STATISTIK-FORUM.de

[Sommer]

Hallo zusammen!

Ich habe einen Datensatz mit 186 Fällen und 61 abhängigen Variablen (Ratingskala 1-6), sowie 7 unabhängigen Variablen (teilweise nominalskaliert mit 2 oder mehr Kategorien, teilweise ordinalskaliert).
Nun möchte ich für die nominalskalierten Variablen mit 2 oder mehr Kategorien (z.B. Studiengänge) H-Test nach Kruskal/Wallis rechnen, für die nominalskalierten mit 2 Kategorien U-Test (z.B. Geschlecht) und für die ordinalskalierten mit mehr als 2 Kategorien (z.B. Geburtsjahr) H-Tests, um zu testen ob es jeweils Unterschiede zwischen den Gruppen gibt. Allerdings kommt da eine Vielzahl an Tests zusammen und ich weiß nicht wie genau ich die Bonferroni-Holm-Korrektur anwenden muss.
Muss ich für jede seperate Testbatterie z.B. alle 61 abhängigen Variablen und UV Geschlecht eine eigene Bonferroni-Korrektur machen oder für alle Tests, die ich überhaupt am ganzen Datenmaterial mache?

Vielen herzlichen Dank im Voraus für die Hilfe!!

[PonderStibbons]

Du kannst es unkorrigiert lassen und das Risiko von Dutzenden falsch-
positiver Befunde eingehen. Du kannst es Bonferroni(-Holm) korrigieren,
was die power extrem senken würde. Du kannst es UV-Weise machen,
was die power immer noch absenkt und auch nicht so recht begründet
wäre. Du kannst 0,01 statt 0,05 als Signifikanzschwelle ansetzen, was
die Risiken falsch-positiver Befunde zumindest ein wenig senken und
die power einigermaßen erhalten würde. Das Kardinalproblem ist, dass
hier sage und schreibe 427 Tests durchgeführt werden sollen, das ist
letzlich nicht befriedigend zu bewältigen; und da man nicht weiß, worin
der Sinn und Zweck der Übung bestehen soll, lässt sich noch schlechter
Rat geben als ohnehin schon.

Mit freundlichen Grüßen

P.

[strukturmarionette]

Hi,

im Bortz (2005) 'Statistik für Human- und Sozialwissenschaftler' wären im entsprechenden Kapitel einige Entscheidungshinweise nachzulesen.

Gruß
S.

[Sommer]

Hallo!

Erstmal vielen Dank für die bisherigen Antworten! Nur um das Ausgangsmaterial nochmal ein bisschen genauer zu beschreiben..es handelt sich um einen Fragebogen zur Attraktivität von Arbeitgebern bei dem verschiedene Aspekte (Einkommen, Work-Life-Balance et) auf einer Ratingskala nach ihrer Wichtigkeit (1-6, 6 = völlig wichtig) bewertet werden, insgesamt sind es 61 Variablen.
Ich habe 2 Stichproben, einmal Studenten und einmal Berufstätige. Nun möchte ich testen, ob es für folgende unabhängige Variablen einen signifikanten Unterschied gibt:

AV: 61 Variablen
UV1: Gruppenzugehörigkeit (Studenten/Berufstätige)
+ 5 weitere UVs für die Studenten
+ 4 weitere UVs für die Berufstätigen

Damit komme ich auf sehr viele Tests...
Nun habe ich nachgelesen, dass es verschiedene Möglichkeiten gibt, mit der alpha-Korrektur umzugehen.

1. Wenn man a priori Forschungshypothesen (am besten unabhängig) aufstellt, kann auf die alpha-Korrektur verzichtet werden. Was in meinem Fall aber super viele Hypothesen bedeuten würde.
2. Man geht explorativ vor, dann muss alpha nicht korrigiert werden, allerdings kann dann auch nicht von signifikanten Ergebnissen gesprochen werden
oder aber 3. man fasst die einzelnen Variablen vorher irgendwie zusammen z.B. über eine Faktorenanalyse.
Ist das soweit denn richtig?
Meine Frage wäre nun auch, wie man bei 3. genau vorgeht. Wie bekomme ich denn nach einer Faktorenanalyse die konkreten Werte, um z.B. einen Mann-Whitney-U-Test oder einen H-Test zu rechnen? Oder gibt es noch einen anderen Weg, die Daten zu "Familien" zusammenzufassen?

Vielen, vielen Dank im Voraus!

[strukturmarionette]

Hi,

Das:

AV: 61 Variablen
UV1: Gruppenzugehörigkeit (Studenten/Berufstätige)
+ 5 weitere UVs für die Studenten
+ 4 weitere UVs für die Berufstätigen

eignete sich doch eher für viele univariate multiple Regressionsmodelle.

Eine Alternative zu Faktorenanalysen ist mir nicht bekannt (wenn sie denn Sinn machen).

Gruß
S.

[Sommer]

Hallo,

bei der multiplen Regression geht es doch aber um Zusammenhänge, also z.B. wie gut lässt sich die Mitarbeiterzufriedenheit durch das Geschlecht, das Alter etc. vorhersagen, oder?

In meinem Fall geht es aber um Unterschiede. D.h. ich habe 61 abhängige Variablen und möchte für jede dieser Variablen prüfen ob es einen signifikanten Unterschied zwischen Männern und Frauen gibt, ob es einen Unterschied zwischen den STudiengängen etc im Bezug auf diese 61 Variablen gibt.

Viele Grüße!

[strukturmarionette]

Hi,

dann würde der Hinweis von PonderS wegen noch viel mehr Tests noch weitaus bedeutsamer werden:

Das Kardinalproblem ist, dass
hier sage und schreibe 427 Tests durchgeführt werden sollen, das ist
letzlich nicht befriedigend zu bewältigen; und da man nicht weiß, worin
der Sinn und Zweck der Übung bestehen soll, lässt sich noch schlechter
Rat geben als ohnehin schon.

Gruß
S.