ich möchte im Rahmen meiner Abschlussarbeit eine kleine Agenda-Setting-Studie durchführen. Das Mittel der Wahl ist laut Literatur eine Cross-Lagged-Korrelation im 2-Panel-2-Wave-Design. Ich habe: Die Berichterstattung von zwei Online-Medien, die ich morgens und abends über sieben Tage erheben werde. Die Frage ist dann: Beeinflusst z.B. die Wirtschaftsberichterstattung von Medium A zu T1 die von Medium B zu T2 oder ist es Medium B, das mit seiner T1-Berichterstattung A zu T2 beeinflusst? Oder anders: Wer setzt die Agenda in Ressort X?
Wenn ich es richtig verstanden habe, braucht man für die Cross-Lagged-Korrelation die Pearson-Korrelationskoeffizienten aus der Korrelation von T1A -> T2B und T1B -> T2A. Mein Problem ist: Meine Daten (die codierten Artikel) sind ja nominalskaliert, da ich für jeden Artikel im Ja/Nein-Schema codiere, in welches Ressort bzw. Politikfeld sie fallen. Damit kann ich doch aber gar nicht Pearson berechnen oder?
Oder könnte ich das über die Zeitpunkte lösen, indem ich für <Wirtschaft>, <Innenpolitik>, <Sicherheit> etc. einfach die absoluten Artikel-Häufigkeiten in Medium A und B zu T1 und T2 codiere? Dann könne ich theoretisch Pearson berechnen, oder?
Irgendwie stehe ich auf dem Schlauch, wie hier die richtige Vorgehensweise (bzw. Codierweise) ist.
Könnt ihr mir helfen?
