STATISTIK-FORUM.de

[daniel]

Man sollte den Autoren der Seite mal die Frage stellen, wie sie denn nicht metrische Variablen in Ihr Modell einbauen wollen, wenn die X normalverteilt sein sollen.

Ich bin bei Quellen, die im Titel "... für Sozialwissenschaftler" oder ähnliches stehen haben ohenhin immer skeptisch. Vor allem dann, wenn da jegliche Quellenanagben fehlen und auch keinerlei Begründung geliefert wird, wieso denn die Variablen normalverteilt sein sollten.

Es spricht grundsätzlich nichts dagegen die statistischen Modelle auch mal "intuitiver" zu erklären als mit seitenlangen mathematischen Herleitungen, bei denen dann komplexe Schritte gerne mal von entmutigenden Kommentaren wie "... with a little algebra ..." oder "it immediatly follows from ..." begleitet werden. Aber, es wäre schön, wenn Erklärungen dennoch Erklärungen wären, nicht bloße Aussagen, ohen jeden Quellenverweis.

Wenn man es denn wirklich mal genauer wissen möchte, kommt man um Statistikbücher, die auch für "nicht-Sozialwissenschaftler" gelten vermutlich ohenhin nicht herum.

EDIT: Tippfehler

[HansG]

Vielen Dank für die hilfreichen Antworten.

Ich habe nun alle Variablen wie intervallskaliert behandelt. Ein Kolmogorov-Smirnov-Test mit SPSS hat leider kein eindeutiges bzw. allgemeingültiges Ergebnis für ALLE meine Variablen geliefert: Einige sind wohl normalverteilt (p stark größer als 0.05), die Mehrheit wiederrum nicht (meist zw. 0.005 und 0.5). Konkret haben von 3x12 (=36) Variablen 11 Variablen p-Werte größer als 0.05 (die Variablen, d.h. die Fragen, die gestellt werden ändern sich zwischen Frage-Block 1-2 nicht, nur der Gegenstand, auf den bezogen die Fragen gestellt werden, daher die Unterteilung in 3x12 Variablen).

Würdet Ihr das in den Ergebnissen anmerken? Wie würdet Ihr diese missliche Lage in einem Aufsatz beschreiben? Das also die ermittelten Mittelwerte, die Ergebnisse des unabh. T-Tests und die Regressionsgleichungleichungen nur bedingt Aussagekraft haben? Gibt es einschlägige Literature, in der behauptet wird, dass man auch ohne Annahme der Normalverteilung Regressionsanalysen durchführen und die Ergebnisse verwerten kann?

[PonderStibbons]

Die Zahl Deiner Variablen das heißt die Zahl Deiner Tests erscheint viel zu groß für Deine kleine Stichprobe.

Aber davon ab, eine Normalverteilung von Variablen ist bei der Regression uninteressant, von Interesse ist ggfls. die Verteilung der Vorhersagefehler (Residuen). Bei Fallzahlen > 50 kann man davon ausgehen, dass der F-Test für das Regressionsmodell ausreichend robust gegen Abweichungen der Residuen von der Normalverteilung ist.

Gruß

P.

[HansG]

Vielen Dank für die Antwort.
Hatte gerade mal wieder etwas Panik.

Zur Anzahl der Variablen:

In dem Experiment habe ich über 100 Leute 3 Bilder bewerten lassen. Diese über 100 Leute konnten in zwei unabh. Stichproben etwa identischer Größe aufgeteilt werden (konkret in Experten und Studenten). Die 3 Bilder habe ich in ihre Einzelsegmente oder Einzelelemente unterteilt (pro Bild habe ich 6 Elemente identifiziert, die zusammen arrangiert das Bild ausmachen). Die Gestaltung jedes Einzelelements habe ich hinsichtlich dessen "Neuartigkeit" und "Angemessenheit" beurteilen lassen, z.B. "Wie neu und einzigartig ist die Gestaltung von Element 1?" - "Sehr neu und einzigartig, ... Überhaupt nicht neu und einzigartig"). Daraus resultierten dann: 6 Variablen, da 6 Elemente/Bild; da diese hinsichtlich 2 Kriterien bewertet wurden 12 Varibalen/Bild; und da es 3 Bilder waren, 36 Variablen/Studie.

Auf Grundlage dieser Info: sind das weiterhin zu viele Variablen in Bezug auf N? Ggf. sollte ich dann in den Limitationen die Stichprobengröße aufnehmen und entsprechend anmerken, dass es diese in zukünftigen Studien zu erweitern gilt.

Wie siehst Du das? Nochmals vielen Dank!

[PonderStibbons]

Wie es aussieht, hast Du eine überschaubare Zahl von mutliplen Regressionen und innerhalb der einzelnen Regressionen eine überschaubare Zahl an Prädiktoren, das könnte bei n=100 in Ordnung gehen.

Gruß

P.