STATISTIK-FORUM.de

[Paddy]

Hallo zusammen

Ich schreibe gerade meine Masterarbeit und habe hierfür eine sozialwissenschaftliche Befragung durchgeführt, mit welcher ich verschiedene Einstellungsdimensionen mit Hilfe von Likert-skalierten Items gemessen habe. Die jeweiligen Item-Batterien messen also bestimmte Merkmale und die Skalen sind ausreichend reliabel (Cronbachs Alpha >0,7).
Ich habe die jeweiligen Variablen nach zu messendem Merkmal in SPSS zusammengefasst (also z.B. 7 Variablen aufsummiert und als eine neue im Datensatz gespeichert). Davor habe ich sicher gestellt, dass keine Multikollinearität vorliegt.
Ist es im Zuge einer Regressionsanalyse nun statistisch legitim, den Zusammenhang zwischen zwei Merkmalen (also Item-Batterien) zu messen, indem ich die zusammengefassten Variablen (die sich ja aus mehreren Variablen zusammensetzen) als jeweils eine UV bzw. AV verwende?

Danke im Voraus!

[PonderStibbons]

Ich bin nicht sicher, worauf die Frage abzielt. Falls es darum geht, ob man aus Deinen Likert-Items Skalen bilden
darf, um ein theoretisches Konstrukt zu operationalisieren, dann kann man das von Ferne nicht beurteilen. Das
steht in den Manualen der Skalen bzw. findet sich in validierungs- und Referenzstudien, wo sie verwendet wurden.

Mit freundlichen Grüßen

PonderStibbons

[Paddy]

Danke für die Antwort!
Also: In einem Fragebogen habe ich 7 Items zur Erfassung einer Verschwörungsmentalität verwendet, weitere 7 zur Erfassung einer Unzufriedenheit mit dem aktuellen Leben. Alle Items haben quasi-äquidistante Antwortkategorien von 1 bis 5.
Diese Variablen habe ich mit SPSS zu zwei separaten Skalen zusammengefasst (also "Verschwörungsmentalität" und "Unzufriedenheit"), die als zwei neue Variablen im Datensatz gespeichert wurden. Nun möchte ich schauen, ob es einen Zusammenhang zwischen Unzufriedenheit und Verschwörungsmentalität gibt. Kann ich diese nun als UV und AV für eine Regression verwenden, obwohl es sich um eine Aufsummierung anderer Variablen handelt?

[bele]

Ja, kannst Du. Die Skalenwerte sind Summen von Distanzen und werden als metrisch behandelt und erfüllen damit die Voraussetzungen, als Variablen in einem linearen Regressionmodell verwendet zu werden.

LG,
Bernhard

[Paddy]

Ja, kannst Du. Die Skalenwerte sind Summen von Distanzen und werden als metrisch behandelt und erfüllen damit die Voraussetzungen, als Variablen in einem linearen Regressionmodell verwendet zu werden.

LG,
Bernhard

Danke dir für die Hilfe!

Noch eine Anschlussfrage: Ich gehe davon aus, dass es problematisch ist, wenn eine Variable in beiden Skalen vorkommt oder? In meinem Fragebogen gibt es nämlich ein Item, welches sich sowohl für die Messung einer Verschwörungsmentalität als auch für die Messung einer Unzufriedenheit eignet. Wenn dieses Item nun in beiden Skalen vorhanden ist, verzerrt es dann den Regressionsoutput?

LG

[bele]

Ich bin mit keinem Fragebogen vertraut, in dem so etwas so gehandhabt wird. Ich nehme mal an, so etwas kann nur passieren, wenn man bei der Faktorenrotation keine Orthogonalität vorsieht sondern ganz bewusst eingeplant hat, dass Mentalität und Unzufriedenheit miteinander korrellierte Konstrukte sein werden? Ein gemeinsames Item wird eine gewisse Korrelation/einen positiven Zusammenhang zwischen beiden Variablen herstellen, aber wenn das bewusst so erzeugt wurde, dann ist das vielleicht nicht als Verzerrung zu bezeichnen?

Nur wilde Assoziationen von mir. Wissen habe ich dazu keines.

LG,
Bernhard

[Paddy]

Ich bin mit keinem Fragebogen vertraut, in dem so etwas so gehandhabt wird. Ich nehme mal an, so etwas kann nur passieren, wenn man bei der Faktorenrotation keine Orthogonalität vorsieht sondern ganz bewusst eingeplant hat, dass Mentalität und Unzufriedenheit miteinander korrellierte Konstrukte sein werden? Ein gemeinsames Item wird eine gewisse Korrelation/einen positiven Zusammenhang zwischen beiden Variablen herstellen, aber wenn das bewusst so erzeugt wurde, dann ist das vielleicht nicht als Verzerrung zu bezeichnen?

Nur wilde Assoziationen von mir. Wissen habe ich dazu keines.

LG,
Bernhard

Ganz bewusst war es nicht eingeplant, deshalb werde ich die entsprechenden Items wohl aus den Skalen entfernen, denke ich. Danke für die Einschätzung!

[Paddy]

Ich habe noch eine Anschlussfrage, vielleicht kann mir ja jemand helfen!

Die jeweiligen Item-Batterien messen also bestimmte Merkmale und die Skalen sind ausreichend reliabel (Cronbachs Alpha >0,7).
Ich habe die jeweiligen Variablen nach zu messendem Merkmal in SPSS zusammengefasst (also z.B. 7 Variablen aufsummiert und als eine neue im Datensatz gespeichert). Davor habe ich sicher gestellt, dass keine Multikollinearität vorliegt.

Wenn die Skalen mit über Alpha > 0,7 reliabel sind, bedeutet das nicht, dass automatisch Multikollinearität vorliegen muss, wenn ich die in der Skala enthaltenen Variablen in einer Regression als unabhängige Variable verwende? Nach den Werten für VIF und Toleranz in SPSS liegt keine Multikollinearität vor. Oder hat das eine nichts mit dem anderen zu tun?

LG und danke im Voraus!

[bele]

Wenn die Skalen mit über Alpha > 0,7 reliabel sind, bedeutet das nicht, dass automatisch Multikollinearität vorliegen muss, wenn ich die in der Skala enthaltenen Variablen in einer Regression als unabhängige Variable verwende?

Hmmm, normalerweise bildet man eine Skala, um nachher nicht mehr mit den einzelnen Items, sondern mit dem Skalenwert zu rechnen. Es ist also ungewöhnlich, was Du da tust und Du musst Dich fragen, ob das in dieser Situation gerechtfertigt ist, etwas ungewöhnliches zu tun.

Ansonsten bedeutet das Alpha tatsächlich, dass die Items untereinander korrellieren. Es bedeutet aber nicht, dass sie so stark korrellieren, dass die Ergebnisse Deiner Regression unzuverlässig werden.

LG,
Bernhard

[Paddy]

Hmmm, normalerweise bildet man eine Skala, um nachher nicht mehr mit den einzelnen Items, sondern mit dem Skalenwert zu rechnen. Es ist also ungewöhnlich, was Du da tust und Du musst Dich fragen, ob das in dieser Situation gerechtfertigt ist, etwas ungewöhnliches zu tun.

Hätte vielleicht dazu sagen sollen, dass ich das nur gemacht habe, um VIF/Toleranz herauszufinden (vielleicht eine etwas untypische Vorgehensweise ). Für die eigentliche zu interpretierende Regression kamen dann die angesprochenen Skalen zur Anwendung.
Danke für die Hilfe! Dann bin ich ja beruhigt, dass ich die Skalen verwenden kann