STATISTIK-FORUM.de

[Newbe]

Hallo liebe Statistik-Gemeinde,

ich sitze gerade an meiner Bachelor-Arbeit und bin bei meiner statistischen Auswertung angelangt. Leider komme ich nicht weiter, bzw. bin mächtig verwirrt.
Zu meinem Problem:

Ich habe Reaktionszeiten mit einem IAT erhoben um die unbewusste genderspezifische Assoziationen zu Persönlichkeitsmerkmalen zu untersuchen.
Nachdem ich einen Unterschied zwischen den Gruppen "männlich" und "weiblich" festgestellt habe, möchte ich nun herausfinden, ob es insgesamt einen Zusammenhang gibt zwischen Bildungsabschlüssen und der Assoziationsausprägung, bzw. zwischen Erfahrungen und der Assoziationsstärke.

Nach Rücksprache mit meinem Betreuer soll ich hierfür die Korrelationsanalyse mittels Spearman durchführen. Dafür werden ja Ränge benötigt. Bei der ordinalskalierten Variable Bildung oder Erfahrung (da liegen ja Abstufungen vor) kann ich das noch verstehen, aber müssten dafür nicht die IAT-Ergebnisse ebenfalls in Ränge transformiert werden?
Wenn ich das mache, gehen mir doch aber viele Informationen verloren?!
Oder ist es ebenfalls möglich eine ordinalskalierte Variable und eine intervalskalierte Variable zu verwenden und diese in Bezug zueinander zu setzen?

Ich bin sehr unerfahren, was diese ganzen statistischen Methoden angeht und habe schon diverse Foren und Bücher gelesen. Leider verwirrt mich das umsomehr.

Ich hoffe, mir kann hier jemand mit seinem Wissen helfen.

Vielen Dank schon mal und viele Grüße

Newbe

[PonderStibbons]

aber müssten dafür nicht die IAT-Ergebnisse ebenfalls in Ränge transformiert werden?

Ja.

Wenn ich das mache, gehen mir doch aber viele Informationen verloren?!

Ja. Aber falls mit "IAT Ergebnisse" die Reaktionszeitmessungen gemeint sind, gewinnt man dadurch eine gewisse Robustheit, da Reaktionszeitmessungen meist extrem schief verteilt sind und die extremen Werte die Ergebnisse dominieren können.

Oder ist es ebenfalls möglich eine ordinalskalierte Variable und eine intervalskalierte Variable zu verwenden und diese in Bezug zueinander zu setzen?

Nein, in aller Regel nicht.

Mit freundlichen Grüßen

PonderStibbons

[Newbe]

Vielen Dank für die schnelle Antwort!

Oh je! Das hatte ich vermutet....
Tut mir leid, für die doofe Frage, aber wie mache ich das denn sinnvollerweise?

Ich hatte mir darüber schon mal Gedanken gemacht, bin aber wirklich unschlüssig, ob so ein Vorgehen legitim sei:

Beispiel Erfahrung:

UV - Ordnial:
1. Rang = Keine Erfahrung
2. Rang = Wenig/indirekte Erfahrung
3. Rang = Direkte Erfahrung

AV - Intervall transformieren:
Bildung der Mittelwerte der zugehörigen Ränge?
Also kann ich einmal die IAT-Werte der einzelnen Ränge nehmen und daraus einen Mittelwert bilden, oder wie erhalte ich die Werte, die ich zur Rangbildung benötige?
Und dann staffel ich "einfach" die Werte aufsteigend und ordne ihnen Ränge zu?

Damit "verschlucke" ich ja aber wirklich viele Werte oder?

Und noch eine Frage bei der Analyse der Bildungsdaten:
Wenn ich von 173 Befragten ausgehe und nur drei mit einem Hauptschulabschluss habe, muss ich das dann als Ausreißer betrachten und aus der weiteren Berechnung entfernen? Oder kann ich sie behalte, weil ja durch die Bildung eines Mittelwerts keine "Gewichtung" durch die Anzahl der Daten mehr vorhanden ist?

Ich hoffe, ich habe meine konfusen Gedanken ansatzweise verständlich erklärt...

Danke noch mal und liebe Grüße

Newbe

[PonderStibbons]

Tut mir leid, für die doofe Frage, aber wie mache ich das denn sinnvollerweise?

