STATISTIK-FORUM.de

[sanguinepat]

Hi Leute,

ich werde viele mit dieser Frage vielleicht zum Schmunzeln bringen, aber ich bin gewiss kein Statistik-Crack und habe bei Google wenig Brauchbares zu dem Thema gefunden, deshalb will ich meine Suche abkürzen und Euch Experten fragen. Ich möchte prüfen, ob, im Hinblick auf eine nominalskalierte AV (beispielsweise: Geschlecht), signifikante Mittelwertunterschiede bei einer ordinalskalierten UV (Meinungsführerschaft = Inaktive, Meinungsfolger, Meinungsführer) feststellbar sind. Ich habe die Vermutung, dass das Quatsch ist, weil derartige Operationen nicht möglich sind, wenn eine nominalskalierte AV im Spiel ist, möchte aber sicher gehen und frage deshalb Euch. Wäre super, wenn Ihr meine Frage kurz beantworten würdet. Sollte es doch ein Verfahren geben, dann würde ich mich über dessen Nennung und eine kurze Beschreibung (zwei, drei Sätze) sehr dankbar. Ich würde mich dann auf Basis Eurer Empfehlungen weiter informieren. Das wars auch schon ...

Beste Grüße

Pat

[daniel]

Ich möchte prüfen, ob, im Hinblick auf eine nominalskalierte AV (beispielsweise: Geschlecht), signifikante Mittelwertunterschiede bei einer ordinalskalierten AV (Meinungsführerschaft = Inaktive, Meinungsfolger, Meinungsführer) feststellbar sind.

Zunächst mal gehe ich davon aus, dass Geschlecht nicht die AV (outcome, response, endogene Variable ...) ist, sondern die UV (Prädikator, exogene Variable ...). Des Weiteren würde ich behaupten "Meinungsfürherschaft" ist ebenfalls nominal. Für mich lassen sich vielleicht "Meinsungsfolger" und "Meinungsführer" noch ordnen, aber spätestens "Inaktive" passen da m.E. nicht sinnvoll in diese Reihenfolge.

Ich habe die Vermutung, dass das Quatsch ist, weil derartige Operationen nicht möglich sind, wenn eine nominalskalierte AV im Spiel ist,[...]

Meinst Du jetzt damit Geschlecht oder Meinsungsführerschaft?

Einen Mittelwert kannst Du bei nominalen Variablen (i.d.R.) nicht sinnvoll interpretieren. Es gibt aber selbstverständlich für alle Skalenniveaus geeignete Verfahren. Wären nominale Variablen nicht analysierbar wären die Human-/ und Sozialwissenschaften ziemlich aufgeschmissen.

[sanguinepat]

Hi,

also Meinungsführerschaft kann man durchaus als ordninalskalierte Variable auffassen. Während Inaktive eben inaktiv sind, also nicht bis kaum an der interpersonalen Kommunikation teilnehmen, wird dies von Meinungsfolgern und schließlich Meinungsführern in höherem Maße erwartet. Der Grad der Meinungsführerschaft wird mit einem etablierten (weil reliablen und validen) und 5-fach Likert skalierten Komplex aus 6 Items (Childers Skala, falls es Dir was sagt) erhoben. Auf Basis der Antworten erhalten die Probanden Punktwerte, die am Ende aufsummiert werden. Hohe Punktzahlen weisen dabei auf eine höhere Ausprägung von Meinungsführerschaft hin. Die unteren Y % werden als Inaktive und die oberen X % als Meinungsfüher klassifiziert und das sich ergebene Mittelmaß wird als Meinungsfolger angenommen. Die genauen Prozentwerte sind aus der Erfahrung, also vorangegangen Studien, abgeleitet.

Meinungsführerschaft war von mir hierbei in der Tat als unabhängige Variable vorgesehen. Relevante abhängige Variablen für die Studie wären z.B. Mediennutzung, Innovationsoffenheit, Wissen etc. Die Sache mit dem Geschlecht habe ich nur erwähnt, weil das gerade die erste nominalskalierte Variable war, die mir ins Gesicht gesprungen ist. Ich wollte eigentlich messen ob sich die Gruppen Inaktive, Meinungsfolger und Meinungsführer im Hinblick auf die Geschlechtsverteilung innerhalb jeder Gruppe signifikant unterscheiden. Z.B. wäre es, wenngleich das in vergangenen Studien nur selten vorgekommen ist, ja eine Aussage, wenn man finden würde, dass Meinungsführer vorwiegend das Geschlecht X aufweisen würden. Der Mehrwert wäre also, dass man beispielsweise sagen könnte: Wenn es um Apps geht, sind Meinungsführer vorwiegend männlich (btw.: Es geht in der Tat um Handy-Apps).

