STATISTIK-FORUM.de

[Mummel53]

Ihr lieben,
mir wurde bereits bei meiner ersten Frage so schnell geholfen, deswegen greife ich nun wieder auf euch zurück.
Ich wollte gerne einige Varianzanalyse von Nicht-NV-Skalen machen. Dazu muss ich den Friedmann Test (k-verbundene Stichproben) nutzen.
Allerdings würde ich dabei gerne auch Geschlecht, Alter und Ausbildung (Nominalskalen) als Kovariante verwenden. Bei NV-Skalen kann man das ja über Allg. lin. Modell -> Univariat machen. Kann ich das auch bei Nicht-NV Skalen nutzen oder gibt es dazu eine Alternative?

Und noch eine Frage zur Regression: Hier müssen die Skalen selbst ja nicht NV sein, aber die Residuen, richtig? Was nun, wenn ich meine multiple Regression gerechnet habe, die Residuen als nicht standardisiert gespeichert habe, mit dem KS die NV berechnet habe und dabei herauskommt, dass die Residuen definitiv nicht NV sind?

Ich muss sagen, diese Normalverteilung bereitet mir noch schlaflose Nächte ^^ quasi wie der schwarze Mann, den ich hinter jeden Ecke vermute...

Vielen Dank!

[Mummel53]

kleine Verbesserung: Alter und Ausbildung sind keine Nominalskalen, sondern Ordinal ^^

[PonderStibbons]

Ich wollte gerne einige Varianzanalyse von Nicht-NV-Skalen machen. Dazu muss ich den Friedmann Test (k-verbundene Stichproben) nutzen.

Varianzanalysen verlangen keine "normalverteilten Skalen".

Die speziellen Voraussetzungen für die (paranetrischen) Messwiederholungs-
Varianzanalysen müsstest Du aber wohl noch recherchieren.

Was nun, wenn ich meine multiple Regression gerechnet habe, die Residuen als nicht standardisiert gespeichert habe, mit dem KS die NV berechnet habe und dabei herauskommt, dass die Residuen definitiv nicht NV sind?

Am besten erst einmal die Antworten sorgfältig lesen, die
Du bereits erhalten hast. Nebenbei ist dem Leser unbekannt,
auf welchem Kriterium das "definitiv" beruht.

Ich muss sagen, diese Normalverteilung bereitet mir noch schlaflose Nächte ^^ quasi wie der schwarze Mann, den ich hinter jeden Ecke vermute...

Das ist seltsam angesichts der Tatsache, dass in aller Regel bei konkreten Auswertungen
Normalverteilung überhaupt nicht oder allenfalls marginal relevant ist.

Alter und Ausbildung sind keine Nominalskalen, sondern Ordinal

Dann musst Du sie als kategorial behandeln, ordinale Variablen
lassen sich nicht als Prädiktoren in Regressionen und Varianzanalysen
verwenden.

Mit freundlichen Grüßen

P.

[Mummel53]

Oje, jetzt bin ich glaube ich verwirrter als zuvor.
Von unten nach oben - für die Regression und die Varianzanalyse liegen mir metrische Variablen vor. Das ist also erst einmal kein Problem (war mit dem Text davor zugegebenermaßen etwas verwirrend). Aber rein aus Neugierde: was genau meinst du mit kategorial (manche Begriffe sind mir fremd).

Definitiv meinte, die Residuen sind nicht normalverteilt, da die Signifkanz < 0,01. Aber du hattest geschrieben, dass es bei großen Stichproben nicht so schlimm ist, wenn die Residuen nicht normalverteilt sind. Kann ich es dann dabei belassen und sind dann andere Tests wichtig?

Wegen der Varianzanalyse - ich hatte mich auf dieses Diagramm hier verlassen: http://www.methodenberatung.uzh.ch/datenanalyse.html was mir zumindest beim Entscheiden welche Tests ich nun brauche sehr geholfen hat. Und dabei wird unterschieden zwischen NV und nicht NV. Da ich eine Variablen mit mehr als 2 Stufen vorliegen habe, die zu zwei Zeitpunkten gemessen wurde und nun verglichen werden soll auf Unterschiede, habe ich mich für den Friedmann entschieden. Da ich aber festgestellt habe, dass die UV Geschlecht mit beiden Variablen korreliert, wollte ich sie in die Kovarianz setzen, um den Einfluss rausrechnen zu lassen. (Zumindest habe ich das nach den Erklärungen meiner Dozentin so verstanden, dass ich das tun soll. möglicherweise nicht das optimalste, aber da es sich "nur" um eine Bachelorarbeit handelt, wurde mir gesagt, dass ich in einigen Schritten es O-Ton "nicht so kompliziert" machen soll. Wenn ich dann allerdings die ganzen Tipps von euch Profis sehe, dann schwirrt mir der Kopf, da ich das meiste nach den Einführungs-SPSS und Statistik-Seminaren noch nie gehört habe. Deswegen frage ich nach - es bringt ja auch keinem was, wenn ich nur Mist produziere.)