STATISTIK-FORUM.de

[Steffen_Brick]

Hallo alle zusammen,

ich gestalte momentan meinen Fragebogen für die quantitative Datenerhebung für meine Thesis.

Was ich tue
Ich messe die Eigenschaft X mit einem Test mit 12 Items und die Fähigkeit Y mit einem Test mit 20 Items.
Die Daten möchte ich am Schluss korrelieren lassen um einen Zusammenhang zu überprüfen.
Danach möchte ich noch per Regressions-Analyse den Einfluss der Eigenschaft auf die Fähigkeit prüfen.

Sprich, ich habe die Hypothesen:
1. Es besteht ein negativer Zusammenhang zwischen Eigenschaft X und Fähigkeit Y.
2. Eigenschaft X beeinflusst Fähigkeit Y negativ.

Die Items für Eigenschaft X haben allerdings eine 5-stufige Likert Skala und die Items für die Fähigkeit Y eine 7-stufige Likert Skala. Ich darf die Skala für den Test der Eigenschaft X zwar ändern und 7 Stufen daraus machen, allerdings sind meine Daten dann nicht mehr mit den Normwerten des Tests vergleichbar. Ich bin mir nun nicht sicher ob das bei meiner Forschung schlimm wäre, also ob ich das überhaupt brauche? Oder ob ich etwas übersehe und das später doch wichtig wäre..

Mich interessiert ja im Grunde der Zusammenhang von X & Y und nicht wie die X-Werte eines einzelnen Teilnehmers im Verhältnis zur Gesamtpopulation zu interpretieren wären.

Meine Frage
Muss ich für meinen Zweck meine Rohwerte überhaupt mit den Normwerten des Tests vergleichen können? Braucht man das nicht nur zur Diagnostik?
Soll ich Eigenschaft X und Fähigkeit Y die selben Skalenlevel geben, beide 7-stufig? Oder ginge das auch gemischt, sprich X = Likert 5-stufig und Y=Likert 7-stufig.
Und werden für eine Korrelationsberechnung die Rohwerte meines Tests genommen, oder muss ich daraus vorher Normwerte berechnen?

Ich hoffe mir kann jemand weiterhelfen, vielen Dank schon mal.

Freue mich auf euer Feedback.

Viele Grüße
Steffen

[PonderStibbons]

1. Es besteht ein negativer Zusammenhang zwischen Eigenschaft X und Fähigkeit Y.
2. Eigenschaft X beeinflusst Fähigkeit Y negativ.

Wenn Du kein experimentelles Design hast, in dem Du X manipulieren kannst,
dann ist das dieselbe Hypothese. Oder wie willst Du die Kausalität der etwaigen
Beziehung ("beeinflusst") nachweisen?

Die Items für Eigenschaft X haben allerdings eine 5-stufige Likert Skala und die Items für die Fähigkeit Y eine 7-stufige Likert Skala.

Nur nebenbei: "Likert-Skala" ist der Name Deines 12-Item-Messinstrumentes, nicht
der Name des Antwortformats Deiner einzelnen Items. Wobei ich nicht weiß,
ob es nicht eine beliebige Rating-Skala sein könnte. Mittlerweile wird so einiges
unbedenklich Likert-Skala genannt, egal ob zutreffend oder nicht.

Ich darf die Skala für den Test der Eigenschaft X zwar ändern und 7 Stufen daraus machen,

Wozu? Man kann Schuhgröße mit Körpertemperatur korrelieren, da kann man auch den Summenscore
einer 12-Item-Skala mit Antwortformat 1-5 problemlos mit dem Summenscore einer 20-Item-Skala
mit Antwortformat 1-7 korrelieren.

Muss ich für meinen Zweck meine Rohwerte überhaupt mit den Normwerten des Tests vergleichen können?

Wenn man etwas zu den Charakteristika der vorliegenden Stichprobe und der
Generalisierbarkeit der Befunde sagen möchte, sind Normwerte nützlich. Man
kann damit schnell erkennen, ob die Stichprobe im Schnitt ungewöhnlich hohe
oder niedrige Werte hat.

Braucht man das nicht nur zur Diagnostik?

Nein.

Mit freundlichen Grüßen

PonderStibbons

[Steffen_Brick]

Danke für die schnelle Antwort!

Wenn Du kein experimentelles Design hast, in dem Du X manipulieren kannst,
dann ist das dieselbe Hypothese. Oder wie willst Du die Kausalität der etwaigen
Beziehung ("beeinflusst") nachweisen?

Da hast du Recht. Das mit dem Einfluss ist schlecht und irreführend formuliert. Worum es mir geht, ich will noch prüfen ob sich Eigenschaft X dazu eignet die Fähigkeit Y voraussagen zu können. Und in welchem Maße. Das müsste ja dann eine andere Hypothese sein als die erste? Oder habe ich diesen Unterschied nicht richtig verstanden zwischen Korr. und Reg.? Aus meiner Theorie kann ich sachlogisch herleiten, dass eine Eigenschaft einer Fähigkeit vorausgeht und nicht andersherum. Sprich Eigenschaft = UV und Fähigkeit = AV. Daher dachte ich auch, dass die Eigenschaft einen Einfluss auf die Fähigkeit hat, was ja nicht zwingend heißen muss, dass sie der alleinige kausale Einfluss ist. Dachte ich zumindest. Oder macht das eigentlich nicht wirklich Sinn, was ich vorhabe? Eine wirklich kausale Aussage werde ich nicht treffen können, maximal ein Indiz dafür geben.