So wie es Dein Betreuer Dir vorgibt.

AV - Intervall transformieren:
Bildung der Mittelwerte der zugehörigen Ränge?

Am besten benutzt Du eine Statistik-Software. Die erledigt die Rangtransformation für Dich, wenn Du eine Spearman-Korrelation rechnest.

Damit "verschlucke" ich ja aber wirklich viele Werte oder?

Verstehe ich leider nicht, weil ich nicht weiß, worin exakt die abhängige Variable besteht. Aber wie gesagt, die Bildung einer Rangreihe vor der Korrelationsrechnung kannst Du der Software überlassen.

Wenn ich von 173 Befragten ausgehe und nur drei mit einem Hauptschulabschluss habe, muss ich das dann als Ausreißer betrachten und aus der weiteren Berechnung entfernen?

"Müssen"? Nein.

Mit freundlichen Grüßen

PonderStibbons

[Newbe]

Vielen Dank noch mal für die Antwort.
Ich habe jetzt meine Betreuerin erreicht und hoffe, dass sie mir da etwas Aufschluss bieten kann, bzw. mir sagt, ob ihr die Auswertungen reichen.

Die Berechnungen habe ich mit JASP (wurde mir ebenfalls empfohlen) gemacht und war mir nicht sicher, ob die Rangbildung da automatisch verläuft.
Die entsprechende Skalierung hat es aber richtig vorgenommen.

Liebe Grüße

Newbe

[Newbe]

Hallo nochmal,

ich bin leider immer noch nicht weitergekommen...

Ich würde Ihnen gerne das folgende Vorgehen wählen, von dem ich glaube, dass es nach meiner verwendeten Theorie und den daraus resultierenden Hypothesen ein rundes Bild abgibt: 
 
1. Feststellung der Unterschiede zwischen weiblichen und männlichen Teilnehmern in Bezug auf die Assoziation mit dem klassischen Rollenbild durch die Mittelwerte (und SD) und (gem. Interpretation der IAT-Test durch resultierendes Vorzeichen) auch die Richtung, in die die Assoziation geht.
 
2. Berechnung der Signifikanz dieser Unterschiede mittels Student's t-Test, Berechnung der Effektstärke nach Cohen's d. 
 
3. Berechnung einer mögliche negativen Korrelation zwischen Erfahrung und Assoziation mit dem klassischen Rollenbild sowie Bildung und Assoziation mit dem klassischen Rollenbild mittels Spearman, da meine theoretischen Grundlagen besagen, dass mit einem negativen Zusammenhang zu rechnen ist und das gut in die Argumentation passt.
 
Dabei halte ich es für sinnvoll die Korrelationsanalyse wieder nach Geschlecht zu unterteilen, da ja interessant ist, ob die gefundenen Effekte (Punkt 1) auf Bildung/Erfahrung zurückgehen. 
 
Unseren gestern diskutierten Punkt, dass ich die D-Score-Werte in Ränge transformieren müsste: das macht das Programm automatisch im Hintergrund. 
 
Damit hätte ich eine differenzierte Betrachtung der gefundenen Ergebnisse und könnte mit einer schönen Diskussion abschließen, oder?
 
Kann ich die Verfahren so verwenden oder fehlt dann noch etwas?

Vielen vielen Dank noch mal!

Viele Grüße

Newbe

[PonderStibbons]

Dabei halte ich es für sinnvoll die Korrelationsanalyse wieder nach Geschlecht zu unterteilen, da ja interessant ist, ob die gefundenen Effekte (Punkt 1) auf Bildung/Erfahrung zurückgehen. 

 
Eine Erklärung der Ergebnisse durch den Einfluß von Bildung/Erfahrung ist nur zu überprüfen, wenn diese zwischen den Geschlechtern ungleich verteilt sind. sollte das der Fall sein, müsste man das in einem Modell testen, nicht getrennt nach Geschlechtern. D.h. man würde eine multiple Regression rechnen mit den Prädiktoren Geschlecht, Bildung/Erfahrung. Da diese Variablen kategorial bzw. ordinal sind, müsste man sie dazu in dummy-Variablen umwandeln(bei k Stufen in k-1 dummy-Variablen).

Mit freundichen Grüßen

PonderStibbons