STATISTIK-FORUM.de

[Jenny96]

Liebes Statistikforum,

ich schreibe momentan mit einem Unternehmen meine Bachelorarbeit im Themenfeld soziale Kompetenzen. Mein Ziel dieser Arbeit ist es herauszufinden, welche Abteilung im Unternehmen die höchste soziale Kompetenz aufweist.

Hypothese: Welche Abteilung (1 oder 2) hat sich im Bereich der Sozialkompetenz durch die Durchführung der Schulung am stärksten verbessert.

Vorgehensweise:
Ich habe insgesamt 50 Mitarbeiter aus dem Unternehmen den Abteilungen (7) zugeteilt in denen diese tätig sind. (Einkauf 6; Logistik 5; Buchhaltung 5; Vertrieb 7; Personal 5; Marketing 6; Produktion 16)
Danach habe ich ein Rollenspiel pro Abteilung durchgeführt und die Sozialkompetenzen auf einer Skala von 0-100% bewertet. Nach dem ersten Rollenspiel hat jede Abteilung eine Schulung im Bereich der Sozialkompetenzen erhalten. Daraufhin wurden erneut Rollenspiele durchgeführt und anhand der gleichen Skala bewertet.

Bei der Bewertung wurden 8 Kompetenzen berücksichtigt:
-Motivationsfähigkeit
-Durchsetzungsfähigkeit
-Einfühlungsvermögen
-Kritikfähigkeit
-Kooperationsbereitschaft
-Konfliktfähigkeit
-Selbstreflexion
-emotionale Intelligenz

Die Datentabelle kann man sich wie folgt vorstellen:

Abteilung: Motivationsfähigkeit ............................Durchsetzungsfähigkeit etc.
..............Vorher/Nachher/rel. Veränderung ............... Vorher/Nachher/rel. Veränderung
Einkauf..............35%/78%/122% .............................45%/88%/95%
Logistik..............45%/55%/22% .............................36%/45%/25%
Verkauf..............40%/68%/41% .............................65%/91%/40%

Nun möchte ich gerne anhand eines statistischen Tests prüfen, welche Abteilung ihre Sozialkompetenzen (relativen Veränderung?) am stärksten verbessern konnte. Habt ihr eine Idee, welcher Test sich dafür eignet?

Liebe Grüße

Jenny

[strukturmarionette]

Hi,

du kannst zunächst deine Rohdatendatei deskriptiv auswerten und tabellarisch darstellen.
Dann können weitere inferenzstatistische Überlegungen erfolgen.
Diese Pozentuierungen sind Unsinn, kontraproduktiv.

Gruß
S.

[Jenny96]

Danke für deine Antwort.

Das mit den prozentualen Werten find ich auch nicht optimal, allerdings hält das Unternehmen an den Prozentwerten fest...

Welche inferenzstatistischen Möglichkeiten wäre deiner Meinung nach am sinnvollsten?

Gruß

Jenny

[PonderStibbons]

Du kannst die individuellen Differenzwerte bilden (% vorher versus % nachher)
und zwischen den Gruppen vergleichen (einfaktorielle Varianzanalysen).
Gegebenenfalls eine multivariate Varianzanalyse (MANOVA), um die
Veränderungswerte der 8 Kompetenzen simultan zu vergleichen.

Wichtig für die Interpretation wäre eine Betrachtung, ob die Ausgangswerte sehr
unteschiedlich waren. Häufig gilt, je niedriger der Ausgangswert, desto mehr Luft
nach oben, also mehr Zuwachs.

"relative Veränderung" ist m.E. Mist. Eine Änderung von 60 auf 90 wäre = 50%.
Die objektiv kleinere Änderung von 20 auf 40 wäre 100%. Kaum interpretierbar.

Mit freundlichen Grüßen

PonderStibbons

[Jenny96]

Vielen Dank PonderStibbons.

Zur rel. Veränderung gebe ich dir vollkommen Recht und werde damit wohl nochmal mit meiner Vorgesetzten drüber sprechen müssen...

Wäre auch ein sogenannter T-Test bzw. Wilcoxon sing-rank-test für abhängige Stichproben möglich?

Mit diesem Test könnte ich doch auch jede einzelne Variable z.B. Motivationsfähigkeit vorher/nachher auf signifikanz prüfen oder? Somit hätte ich wenigstens schon einen ersten Ansatz um wenigstens herauszufinden, ob innerhalb jeder Kompetenz pro Abteilung eine signifikante Verbesserung vorliegt.

Die Frage hier ist natürlich die größe der Stichprobe und die Nomalverteilung. Wie beschrieben habe ich sehr geringe Stichprobengrößen z.B. Buchhaltung nur 5 Personen. Damit würde der T-test doch ausscheiden, da wie ich gelesen habe mind. n>30 sein muss.
Wäre ein Wilcoxon-Test denkbar? Oder ist die Sichprobengröße zu klein?

Gruß

Jenny

[PonderStibbons]

Wenn Du vorher-nachher abteilungsweise testen willst und die Abteilungen zum Teil klein sind, dann liegt der Wilcoxon in der Tat nahe. Geringe statistische power und dadurch mehr Fehler 2. Art könnten ein wichtiges Problem darstellen.

Mit freundlichen Grüßen

PonderStibbons

[Jenny96]

Aber es bleibt mir bei den geringen Personen in den Stichproben ja keine Alternative, muss ich den Fehler 2. Art in kauf nehmen...
je nach Signifikanzstärke (1%,5%, 10%) könnte ich ja dann auch quasi bewerten, welche Abteilung sich jetzt "wie stark" verbessert hat.

[PonderStibbons]

Der p-Wert ist keinesfalls Indikator für die Größe eines Unterschiedes! Er wird wesentlich von der (sic!) Stichprobengröße determiniert.