Prof sagte daraufhin aber, dass ich die Daten so behandeln kann (habe ich auch in einigen Quellen so gelesen und darauf bezogen) und ich ruhig einen T-Test machen kann.. Bin mir nicht sicher, was jetzt die bessere Vorgehensweise ist..

Das heißt, dass mir schleierhaft ist, wie Du hier überhaupt einen Koeffizienten
gerechnet hat und wieso Du ihn mit dem Ergebnissen der früheren Analyse
vergleichen kannst/willst.

SPSS sei dank kam ein Ergebnis raus.. Ich bin da eben nur einfach zu dem Ergebnis gekommen, ob es Korrelationen gibt oder nicht.. und dann geschaut, ob bei den gleichen Marken beim H-Test auch Unterschiede rauskamen.. War nicht der Fall und das Problem war da.....
Da das Geschlecht ja eine nominale Variable ist, müsste ich hier den Kontingenz-Koeffizienten C berechnen - richtig? Auch hier habe ich in einem Buch (SPSS 22) gelesen, dass man in dem Fall das Geschlecht wie eine ordinalskalierte Variable behandeln kann, hieße, ich könnte mit dem Spearman rechnen - passt das?
Dann wäre nur die Frage was bedeutet eine Korrelation von +1/-1??
-1 hieße dann, dass niedrige Werte beim Geschlecht (bei 1=männlich und 2=weiblich also "je mehr Mann" die Person ist) desto höher die Bewertung des Fit? Hier würden also Männer besser bewerten als Frauen. Und +1 wäre je höher der Wert beim Geschlecht ("je mehr Frau") desto besser die Bewertung, hier würden dann Frauen besser bewerten??

Wieso nimmst Du an, dass dasselbe rauskommen muss, wenn Du ganz unterschiedliche
Datenniveaus benutzt? Das eine waren Kategorien, das andere jetzt sind intervallskalierte
Altersangaben. Wobei ich wie gesagt letzteres für sinnvoll halte, ersteres nicht.

Naja, die Gruppen setzen sich ja aus den einzelnen Altersangaben zusammen, deshalb habe ich das angenommen. Deine ersten Punkte in Bezug auf willkürliche Gruppen etc. machen auf jeden Fall Sinn für mich.. Aber teilweise habe ich ja sehr geringe Häufigkeiten (1 Person 61 Jahre, 1 Person 53 Jahre usw.)..Das macht bei Korrelationen für mich auch Sinn.. nur ein Mittelwertvergleich mit "Gruppen" in denen nur eine Person geantwortet hat macht ja irgendwie auch keinen Sinn, oder?!?!

Was soll daran grundsätzlich richtig oder falsch sein? Du verwendest meines Erachtens
hier im konkreten Fall zumeist unpassende oder ungünstige Verfahren und
vergleichst Ergebnisse unterschiedlicher Verfahren, bei denen es kein Wunder ist,
wenn sie unterschiedlich ausfallen.

Ok, wenn ich dann die gleichen und vor allem passenden Verfahren anwende.. kann es theoretisch zu dem Ergebnis kommen, dass ich im Mittelwertvergleich keinen Unterschied zwischen Gruppen feststelle, bei der Korrelation aber schon?

Danke für die Unterstützung!

Viele Grüße
Anna

[PonderStibbons]

Die abhängige Variable muss in einer Varianzanalyse nicht normalverteilt sein, wer
erzählt denn sowas?

Das sagt in der Tat Herr Horst Otto Mayer in seinem Buch "Interview und schriftliche Befragung" auf Seite 155...

Jemine, das stirbt also nicht aus. Herr Mayer liegt mehrfach falsch damit.

ich hatte den U-Test und den H-Test. Mein Prof sagte daraufhin aber, dass ich die Daten so behandeln kann (habe ich auch in einigen Quellen so gelesen und darauf bezogen) und ich ruhig einen T-Test machen kann.. Bin mir nicht sicher, was jetzt die bessere Vorgehensweise ist..

Wenn Dein Gutachter Dir das vorgibt, hast Du kaum eine andere Wahl.

Da das Geschlecht ja eine nominale Variable ist, müsste ich hier den Kontingenz-Koeffizienten C berechnen - richtig?

