STATISTIK-FORUM.de

[TarL]

Servus miteinander,

ich bin momentan dran in meiner Masterthesis das thermische Empfinden in Abhängigkeit von Solarstrahlung zu untersuchen. Dazu werde ich demnächst auch Feldversuche mit Probanden durchführen. Der Ablauf der Untersuchung wird wie folgt sein.
1) 30 Minuten Aufenthalt in einem Raum ohne Solarstrahlung (dient auch zur Akklimatisation der Probanden)
2) danach wird jeder Proband in drei verschiedenen Räumlichkeiten getestet (Drei deswegen weil ich durch das Anbringen von Screens (Vergleichbar mit einem Blendschutz) an der Fassade die Solarstrahlung regulieren kann, da diese unterschiedliche transmissionsgrade haben)

Die Abhängige Variable wird das "thermische Empfinden" sein, welches durch die 7 stufige ASHRAE Skala ermittelt wird (kalt, kühl, leicht kühl, neutral, leicht warm, warm, heiß). Dabei handelt es sich ja um eine Verbalskala, welche allerdings durch das Ersetzten durch Zahlen in eine Ordinalskala umgewandelt werden kann.

Zu den Unabhängigen Variablen sei gesagt, dass die meisten intervallskaliert sind.
5 sind intervall skaliert
1 ist ordinal skaliert

Da ich bisher in meinem Studium leider noch recht wenig bzw. nichts zu Sozial- und Humanwissenschaftlichen statistischen Verfahren hatte würde ich gerne hier im Forum nach Hilfe bitten, damit ich das richtige Verfahren für die Auswertung anwende

Bisher hab ich an eine ANOVA mit Messwiederholung gedacht (oder Friedmann Test zwecks der Ordinalskala der AV?) und an eine multiple Regression.

Wär spitze wenn mir hier jemand helfen könnte

[PonderStibbons]

Wenn Du lediglich die 3 Bedingungen vergleichen willst, bietet sich der Friedman Test an.
Unklar ist, weswegen Du die unabhängigen Variablen erwähnst, welche Rolle diese spielen.

Mit freundlichen Grüßen

P.

[TarL]

Also kurz zu den 3 Bedingungen.
Zwischen 1 und 2 wird der solare Transmissions geändert was darin resultiert, dass ich eine große Bandbreite an auftreffender Solarstrahlung am Menschen untersuchen kann. Die transmittierte Solarstrahlung wird dabei sicherlich nicht konstant bleiben, weil die eben von diverse Klimafaktoren abhängt (Sonnenstand, Bewölkungsgrad etc.). Die am Menschen auftreffende Solarstrahlung messe ich, in Watt bzw. Watt/m² und deren Einfluss auf die Voten (zum thermischen Empfinden) der Individuen will ich untersuchen.
Von 2 zu 3 untersuche ich den Einfluss der Farbtemperatur des Blendschutzes auf die Voten des thermischen Empfindens.

Fall 2 zu 3 kann ich direkt miteinander vergleichen, weil die Farbtemperatur konstant bleibt. Bei dem Fall 1 zu 2 ist das denke ich nicht der Fall weil eben die Solarstrahlung variiert.

Korrigiert mich wenn ich falsch liege. Das Vorgehen ist Folgendes, ich untersuche mit z.B. der ANOVA ob der Einfluss signifikant ist und sofern der Einfluss signifikant ist untersuche ich mit einer linearen/multiplen Regression welchen Einfluss die unabhängige Variable hat, richtig?

Besten dank schonmal!!

[PonderStibbons]

ich untersuche mit z.B. der ANOVA ob der Einfluss signifikant ist und sofern der Einfluss signifikant ist untersuche ich mit einer linearen/multiplen Regression welchen Einfluss die unabhängige Variable hat, richtig?

Ist gemeint, erst einmal mit einer Messwiederheolungs-Varianzanalyse
zu überprüfen, ob sich die Bedingungen unterscheiden, und danach
innerhalb der Bedingung 2 zu untersuchen, wie sich die Variation der
Einflussfaktoren auf die abhängige Variable auswirkt? Das erste geht
wie erwähnt mit Friedman, das zweite geht nicht mit einer linearen
Regression, weil die abhängige Variable ordinal ist.

Mit freundlichen Grüßen

P.

[TarL]

Ja genau, ich hab ja mehrere unabhängige Variablen, darunter z.B. Solarstrahlung, Leuchtdichte des Blendschutzes, Temperatur des Blendschutzes, Farbtemperatur des Blendschutzes, die thermische Präferenz der Versuchsperson (ob sie es eher kalt mag, neutral oder eher warm)
Gedacht ist dann, wie du bereits sagtest, eine Messwiederholung ANOVA und dann danach eine multiple Regression (ich gehe mal davon aus, dass die multiple dann auch nicht geht -> AV ist ordinal)
Gibts dazu Alternativen?

[PonderStibbons]

Alternativen wären mehrere Analyen mit jeweils nur 1 Prädiktor (mit "nonparametrischen"
Verfahren für ordinale Daten), multiple ordinale Regression, oder Behandlung der
Variable als intervallskaliert und Rechnung der multiplen linearen Regression (wäre
aber fragwürdig).

Mit freundlichen Grüßen

P.

[TarL]

Alles klar, vielen Dank für die Hilfe!
Ich werd mir die Verfahren mal anschauen und mich da einarbeiten.

Beste Grüße

[TarL]

Ich hab noch eine ergänzende Frage zu dem Friedman Test bzw. generell zu Verfahren mit Messwiederholung.

Wie bereits beschrieben untersuche ich die Versuchspersonen in den 3 oben genannten Fällen. Dabei ist jedoch Folgendes zu beachten.
Und zwar unterstehen die Versuchspersonen innerhalb der Fälle unterschiedlichen Solarstrahlungen.
Beispielsweise:

Versuchsperson 1: Fall1 -> 50W/m2 Fall 2 -> 130W/m2
Versuchsperson 2: Fall1 -> 70W/m2 Fall 2 -> 175W/m2
etc..

Die Intention der Untersuchung ist auch den Einfluss der Solarstrahlung in W/m2 auf das thermische Empfinden und nicht der Einfluss von dem jeweiligen Fall auf das thermische Empfinden.
Und ich bin mir gerade nicht mehr sicher ob die genannten Verfahren hier anwendbar sind?!
Wäre über Hilfe sehr dankbar!

Beste Grüße Michl

[PonderStibbons]

Du kannst innerhalb einer jeden Bedingung ja alles, was Du möchtest mit dem
Temperaturempfinden korrelieren (Spearman-Rangkorrelation), auch W/m².

Für Korrelationen über mehrere Bedingungen hinweg weiß ich bei einer ordinalen
abhängigen Variable kein belastbares Auswertungsdesign (mag es aber geben), da
könnte man eventuell die Stichprobe nach Zufall dreiteilen und für jedes Drittel
nur deren Daten aus jeweils 1 Bedingung nutzen. Wäre natürlicih eine große
Datenverschwendung.

Mit freundlichen Grüßen

P.

[TarL]

Ist es legitim wenn ich bei der Auswertung die 3 Fälle ignoriere und die ermittelten Daten zur Solarstrahlung mit den dazugehörigen Voten zum thermischen Empfinden mit einem Verfahren ohne Messwiederholung auswerte? Wie z.B. Kruskals Wallis Test?

Und genau die Spearman-Rangkorrelation werde ich zur Untersuchung der Zusammenhänge hernehmen.

Danke !