STATISTIK-FORUM.de

[mango]

Hallo,

ich rate dir, Fairness/Unfairness als ein einzelnes Konstrukt zu behandeln. Der Zugewinn für dich, wenn du von diesem Konzept abweichst, ist höchst zweifelhaft (auch wenn ich die von dir genannte Arbeit nicht kenne).

Richtig, testest du Hypothesen, musst du natürlich für jede UV nur eine Hypothese aufstellen, wenn du auch nur ein einzelnes Konstrukt als AV hast.

[mango]

Ohne das Paper gelesen zu haben, kann ich natürlich auch nicht dessen Inhalt beurteilen. Ich würde mal tippen, dass die beiden Skalen sehr eng mit negativem Vorzeichen zusammenhängen würden. Bzw., was viel relevanter ist, das Hinzufügen einer Unfairness-Skala zu einer Fairnessskala in einem Modell würde wohl kaum zusätzliche Varianz aufklären. Aber mag sein, dass die Autoren des genannten Artikels das Gegenteil demonstriert haben oder zumindest plausibel machen. Wobei mir noch nicht ganz klar ist, wie deine Untersuchung funktioniert. Wenn die Fairness bei der Preisbestimmung durch den Kunden die AV ist, was ist dann die UV?

Deine Rückfrage verstehe ich nicht ganz. Welche Hypothesen stehen denn zur Auswahl?

[mango]

Wie würdest du es denn interpretieren, wenn du für die getrennt operationalisierten und getesteten Konstrukte nicht-komplementäre Ergebnisse bekommst?

Szenario 1 wäre ja: Mit häufigerem Austausch steigt die Fairness und sinkt der Opportunismus. Dann hast du nichts gewonnen und das Ergebnis entspricht dem, das du hättest, wenn du einfach nur eine einzelne Fairness-Skala benutzt hättest.

Szenario 2: Mit häufigerem Austausch steigen sowohl Fairness als auch Opportunismus. Was würdest du mit so einem Ergebnis anfangen? Hat es irgendeinen Platz in deiner Theorie? Würde es sie bestätigen oder widerlegen? Ich habe den Eindruck, du könntest damit gar nicht so recht etwas anfangen, oder?

Klar gibt es auch noch weitere mögliche Szenarien, z. B. dass der Opportunismus mit häufigerem Austausch weniger sinkt als die Fairness steigt. Aber wenn ich das richtig sehe, willst du ja gar kein Modell aufstellen, daher wirst du so detaillierte Befunde gar nicht haben.

[mango]

@ mango: Vielen Dank für die ganzen Ausführungen, das hilft mir auf jeden Fall sehr weiter!

Szenario 1 entspricht ja meinen Hypothesen. Ich sehe deinen Punkt, dachte hingegen nur, dass meine Ergebnisse quasi zuverlässiger wären, wenn ich sie sozusagen über zwei Skalenabfragen bestätigt bekomme. Aber wenn das nicht so sein sollte, gut. Ich mache so was zum allerersten Mal, deshalb kann ich so was noch schwer einschätzen.

Das ist natürlich an sich ein guter Punkt. Zusätzliche Items, die ein Konstrukt gut messen, sind natürlich grundsätzlich sinnvoll. Du willst aber ein zweites Konstrukt hinzufügen, das ist in der Praxis nicht das gleiche.

Deine Anmerkung zu Szenario 2: Ich nutze innerhalb meiner Arbeit eine Theorie, mit welcher ich begründen könnte, weshalb eine Erhöhung des einen Konstrukts nicht zwangsläufig zur Senkung des anderen führen muss. Allerdings nutze ich in der gesamten Arbeit mehrere Theorien, wobei diese nicht den höchsten Stellenwert hat, andere sind sozusagen "wichtiger". Die anderen Theorien liefern zu dem Fall keine wirkliche Aussage. Insgesamt würde ein getrenntes Konstrukt jedoch keiner der Theorien widersprechen. Die Argumentation mit der einen Theorie wäre allerdings auch "um zwei Ecken", das muss ich zugeben.

Ich würde sagen: Wenn du das Ganze tatsächlich theoretisch handlen kannst, dann mach es ruhig. Das hatte sich eingangs einfach nicht so angehört.

Mir ist nicht klar, was du damit meinst, dass "ich kein Modell aufstehen wolle". Um meine Hypothesen überhaupt formulieren zu können, habe ich doch ein Modell mit UV, AV, Moderatoren usw. aufgestellt? Oder meinst du, dass ich mit meinen Ergebnissen kein neues, daraus resultierendes Modell aufstehen wolle?

Du hast doch oben geschrieben, du würdest eine Varianzanalyse machen? Die prüft für jede UV nur, ob sie relativ zur Gesamtvarianz der AV genügend Varianz aufklärt, damit man es als hinreichend wahrscheinlich annehmen kann, dass Gruppenunterschiede existieren. ich wüsste auf Anhieb nicht, wie du mit dieser Methode die Effektstärken von zwei UVs miteinander vergleichen kannst. Aber vielleicht stehe ich da auch auf dem Schlauch?

Gehe ich also recht in der Annahme, dass es im Fall eines einzelnen Konstrukts egal ist, welche der beiden oben geposteten Hypothesen ich nutzen würde? Oder ist es sinnvoller, H2 zu nutzen, da die Skala rein von der Itemformulierung Opportunismus abfragt?

Ich persönlich würde die Formulierung bevorzugen, die näher an der Form des Modells ist. Invertierst du die Hypothese, musst du eben nochmal explizit machen, dass du davon ausgehst, dass du Fairness als Nichtvorhandensein von Opportunismus misst.

[mango]

Ich würde mal sagen, dazu kann man a priori nicht viel sagen. Die beiden Konstrukte sind sicher unterschiedlich. Ob die beiden Messungen sich hinreichend unterscheiden, steht auf einem anderen Blatt.