Wenn die eine Variable binär ist und die andere intervallskaliert
(laut göttlichem Ratschluß Deines Professors), so ist die passende
Korrelation die punktbiseriale. Aber da der H-Test die abhängige
Variable als ordinal behandelt, müsste man einen "biserialen
Rangkorrelationskoeffizienten" berechnen. Wenn ich mich recht
erinnere, ist der identisch mit Somer's d, den es irgendwo in
SPSS geben soll (Angaben im letzten Satz ohne Gewähr).

Naja, die Gruppen setzen sich ja aus den einzelnen Altersangaben zusammen, deshalb habe ich das angenommen. Deine ersten Punkte in Bezug auf willkürliche Gruppen etc. machen auf jeden Fall Sinn für mich.. Aber teilweise habe ich ja sehr geringe Häufigkeiten (1 Person 61 Jahre, 1 Person 53 Jahre usw.)..

Wenn Alterskategorien mit nur 1 Fall besetzt sind, sind die Ergebnisse Deines
H-Tests leider Müll.

Mit freundlichen Grüßen

P.

[anna88]

Okay, so weit alles verstanden und umgesetzt.
Jetzt passen auch die Ergebnisse aus den Mittelwertvergleichen mit den Korrelationen überein. Keine Korrelation mehr ohne auch einen Unterschied im Mittelwertvergleich zu haben..

Nun noch zum Alter...

Wenn Alterskategorien mit nur 1 Fall besetzt sind, sind die Ergebnisse Deines
H-Tests leider Müll.

Genau.. deshalb habe ich mir jetzt überlegt, fasst ich die Daten per Transformieren --> umkodieren in andere Variablen zu drei Gruppen zusammen:
1 = bis 29
2=30-40
3= ü. 40

Natürlich ist die Zuteilung willkürlich und das müsste ich dann als Kritik an der Methode angeben, aber ich wüsste nicht wie ich es sonst machen soll..
Auf die Einzelwerte zu gehen macht für den Mittelwertvergleich ja auch keinen Sinn..
Dann nehme ich die Varianzanalyse und führe mit diesen drei Gruppen die Analyse durch (ich hoffe das ist so i.O., denn einen Mittelwert für jede Gruppe kann mir SPSS so nicht geben, der liegt dann immer irgendwo zwischen 1 und 3.. aber bei der Varianzanalyse wird doch sicherlich mit den einzelnen Fällen gerechnet, oder?!)
Die Frage wäre dann, welche Variable ich für die Korrelationsanalyse nehme, die Kategorien oder die Einzeldaten? Die Ergebnisse sind die gleichen, sauberer finde ich es irgendwie mit EInzeldaten, andererseits habe ich die Mittelwertergleiche dann ja mit den Kategorien gemacht...
Zusätzlich hätte ich das Problem, dass Gruppe ein mehr als 150 Kandidaten hatte, Gruppe 2 und 3 ca.30...
Oder macht es mehr Sinn, hier auf den Mittelwertvergleich zu verzichten und sich nur die Korrelationen anzuschauen?
Habe gerade alle Varianten für den Mittelwert ausprobiert, aber irgendwie scheint mir da nichts sinnvolles bei rauszukommen...


Der zweite Vorschlag wäre dann der "Vollständigkeit" halber einen T-Test für zwei Altersgruppen zu machen - jung und alt.. oder Teilung am Mittelwert (29).
Und diese beiden Gruppen dann zu vergleichen. Da kommt dann zumindest ein Ergebnis raus das mit dem Korrelationskoeffizienten überein stimmt..
Ist zwar dann nicht das aussagekräftigste Ergebnis aber wenigstens ist die Untersuchung dann vollständig..


Grüße
Anna

[PonderStibbons]

Natürlich ist die Zuteilung willkürlich und das müsste ich dann als Kritik an der Methode angeben, aber ich wüsste nicht wie ich es sonst machen soll..

Gar keine Einteilung und kein Mittelwertvergleich,
da beides keinen ersichtlichen Sinn ergibt.
Stattdessen Korrelation bzw. lineare Regression.

Mit freundlichen Grüßen

P.