Kann es sein, dass das, was ich hier beschrieben habe, gar nichts mit der klassischen Konstellation UV >>> AV zu tun hat?

So jetzt muss ich aber pennen .

Beste Grüße

Patrick

[PonderStibbons]

ob, im Hinblick auf eine nominalskalierte AV (beispielsweise: Geschlecht), signifikante Mittelwertunterschiede bei einer ordinalskalierten AV (Meinungsführerschaft = Inaktive, Meinungsfolger, Meinungsführer) feststellbar sind.

Das würde ich nicht als ordinalskaliert auffassen und eine Kreuztabelle mit Chi² Test rechnen.

Eine Skala in 3 Kategorien aufzubrechen, um dann mit diesen Kategorien zu rechnen, ist methodisch
gesehen tendenzieller Unfug, weil es Informationen verschenkt. Zur Deskription ginge das noch an,
aber nicht zum testen. Würde die Originalskala verwendet, dann Mann-Whitney U-Test mit Geschlecht
als Gruppierungsvariable.

Was "abhängig" oder "unabhängig" in der Analyse ist, ist hier lediglich eine technische Konvention.
M.E. müßig, das vertieft zu diskutieren.

Mit freundlichen Grüßen

P.
---
Gottseidank...Kanon für 36

[sanguinepat]

Wenn ich einfach nur mit der Summe, die Probanden auf der Prüfskala für Meinungsführerschaft erreichen, rechne, dann kann ich in der Tat sagen, dass Menschen mit geringen Punktwerten womöglich weniger stark die Medien nutzen oder Menschen, die hohe Meinungsführerschafts-Werte erzielen, Medien sehr intensiv nutzen. Du hast schon Recht, dass normalerweise Erkenntnis verloren geht, wenn ich die Punkteskala jetzt in Gruppen einteile. Allerdings brauche ich den Vergleich zwischen Inaktiven, Meinungsfolgern und Meinungsführern. Diese Gruppen, so kann der Theorie entnommen werden, können wenigstens gefunden werden. Man kann sogar noch weiter unterteilen, wenn man darauf aus ist.

Es bringt mir nichts einfach nur zu sagen "hoher Punktwert für Meinungsführerschaft" (UV) > "intensive Mediennutzung" (AV). Ich möchte Aussagen dieser Form treffen: Meinungsführer unterscheiden sich im Hinblick auf Mediennutzung von Meinungsfolgern (nutzen mehr o.ä.). Deshalb halte ich die Aufteilung eigentlich für notwendig und bin auch der Ansicht, dass durch die Gruppierung, in diesem speziellen Fall, Erkenntnis nicht nur verloren, sondern auch gewonnen wird. Falls ich da irgendwo einen Denkfehler mache, sagt mir bitte Bescheid, ich sehe aber im Moment keinen anderen Weg. Entsprechend wüsste ich also weiterhin gerne, welches Verfahren ich anwende, wenn ich einen Unterschied zwischen Meinungsführern, Meinungsfolgern und Inaktiven (UV also ordinal) im Hinblick auf die Ausprägungen einer nominalskalierten Variable messen möchte.

[PonderStibbons]

Es geht um Informationsverlust in den Daten. Den Begriff "Erkenntnis" habe ich nicht verwendet, er
spielt auch keine Rolle bei der Frage, ob in Bezug auf die Inferenzstatistik eine Umwandlung ordinaler
oder gar intervallskalierter Daten in Kategorien denn Sinn ergibt. Wenn die krude Einteilung für die Studie dermaßen wichtig ist, dass sie auch bei den Signifkanztests aufrechterhalten werden soll, dann sei es eben.

Entsprechend wüsste ich also weiterhin gerne, welches Verfahren ich anwende, wenn ich einen Unterschied zwischen Meinungsführern, Meinungsfolgern und Inaktiven (UV also ordinal) im Hinblick auf die Ausprägungen einer nominalskalierten Variable messen möchte.

Das ist doch bereits gesagt worden:

Das würde ich nicht als ordinalskaliert auffassen und eine Kreuztabelle mit Chi² Test rechnen.

Dies würde direkt testen, ob der % Abteil Frauen in den 3 Typen unterschiedlich hoch ist. Für ordinale Daten
(wenn man die 3 Typen als ordenbar ansehen will) steht, wie ich bereits schrieb, der U-Test zur Verfügung, hier
mit der (technisch gesehen) "UV" Geschlecht und der (technisch gesehen) dreifstufig ordinalen "AV"
Meinungsführerschaft. Bringt aber, vermute ich, nicht sehr viel mehr als eine schlichte Kreuztabelle mit Chi².

Mit freundlichen Grüßen

P.