STATISTIK-FORUM.de

[Feurio]

Hallo Zusammen,

ich habe mittels Fragebogenerhebung die durchschnittlichen Auszahlung pro Genossenschaftsmitglied für ein Jahr abgefragt:

15.500€ und hiervon sollten die Teilnehmer ihre Abweichung in Prozent angeben. Also Auszahlung über 10% über diesen Wert, bis zu 10% über, bis zu 5% über, ungefähr gleich, bis zu 5%unter, bis zu 10% unter, über 10% unter diesen Werten.

Wie kann ich die Antworten nun so umwandeln, dass ich diese als abhängige Variable für meine Regression verwenden kann? Sollte ich diese Werte einfach in 1-7 umwandeln (1: Mehr als 10% unter diesen Werten, 7: Über 10% über diesem Wert) oder gibt es eine bessere Möglichkeit?

Vielen Dank schon mal!

[strukturmarionette]

Hi,

- N?
- die Rohwerte beibehalten.

Gruß
S.

[Feurio]

N=130

Was meinst du mit Rohwerte beibehalten?
Kannst du mir ein kurzes Beispiel zur Umwandlung geben

Danke

[PonderStibbons]

Wie kann ich die Antworten nun so umwandeln, dass ich diese als abhängige Variable für meine Regression verwenden kann?

Du kannst das als ordinale Variable beibehalten und eine ordinale logistische Regression rechnen.

Mit freundlichen Grüßen

PonderStibbons

[Feurio]

Kann ich auch stattdessen eine MLR machen? Ich habe gelesen, dass diese weniger genau ist, aber auch funktioniert. Stimmt das?
Die ordinal logistische Regression sprengt mein Wissen

[strukturmarionette]

Hi,

Kann ich auch stattdessen eine MLR machen?

- was ich bereits schrieb:
- Rohwerte beibehalten 'Abweichung in Prozent'

Ich habe gelesen, dass diese weniger genau ist, aber auch funktioniert

- googlo?

Gruß
S.

[Feurio]

Ich verstehe deine Antwort leider nicht.
Inwiefern soll ich die Rohdaten beibehalten? Wenn ich die nicht in 1(mehr als 10% unter)-7(mehr als 10% über diesen Werten) umwandele, kann ich nicht mit diesen rechnen.

https://statisticalhorizons.com/linear-vs-logistic hier ist der Artikel dazu, dass auch MLR geht. Mir ist die Genauigkeit weniger wichtig, als dass ich ein Ergebnis habe.

[bele]

Hallo Feurio,

Wenn Deine Teilnehmer konkrete Prozentsätze angegeben haben, dann sind das die Rohwerte, die Du behalten solltest. Wenn Du nur 7 Antwortkategorien und keine konkreten Prozentwerte hast, dann kannst Du nur mit diesen Rechnen. Der "normale" Rechenweg dafür wäre eine multiple logistische Regression. Dass man die durch eine einfache lineare Regression ersetzen kann, behauptet der von Dir zitierte Artikel nicht. Ob die dort angegebene "Bedingung", dass bei jeder Prädiktorenkonstellation nachher nur Wahrscheinlichkeiten zwischen 0,2 bis 0,8 vorkommen, hast Du für Deine Daten nicht geprüft, und kannst Du meines Erachtens auch ohne multiple logistische Regression nicht prüfen.

Wir wissen ja nicht, wofür Du diese Analyse rechnest. Wenn es ein ernsthaftes Ziel ist, dann solltest Du die erste auf der von Dir zitierten Seite angegebene Literaturstelle lesen und schauen, was für Bedingungen dort genannt sind. Wenn Du das nur für Dich machst, dann kannst Du natürlich machen, wonach Dir der Sinn steht.

Es steht und fällt mit dem Anwedungszweck Deiner Analyse, ob das Argument "ich mache es einfach, weil ich komplizierter nicht kann" akzeptabel ist, oder nicht. Bei einer Hausaufgabe mag es Sinn machen, sich auf die gelehrten Methoden zu beschränken. Bei einer Einreichung für einen Zeitschriftenartikel wird der Reviewer das kaum durchgehen lassen.

LG,
Bernhard

[Feurio]

Vielen Dank für die Erklärungen, damit komme ich sehr gut weiter!

Letzte Frage erst einmal: Dadurch das ich nach Prozentualen Abweichungen in 7 Kategorien gefragt habe, ist die abhängige Variable ordinal. Nun habe ich mir aber überlegt, dass ich ja nach der prozentualen Abweichung von 15.500€ gefragt habe, also m.E. dies metrisch ist und somit doch eine MLR möglich sein müsste, oder?

[PonderStibbons]

Nun habe ich mir aber überlegt, dass ich ja nach der prozentualen Abweichung von 15.500€ gefragt habe, also m.E. dies metrisch ist und somit doch eine MLR möglich sein müsste, oder?

Du prügelst weiter auf ein totes Pferd ein. Das Problem sind die Randkategorien, die nach oben und unten offen sind. Man weiß nicht, für welche tatsächlichen Werte sie stehen.