Nur nebenbei: "Likert-Skala" ist der Name Deines 12-Item-Messinstrumentes, nicht
der Name des Antwortformats Deiner einzelnen Items. Wobei ich nicht weiß,
ob es nicht eine beliebige Rating-Skala sein könnte. Mittlerweile wird so einiges
unbedenklich Likert-Skala genannt, egal ob zutreffend oder nicht.

Stimmt, unglücklich formuliert. Die Likert-Skala für die Eigenschaft X ist der BFI-2 (Big Five Inventory), was ich meinte sind die Antwortstufen.

Wozu? Man kann Schuhgröße mit Körpertemperatur korrelieren, da kann man auch den Summenscore
einer 12-Item-Skala mit Antwortformat 1-5 problemlos mit dem Summenscore einer 20-Item-Skala
mit Antwortformat 1-7 korrelieren.

Ehrlicherweise bin ich bei diesem Thema einfach irritiert, da mein Professor mir geraten hat gleiche Antwortstufen bei beiden Variablen zu benutzen, wenn ich zwei Variablen messen will und damit Zusammenhänge rechnen will. Meine eigenen Recherchen sagen mir, dass im Berechnen des Korrelationskoeffizienten mit SPSS ja eine z-Transformation enthalten ist, weshalb die Antwortstufen egal sein sollten. Oder? Es ist gut, dass du mir das so deutlich nochmal sagst. Dann muss ich die Antwortstufen für die Eigenschaft X eigentlich nicht auf 7 ändern. Genau erst dann ergibt sich ja auch mein Folge-Problem aus der nächsten Frage, dass dann die Vergleichbarkeit mit den Normwerten für die Eigenschaft nicht mehr möglich ist.

Wenn man etwas zu den Charaktersitika der vorliegenden Stichprobe und der
Generalisierbarkeit der Befunde sagen möchte, sind Normwerte nützlich. Man
kann damit schnell erkennen, ob die Stichprobe im Schnitt ungewöhnlich hohe
oder niedrige Werte hat.

Also ist es prinzipiell, alleine schon zur Stichprobenbeschreibung, von Vorteil wenn man die Aussage treffen kann, wie sich die eigene Erhebung zu den Normwerten verhält. Und vor allem für die Generalisierbarkeit. Ok, das ist sehr gut zu wissen, danke!


Ist es dann auch egal, wenn die Antwortstufen unterschiedlich benannt sind? Sprich einmal "1: stimmt überhaupt nicht" bis "7:stimmt voll und ganz" und bei der zweiten Variable "1: stimme überhaupt nicht zu" bis "5: stimme voll und ganz zu". Auch hier bin ich mir unsicher ob es genau gleich benannt sein muss, da die Likert-Skala streng genommen ja nur als intervallskaliert "angesehen" wird, da man davon ausgeht, dass Teilnehmer die Abstände von einer zur anderen Antwortstufe als gleichwertig verstehen. Wird das durch unterschiedliche Benennungen nicht außer Kraft gesetzt?

Und gilt das mit den Antwortstufen für eine Regressionsrechnung genauso wie für eine Korrelation?

Vielen Dank nochmal!

Viele Grüße
Steffen

[PonderStibbons]

Oder habe ich diesen Unterschied nicht richtig verstanden zwischen Korr. und Reg.?

Eine einfache lineare Regression ist dasselbe wie eine Pearson-Korrelation.
Das standardisierte Regressionsgewicht beta ist gleich dem Korrelationskoeffizienten.

Ehrlicherweise bin ich bei diesem Thema einfach irritiert, da mein Professor mir geraten hat gleiche Antwortstufen bei beiden Variablen zu benutzen, wenn ich zwei Variablen messen will und damit Zusammenhänge rechnen will.

Sowas habe ich noch nie gehört. Mir fällt kein Grund dafür ein. Und an etablierten
Messinstrumenten pfuscht man nicht herum ohne guten Grund. Vielleicht ein
Missverständnis?

Mit freundlichen Grüßen

PonderStibbons

[Steffen_Brick]

Das standardisierte Regressionsgewicht beta ist gleich dem Korrelationskoeffizienten.

Das war mir bewusst, R Quadrat und r, ich dachte nur, dass bei der Regression noch der Vorhersagewert hinzukommt. Und dass man noch ein UV-AV Verhältnis vorgibt. Aber nun gut, zwei unterschiedliche Hypothesen gibt das wohl nicht her.

Vielleicht ein Missverständnis?

Mir kommt es auch seltsam vor. Werde nochmal fragen, vielleicht haben wir uns echt missverstanden.


Was denkst du hierzu?
Ist es auch egal, wenn die Antwortstufen unterschiedlich benannt sind? Sprich einmal "1: stimmt überhaupt nicht" bis "7:stimmt voll und ganz" und bei der zweiten Variable "1: stimme überhaupt nicht zu" bis "5: stimme voll und ganz zu". Die Likert-Skala wird streng genommen ja nur als intervallskaliert "angesehen", also quasi-metrisch. Wird das durch unterschiedliche Benennungen nicht beeinträchtigt?