STATISTIK-FORUM.de

[christoph-ok]

Hallo liebe Forumsmitglieder,

ich werte im Rahmen meiner Bachelorarbeit Jahresabschluss- und branchentypische Kennzahlen von 15 Unternehmen (2005-2010) aus und möchte prüfen,
ob es zwischen dem Erfolg eines Unternehmens und dessen Kennzahlen signifikante Zusammenhänge gibt.
Der Erfolg wird durch eine Spitzenkennzahl repräsentiert (EBITDA). Es erfolgt daran eine Unterteilung in erfolgreiche und weniger erfolgreiche Unternehmen.
Ich gehe hypothesenprüfend (knüpfe an eine bestehende Studie und deren Ergebnis an) und -entdeckend vor.
Bsp. "Erfolgreiche Unternehmen weisen ... höhere Verwaltungskosten / Wohneinheit auf ... eine höhere Eigenkapitalquote" etc.
Ich habe also 15*6Jahre=90 Fälle (über Mittelwert aggregiert zu 15 Fällen) mit jeweils 80 Merkmalen (absolute Zahlen, Verhältniszahlen, Wachstumsraten etc.).

Die Daten sind metrisch skaliert und nicht normalverteilt. Der Pearson-Korrelationskoeffizient fällt also theoretisch aus.
Bleibt Spearman's rho oder tau, wobei die andere Studie trotzdem den Pearson-K. verwendet.
Ich vermute überwiegend einen linearen Zusammenhang.

Frage:
Kann ich trotzdem r nehmen? Ich emfpinde es für meine Arbeit als nachteilig, dass rho und tau nur Auskunft über die Monotonie bzw. die Richtung geben und die Stärke des Zusammenhangs ausblenden.
Ich könnte natürlich alle drei berechnen und je nach Punktewolke, Intuition bzw. Erfahrung entscheiden, ob eine Interpretation sinnvoll ist.
Letztenendes ist meine Stichprobe für die Grundgesamtheit eh nicht repräsentativ und bewusst sehr homogen gehalten (eine Rechtsform / zwei Standorte).
Damit erübrigen sich meines Erachtens auch die Signifikanztests (bsp. t-test). Die fehlende Normalverteilung spielt somit auch keine Rolle.
Ich bin also dabei, die gefundenen Zusammenhänge und Trends aus meiner Erfahrung heraus zu interpretieren.
Ist die Vorgehensweise eurer Ansicht nach vertretbar?

Über eure(n) Meinung / Hinweis würde ich mich wirklich sehr freuen.

Beste Grüße
Christoph

[strukturmarionette]

Hi,

das Pearson r ist für metrische /intervallskalierte Messwerte geeignet.
Die NV-Annahme hierbei ist für den dazugehörigen Signigikanztest relevant.

Ob Pearson oder Spearman geeignet, wird auch vom Stichprobenumfang mitbestimmt.

nachteilig, dass rho und tau nur Auskunft über die Monotonie bzw. die Richtung geben und die Stärke des Zusammenhangs ausblenden.

Hast Du dafür ein Quelle?

S.

[christoph-ok]

Hi,

danke für Deine Antwort.

r misst den linearen Zusammenhang, rho und tau den monotonen.
Beide können hinsichtlich der Stärke interpretiert werden. Hier war ich im Irrtum und kann daher keine Quelle liefern.
Der Anwender muss hinterfragen, ob die Interpretation im Einzelfall Sinn macht.

Meine Stichprobe ist zu klein, um Rückschlüsse auf die Grundgesamtheit zu ziehen.
Daher erübrigen sich meines Erachtens Signifikanztests und die fehlende Normalverteilung spielt keine Rolle. Daher werde ich zusätzlich r berechnen und sicher auch verwenden.
Nach den Kennzahlen meiner Unternehmen bzw. der Benchmark größerer Stichproben zu urteilen, habe ich keine Exoten selektiert.
Nun prüfe ich, ob die Hypothesen der anderen Forschungsarbeiten auch auf meine Stichprobe zutreffen.
Im Hinblick auf die Interpreation kann ich auf Erfahrungswerte zurückgreifen.
Die Forschungsmethodik lässt sicher zu wünschen übrig ...
Wird schon ...

Gruß

Christoph