STATISTIK-FORUM.de

[annamüller]

Hallo zusammen,

ich stehe vor zwei Problemen bei der Datenauswertwertung:

1) ich bin mir unsicher ob ich eine Korrelation oder Regression anwenden muss. DIe Situation ist die Folgende:ich muss überprüfen ob die (metrisch skalierten) Variablen A, B und C die (metrisch skalierte) Variable D signifikant beeinflussen (bzw. Zusammenhang besteht, es handelt sich hierbei nur um eine Querschnittsstudie). DIe Variablen sind nicht normalverteilt, daher würde nur eine Rangkorrelation nach Spearman in Frage kommen. Jedoch wendet man bei der Fragestellung normalerweise eine Regression an, richtig? Die unabhängigen Variablen korrelieren nicht miteinander, daher wäre dies möglich. Jedoch sind die Residuen nicht normalverteilt. Arbeite ich dann besser mit einer Korrelation?

2) Mein zweites Problem betrifft die Analyse nach den Moderatoren. Diese sind ebenfalls metrisch skaliert, ich würde diese aber einfach nach mediansplit teilen. Wenn ich nun den Datensatz aufteile und je eine Korrelation bzw Regression durchführe, erhalte ich sehr stark unterschiedliche Korrelationen (Beispiel: Bei Gruppe A ist die Korrelation von A zu D 0,9 und bei Gruppe B ist die Korrelation von A zu D 0,2). Die unterschiede in den Korrelationen müssten eigentlich signifikant sein, jedoch würde ich dies gerne mit einem Test bestätigen bzw auf einer wissenschaftlichen Grundlage arumentieren dass der Unterschied signifikant ist. Ich habe bereits gelesen dass es hier keinen Test in SPSS gibt, aber gibt es eine mathematische Formel? Einen internetrechner würde ich ungern als wisschenaftliche quelle angeben. Bzw. ist es überhaupt korrekt den Moderatoreffekt so zu überprüfen?

Ich bin für jede Hilfe wahnsinnig dankbar!! Viele Grüße, Anna

[PonderStibbons]

DIe Situation ist die Folgende:ich muss überprüfen ob die (metrisch skalierten) Variablen A, B und C die (metrisch skalierte) Variable D signifikant beeinflussen (bzw. Zusammenhang besteht, es handelt sich hierbei nur um eine Querschnittsstudie).

Nicht böse gemeint, aber das ist doch eigentlich keine Situation, nur eine Anhäufung von Buchstaben. Derart extremen Abstraktionen fehlen häufig entscheidende Informationen, wenn konkrete Probleme zu lösen sind. Und für jemanden, der gerne einen Rat geben würde, ist das (mit Verlaub) arg langweilig.

Es wäre demnach zweckmäßig, wenn Du das Thema der Studie und die Fragestellung beschreiben würdest, ferner das Untersuchungsdesign, die beteiligten Variablen und wie sie gemessen wurden Meßniveau, sowie die Stichprobengröße (sonst sind "Signifikanzen" und "Nichtsignifikanzen" nicht interpretierbar). In diesem Kontext könntest Du dann die konkreten Fragen stellen, die Dir auf den Nägeln brennen.

Mit freundlichen Grüßen

PonderStibbons

[annamüller]

Meine Studie ist die Folgende: ich möchte überprüfen, wie Marken werben sollen, d.h. welchen Wert sie den Konsumenten primär bieten sollten um eine Markenbindung zu erreichen. Ich habe hier mit mehrern Items den Unterhaltungswert, den Informationsgehalt und den Ökonomischen Nutzen der Werbung unterschiedlicher Marken abgefragt und ebenfalls die Markenbindung. Somit habe ich 3 unabhängige Variablen und eine abhängige (die Markenbindung). Als Moderator kommen hinzu das Involvement und der Markennutzen. Also zB. wäre herauszufinden ob bei High-involvement Marken der Zusammenhang zwischen dem informationsgehahlt und der Werbung höher ist als bei low-involvement Produkten. Alle Variablen wurden auf einer 5-stufigen Likert-Skala abgefragt. Ich habe dann jeweils die Items einer Variable addiert und durch die anzahl dividiert um den jeweiligen wert für die Variable zu erhalten (bspw für die höhe der Markenbindung).

[annamüller]

Meine Studie ist die Folgende: ich möchte überprüfen, wie Marken werben sollen, d.h. welchen Wert sie den Konsumenten primär bieten sollten um eine Markenbindung zu erreichen. Ich habe hier mit mehrern Items den Unterhaltungswert, den Informationsgehalt und den Ökonomischen Nutzen der Werbung unterschiedlicher Marken abgefragt und ebenfalls die Markenbindung. Somit habe ich 3 unabhängige Variablen und eine abhängige (die Markenbindung). Als Moderator kommen hinzu das Involvement und der Markennutzen. Also zB. wäre herauszufinden ob bei High-involvement Marken der Zusammenhang zwischen dem informationsgehahlt und der Werbung höher ist als bei low-involvement Produkten. Alle Variablen wurden auf einer 5-stufigen Likert-Skala abgefragt. Ich habe dann jeweils die Items einer Variable addiert und durch die anzahl dividiert um den jeweiligen wert für die Variable zu erhalten (bspw für die höhe der Markenbindung).

Stichprobengröße: 270