STATISTIK-FORUM.de

[Gurkenhals]

Moin Moin!

Ich habe einen Datensatz bei dem ich untersuchen möchte, ob eine rationalskalierte abhängige Variable mit dem Punktswert eines ordinalskalierten Fragebogens korreliert.

Dazu hatte ich gedacht die Rangkorrelation nach Spearman zu verwenden. Doch allerdings gibt mir die Statistiksoftware R bei cor.test(...) die folgende Warnung aus: "Kann exakte p-Werte bei Bindungen nicht berechnen". Wie kann ich das umgehen, oder muss ich ein anderes Verfahren verwenden?

Des Weiteren möchte ich berechnen, ob die anderen Variablen Alter, BMI (beide rationalskaliert) und Geschlecht (nominalskaliert) einen Einfluss auf die abhängige Variable haben und ggf. die Korrelationsanalyse zwischen der abhängigen Variable und dem Punktswert des Fragebogens für diese Variablen adjustieren. Mit welchem Verfahren kann ich das machen? Und wie mit R speziell?

Ich würde mich sehr über eure Hilfe freuen!
Alexander

[PonderStibbons]

Dazu hatte ich gedacht die Rangkorrelation nach Spearman zu verwenden. Doch allerdings gibt mir die Statistiksoftware R bei cor.test(...) die folgende Warnung aus: "Kann exakte p-Werte bei Bindungen nicht berechnen". Wie kann ich das umgehen, oder muss ich ein anderes Verfahren verwenden?

Reichen die asymptotischen Werte nicht?
NB, falls das eine software-Frage ist, es gibt ein R Forum im Internet http://forum.r-statistik.de/

Mit welchem Verfahren kann ich das machen?

Multiple lineare Regression.

Mit freundlichen Grüßen

P.

[bele]

Hallo PonderStibbons,

"Kann exakte p-Werte bei Bindungen nicht berechnen".

Reichen die asymptotischen Werte nicht?

Mich würde sehr interessieren, wann die asymptotischen Werte reichen und wann nicht. Die Software warnt ja wahrscheinlich, weil es Situationen gibt, in denen die asymptotischen falsch liegen, oder? Oder darf man generell einfach die asymptotischen Werte angeben? R gibt diese Warnung bei Wilcoxon-Tests mit Bindungen immer aus aber ich habe noch nie gelesen, dass jemand so eine Warnung im Paper zitiert hätte. Kannst Du dazu noch was sagen?

NB, falls das eine software-Frage ist, es gibt ein R Forum im Internet http://forum.r-statistik.de/

Den Tipp möchte ich unterstützen. Ansonsten kannst Du Dir mal das Package "coin" anschauen, in dem es die Funktion "SpearmanTest()" und die Funktion "IndependenceTest()" gibt. Ohne sie genau studiert zu haben, könnte SpearmanTest() gut die Antwort auf Deine Frage sein.
http://cran.r-project.org/web/packages/coin/coin.pdf
http://cran.r-project.org/web/packages/coin/index.html

LG,
Bernhard

[PonderStibbons]

Mich würde sehr interessieren, wann die asymptotischen Werte reichen und wann nicht.

Die Frage würde ich mir nur stellen, wenn's einen Unterschied macht.
Geht es um p=0,15 versus p=0,20, dann wär's mir egal.

Mit freundlichen Grüßen

P.

[Gurkenhals]

Vielen Dank für eure bisherigen Antworten!

Was genau sind die "asymptotischen Werte"? Wenn ich mit R die Rangkorrelation nach Spearman berechne, dann bekomme ich einen Wert. Soweit ich weiß ist dies der Korrelationskoeffizient r.

Was macht "spearman_test" anderes als "cor.test"? Mit "spearman_test" kommt nicht die Warnung und bei "cor.test" schreibt er "alternative hypothesis: true rho is not equal to 0", wohingegen er bei "spearman_test" schreibt "alternative hypothesis: true mu is not equal to 0" (doofe Frage: wer oder was ist mu?). In meinen "kleinen" Statistikbüchern steht dazu nichts.

Und mir ist nicht klar wie ich mit "multipler linearer Regression" einen Korrelationskoeffizient zwischen zwei Variablen auf den Einfluss anderer Variablen adjustieren kann. Dazu habe ich auch nichts gescheites im Netz gefunden (für Tipps, gerne auch Bücher oder Artikel, wäre ich dankbar). Soweit ich es verstehe, wird mit der multiplen linearen Regression eine Formel gebildet, mit deren Hilfe man abhängig von den Werte der Einflussfaktoren (x1, x2, x3, ...) den Wert einer abhängigen Variable (y) berechnen kann. Wie kommt man davon auf den adjustierten Korrelationskoeffizient?

Die mehr technisch ausgelegte Frage habe ich jetzt auch wie vorgeschlagen gepostet http://forum.r-statistik.de/viewtopic.php?f=16&t=5239&p=13548#p13548.