STATISTIK-FORUM.de

[Sprotte_aus_Kiel]

Hallo ihr lieben,
Ich habe inhaltliche hypothesen in "je desto" Format. Die möchte ich gerne mit einer Regression testen.
Ich habe einw dreistufige ordinale uv.
Die AV sind fehlerzahl, Zeitdauer und Motivation (letztere auf einer 100 Prozent Skala). D.h. diese müssten ja eigentlich Intervallskaliert sein...
Welche Regression nehme ich am besten? Dazu muss man sagen, dass ich z.T. Abhängigkeit in den Messungen habe, nämlich jeweils zwichen einem teil der stichprobe für stufe 1 und 3 sowie zwischen stufe 2 und 3. Falls jemand einen tipp hat wäre ich sehr dankbar@
LG

[Sprotte_aus_Kiel]

Vlt noch kurz zur Erklärung:
Die uv hat due Stufen hoch mittel und niedrig.
Meine Hypothesen haben den Zusammenhang "je kleiner, desto geringer av-Ausprägung"
Falls etwas unklar ist sagt gerne Bescheid

[Hanes]

Hi.

Prinzipiell würde man eine ordinale Regression machen. Das mit der Abhängigkeit in den Messungen verstehe ich nicht. Sind es Paneldaten?

Grüße

[daniel]

Gefragt wird nach einer UV (Prädiktor, Kovariate, exogene Variable ...), die kategorial ist, nicht nach kategorialer AV (Kriterium, Response, endogene Variable ...). Ein ordinales Modell ist also eher nicht geeignet. Man könnte über cout Modelle oder fractional models (für Anteile) nachdenken, aber beginnen würde ich mit einem linearen Modell.

Kategoriale Prädiktoren mit k Ausprägungen werden als k-1 Indikatorvariablen ins Modell aufgenommen. Die Art der Kodierung (Inidkator vs. Kontrast vs. Effekt) hängt vom Erkenntnisinteresse ab.

Die Frage Nach der Abhängigkeit in der Messung muss unbedingt geklärt werden, bevor irgendein Modell interpretiert wird. Mir ist ebenfalls unklar, was es damit auf sich hat.

[Hanes]

Gefragt wird nach einer UV (Prädiktor, Kovariate, exogene Variable ...), die kategorial ist, nicht nach kategorialer AV (Kriterium, Response, endogene Variable ...). Ein ordinales Modell ist also eher nicht geeignet. Man könnte über cout Modelle oder fractional models (für Anteile) nachdenken, aber beginnen würde ich mit einem linearen Modell.

Das stimmt natürlich. Aufgrund nur einer UV und mehrerer AV habe ich intuitiv UV und AV vertauscht.

[Sprotte_aus_Kiel]

Hallo ihr lieben und erst einmal vielen lieben Dank für eure Antworten!

Um das mit der Abhängigkeit zu erklären versuche ich das mal so:
ich habe die 3 UV-Stufen Führungsform: transformational/laissez-faire/fehlend.
Realisiert wurde das Ganz in einem Experiment in 2 Phasen. In Phase 1 haben die Teams eine transformationale und eine fehlende Führungskraft gehabt. In Phase 2 eine laissez-faire und eine fehlende.
Jetzt kommt das mit der Abhängigkeit dazu: in den beiden Phasen haben meine VP jeweils BEIDE Treatments zu 2 Zeitpunkten bekommen, dabei wurde die Reihenfolge wann nun welche Führungsform da ist variiert (Kontrolle von Reihenfolgeneffekten etc.). Nach jedem der beiden Untersuchungszeitpunkte wurden die AV erhoben. Da es sich bei den Vp ja immer um die gleichen Personen handelt, sind die Messungen ja abhängig.
Zu den Messungen aus Phase 2 sind sie jedoch unabhängig.
Ich habe also folgende Daten:

Phase 1: transformational/fehlend -> abhängige Messungen (N = 68)
Phase 2: laissez-faire/fehlend -> abhängige Messungen (N = 68)
gemeinsame Stipro der beiden Phasen: laissez-faire/transformational -> unabhängig, zu fehlender Führung z.T. abhängig / unabhängig (N = 136)

Konnte ich es klar machen? Ich lade sonst gerne auch mal meinen Untersuchungsplan hoch. Fällt euch vlt eine Argumentation ein, warum, ich Unabhängigkeit zw. den Messungen annehmen kann, bzw. es so hinargumentieren kann?