STATISTIK-FORUM.de

[sabille]

Schönen guten Morgen in die Runde!

Ich bin neu im Forum und habe mal eine Frage an Euch: Ich habe eine Menge binär codierter Variablen mit 0 'nein' und 1 'ja'. Es wird viel mehr mit ja geantwortet als mit nein, da nein für die Probanden mit Mehraufwand verbunden ist. Ich möchte nun gerne sowohl nach oben als auch nach unten Ausreißer identifizieren. Zunächst hatte ich an die Standardabweichung gedacht, allerdings übersteigt der Mittelwert + Standardabweichung dann häufig 1, während Mittelwert - Standardabweichung zu viele Fälle aussortiert. Hat einer eine Idee, wie man mit der Problematik umgehen kann?

Herzlichen Dank für Eure Hilfe
Sabille

[PonderStibbons]

Ich möchte nun gerne sowohl nach oben als auch nach unten Ausreißer identifizieren.

Bezogen auf welche Messung? Die aufsummierten 0/1-Items?
Und warum und wozu ist für Dich die Identifikation von
"Ausreißern" von Interesse?

Mit freundlichen Grüßen

P.

[sabille]

Hallo PonderStibbons,

danke für Deine Antwort.

Die Antworten werden von Testern gegeben und ich möchte Tester identifizieren, die zu gut oder zu schlecht urteilen. Ich möchte also pro Frage Ausreißer identifizieren und zusätzlich über einen Indexwert (Mittelwert aus allen Fragen berechnet).

Grüße
Sabille

[PonderStibbons]

Leider bleibt mir das unverständlich. Vielleicht beschreibst Du die Studie einmal
zusammenhängen (Thema, Fragestellung, Erhebungsdesign, konkrete Messungen,
Stichprobengröße).

Mit freundlichen Grüßen

P.

[sabille]

Ich versuche es zu umreißen:

Es gibt 500 Tester, die 10000 verschiedene Autowerkstätten testen und einen Fragebogen ausfüllen. In diesem sind ca. 20 Aussagen enthalten, wie z.B. "Die Werkstatt ist sauber" ja/nein. Die Tester haben eine größere Motivation die Werkstätten gut zu beurteilen, als sie schlecht zu beurteilen, d.h. es antworten viel mehr mit ja als mit nein, da im Falle von der Antwort 'nein' ausführliche Ausführungen erwartet werden. Jetzt möchte ich gerne Ausreißer bei den Testern identifizieren. Gibt es Tester die durchweg zu gut urteilen bzw. zu schlecht? Da die Fragen unterschiedlich streuen, würde ich gerne Grenzen fragespezifisch festlegen. Ich habe die Daten jetzt auf Testerebene aggregiert und vergleiche die Mittelwerte. Meine Idee war es mit der Standardabweichung zu arbeiten, aber bei einem Mittelwert von 0,97 und einer Standardabweichung von 0,04 macht das nach oben keinen Sinn. Habt ihr eine bessere Idee?

Puhh, ich hoffe, das war jetzt verständlich.

[PonderStibbons]

Du willst nach 20 Kriterien nach 'Ausreißern' suchen?
Klingt mühselig. Welchen Vorteil das hat gegenüber
der Aggregation der 20 Fragen verstehe ich noch nicht.

Das Problem ist, ob statistische Kriterien überhaupt viel
mit Deinen inhaltlichen Vorstellungen zu tun haben.
Vielleicht ist inhaltlich schon jemand als einer identifizierbar,
der sich die Wertungen leicht gemacht hat, aber nach einem
statistischen Kriterium wäre er evtl. noch im tolerablen
Bereich.

Du könntest Dich der Methoden der explorativen Datenenalyse
bedienen, stem-and-leaf plots, histogramme, und vor allem
box-and-whiskers plots.

Mit freundlichen Grüßen

P.

[bele]

Hallo sabille,

Du könntest versuchen, Deinen Datensatz mit robusten Statistiken zu untersuchen. Ein Beispiel wäre, statt dem Mittelwert der Summenscores einen getrimmten Mittelwert anzugeben: Du berechnetst für alle 500 Tester die Summenscores. Dann lässt Du die 5% besten und 5% schlechtesten weg, bevor Du den Mittelwert bildest.

Gegebenenfalls könnte man sich auch so eine Art "Zero-Inflated-Modell" (in Deinem Fall "One-Inflated-Modell") denken, aber derzeit sieht es nicht so aus, als könntest Du prüfen, ob alle diese Manipulationen Deine Datenqualität tatsächlich verbessern. Daher die Skepzis und die Frage, ob man das wirklich machen oder einfach auf die Mengeneffekte in der Statistik hoffen soll.

Hast Du mal ein Histogramm/Verteilungskurve Deiner Summenscores berechnet? Wenn das zweigiplig wäre, einmal an einem realistischen Wert und einmal nahe Maximalwert, dann fände ich den Aufwand überlegenswert. Sonst eher nicht.

LG,
Bernhard

[sabille]

Danke Euch!