STATISTIK-FORUM.de

[Qui1997]

Hallo zusammen
Ich bin gerade dabei die Umfragedaten meiner Bachelorarbeit statistisch auszuwerten. An dieser Stelle will ich mein Vorgehen kurz erklären, um zu überprüfen, ob das was ich mache sinnvoll ist.

Bei der Umfrage handelt es sich um ein in between-subjects Design, wobei Probanden in eine Führungsposition versetzt wurden.
Während der Umfrage mussten sie entweder für eine Verkäuferinn oder für einen Verkäufer eine Umsatzzielhöhe definieren (Zahl in Mio.). Die Probanden bekamen im Setting zufällig entweder einen Verkäufer oder eine Verkäuferin.

Mit einem statistischen Test wollte ich nun herausfinden, ob es signifikante Unterschiede bezügliche der definierten Umsatzzielhöhe zwischen den 4 Szenarien gibt. (S1= Männlicher Proband setzt männlichem Verkäufer Ziel / S2= Männlicher Proband setzt weiblicher Verkäuferinn Ziel / S3 = Weibliche Probandin setzt männlichen Verkäufer Ziel / S4= Weibliche Probandin setzt weiblicher Verkäuferin Ziel)

Um diesen signifikanten Unterschied festzustellen, habe ich mit SPSS einen Whitney-U Test durchgeführt und zwar wie im folgenden beschrieben.

Zuerst habe ich diese These überprüft:
„Die Umsatzzielhöhe, welche Frauen in Führungspositionen für ihre weiblichen Verkäuferinnen definieren, unterscheiden sich signifikant von der Zielanpassung die Frauen in Managerpositionen für männliche Mitarbeitende definieren.“
——>Also Vergleich der Umsatzzilehöhe zwische S3 und S4


Dazu habe ich zuerst einen Kolmogorov-Smirnov Test zur Überprüfung der Normalverteilung durchgeführt. Da dieser keine Signifikanz vorwies, entschied ich mich für einen nicht-parametrischen U-test (Mann&Whitney)
Als nächstes habe ich die weiblichen Fälle ausgewählt, als abhängige Variable die Umsatzzielhöhe gewählt und die Manipulation männlich/weiblich als Gruppierung.

Das gleiche Schema habe ich auch für die Differenz der Szenarien 1 und 2 angewendet.

Passt dieses Vorgehen, bzw. ist dieses Vorgehen sinnvoll um die Hypothese zu überprüfen?

Vielen Dank für eure Hilfe!

[bele]

Warum nicht erstmal eine ANOVA als Omnibustest über alle 4 Gruppen?
Wieviele Menschen hast Du eigentlich befragt?

LG,
Bernhard

[Qui1997]

Lieber Bernhard,

Danke für die Antwort!

Insgesamt wurden 105 Personen befragt, wobei diese wie folgt auf die Szenarien aufgeteilt sind:
S1= 42
S1= 21
S3= 21
S4= 21

Was ist den der Vorteil des ANOVA gegenüber dem Verfahren das ich gewählt habe?

[PonderStibbons]

Wird bereits auch hier und hierbearbeitet.

[bele]

Hmmm, dutchie hat auch eine einfaktorielle ANOVA empfohlen. Aber er hat dafür viel mehr Ausrufungszeichen eingesetzt als ich. Natürlich bin ich höflich und lasse den anderen Foren gleich den Vortritt, aber ich bin noch eine Antwort schuldig.

Die ANOVA testet einmal alle vier Gruppen, ob es dazwischen Unterschiede gibt. Wenn es keine gibt, braucht man auch nicht nach paarweisen Unterschieden zu suchen. Zwischen den vier Szenarien gibt es 6 mögliche Paarvergleiche:

Code: Alles auswählen

> combn(4,2)
     [,1] [,2] [,3] [,4] [,5] [,6]
[1,]    1    1    1    2    2    3
[2,]    2    3    4    3    4    4

Wenn man sechs Tests durchführt hat man auch sechsmal die Gefahr, das etwas aus reinem Zufall signifikant wird. Das Risiko addiert sich halt auf. Wenn man nun ein signifikantes Ergebnis im Test hat, deshalb erhöht ein Omnibus-Test die Glaubwürdigkeit. Wenn Du wirklich nur S1 mit S2 und S3 mit S4 vergleichen willst und das inhaltlich schlüssig erklären kannst, warum die anderen Kombinationen nicht gerechnet wurden, dann verliert das Argument an Bedeutung.

Du kannst die Paarvergleiche mit einem t-Test oder mit einem Wilcoxon-Test vergleichen, je nachdem ob es Dir wichtiger ist, dass Dir keiner Normalverteilungsannahmenverletzungen vorwirft oder ob Dir Power wichtiger ist. Dass man mit Ausrufungszeichen das Skalenniveau nicht nach unten ändern dürfte ist mir neu, auch wenn das andernorts mit Ausrufungszeichen geantwortet wurde.

So, und nun mach erstmal in den anderen Foren weiter.

LG,
Bernhard