STATISTIK-FORUM.de

[Ecco]

Liebe Foristen,

ich habe einen Datensatz mit hauptsächlich ordinalen Variablen und möchte eine Auswertung betreiben, die über reine Kreuztabellen hinausgeht.

Ein Beispiel aus dem Datensatz:
Es wurde gefragt, ob der Befragte ein Produkt kauft:

1 Kauf unwahrscheinlich O, 2 O, 3 O, 4 O, 5 O, 6 O, 7 O Kauf sehr wahrscheinlich.

Weiter wurde der Umsatz des Unternehmens des Kundens erfragt:

0-2 Mio., 2-10 Mio., 10-50 Mio., mehr als 50 Mio., keine Angabe

Meine Hypothese ist, dass je höher der Umsatz ist, desto eher denken Kunden, dass sie das Produkt kaufen.
Leider bin ich absolut unschlüssig, wie ich das statistisch überprüfen kann.
Bei meiner Recherche bin ich auf den Kedalls tau-c gestoßen. Ich arbeite mit SPSS und bin gerade etwas ratlos, wie ich weiter vorgehen soll.

Vielen Dank für eure Hilfe

Ecco

[PonderStibbons]

Wenn man 2 ordinalskalierte Variablen, wie in dem Beispiel, miteinander in Beziehung setzen möchte,
dann am besten mithilfe eines Korrelationskoeffizienten. Kendall's tau ist möglich, ich würde aber eher
zu Spearman's rho tendieren. Befragte mit "Keine Angabe" in einer Variablen müssen natürlich raus aus
der Rechnung.

Mit freundlichen Grüßen

P.

[Ecco]

Vielen Dank für die Antwort.
Leider komme ich durch Spearman's rho zu wenigen signifikanten Ergebnissen, wenn ich meine Variablen in Verbindung setze. Gibt es noch andere Möglichkeiten um ordinale Daten zu vergleichen? Ich wäre auch für eine Literaturempfehlung dankbar

Mir wurde gesagt, dass in der Marktforschung ordinale Variablen der likelihood gerne auch mal als metrisch betrachtet werden. Könnte dieser Ansatz vielleicht für weitere Analysen wie Korrelation Sinn machen?

Beste Grüße

[PonderStibbons]

Leider komme ich durch Spearman's rho zu wenigen signifikanten Ergebnissen, wenn ich meine Variablen in Verbindung setze. Gibt es noch andere Möglichkeiten um ordinale Daten zu vergleichen? Ich wäre auch für eine Literaturempfehlung dankbar

Eine bessere Informationsverwertung als Spearman's rho bei ordinalen Daten ist nicht ersichtlich,
wenn man von monotonen Zusammenhängen (je höher A, desto höher tendenziell B) ausgeht. Falls
Du eine sehr kleine Stichprobe hast, kann man Zusammenhänge ohnedies nur schwerlich nachweisen.

Mir wurde gesagt, dass in der Marktforschung ordinale Variablen der likelihood gerne auch mal als metrisch betrachtet werden.

Das gilt vielleicht für Rating-Skalen. Deine Umsatz-Variable kann man beim besten Willen nicht so
betrachten.

Mit freundlichen Grüßen

P.

[bele]

@Ecco: Wenn Du die Daten metrisch betrachten würdest, könntest Du eine Pearson-Korrelation aufstellen. Ich teile aber die Auffassung von PonderStibbons, dass das eine massive Überinterpretation Deiner vierstufigen Umsatzvariablen wäre.
Außerdem ist das Vorgehen nicht legitim, so lange verschiedene Verfahren durchzuprobieren, bis irgendwas signifikant wird.

LG,
Bernhard