STATISTIK-FORUM.de

[alexs96]

Hallo zusammen,

in meiner Masterarbeit untersuche ich kognitive Fehler in Marketing-Prozessen.

Ich erhebe dazu die Intesität fünf psychologische Fehler auf einer Skala nach Likert-Schema (ein Item je psychologischen Fehler) und führe diese fünf Fehler zu einer Variable (Intensität der psy. Fehler gesamt) zusammen. Zudem erhebe ich die Qualität drei verschiedener Prozesse. Ich erhalte für jeden dieser Prozess signifikante negative Ergebnisse, wenn ich diese mit der Variable Intensität der psy. Fehler regressiere.

Im Diskussionskapitel habe ich gemerkt, dass es natürlich sehr sinnvoll wäre herauszufinden, welcher psychologische Fehler den stärksten Einfluss auf einen jeweiligen Prozess hat.

Wie untersuche ich die Items am besten einzeln? Ich habe dazu bereits einzelne bivariate Regressionen durchgeführt. Jeder einzelne psychologische Fehler hat signifikant negative Auswirkung auf jeden einzelnen Prozess.

Halten wir fest:
- 3 Prozesse
- 5 psychologische Fehler
--> 15 Regressionsmodelle insgesamt
---> davon 5 Regressionen je Prozess

Sind die standardisierten Betagewichte bei gleichbleibender abhängiger Variable (Prozessqualität) untereinander vergleichbar?
Kann ich also schlussfolgern, dass Item 1 aufgrund eines höheren Beta-Gewichtes einen stärkeren negativen Effekt auf Prozess xy hat als Item 2?

Ihr würdet mir damit enorm weiterhelfen!
Vielen Dank.

Alexandra

[PonderStibbons]

Im Diskussionskapitel habe ich gemerkt, dass es natürlich sehr sinnvoll wäre herauszufinden, welcher psychologische Fehler den stärksten Einfluss auf einen jeweiligen Prozess hat.

Wenn Dir das erst in der Diskussion auffällt, dann ist die Frage, ob es für Deine Studie überhaupt erheblich ist.

Kann ich also schlussfolgern, dass Item 1 aufgrund eines höheren Beta-Gewichtes einen stärkeren negativen Effekt auf Prozess xy hat als Item 2?

In der Stichprobe. Wenn man es generalisieren will, dann ist ein Test erforderlich.
Da die Fehler interkorreliert sein dürften, wird es zudem mit der Interpretation schwierig.

Ihr würdet mir damit enorm weiterhelfen!

Wie gesagt, ich hege Zweifel, dass es eine nützliche Zusatzuntersuchung ist.

Mit freundlichen Grüßen

PonderStibbons

[alexs96]

Hallo und vielen Dank PonderStibbons,

ich habe im Nachhinein ein wenig Angst, dass meine Hypothesen, die ich ja problemlos prüfen kann, nicht genügend Informationen bieten. Sie sind eben sehr allgemein, weil das Thema noch sehr unerforscht ist im Marketing-Bereich.
Nun würde ich natürlich gerne erste Hinweise für weitere Forschungen bzw. Implikationen für die Praxis geben. Das kann ich derzeit nur allgemein für alle Biases machen. Ich kann aber nicht sagen, dass zur Bekämpfung von xy Bias mehr/ weniger Ressourcen verwendet werden sollen, weil dessen Impact groß/ klein ist. Meine Aussage kann derzeit nur lauten. Biases beeinflussen die Prozessqualität negativ und sollten bekämpft werden. Ich hoffe damit wird es nochmal verständlich und man versteht, weshalb ich gerne die Effektstärken/ Beta-Gewichte vergleichen würde.

Kannst du mir erläutern was genau du meinst mit: "Da die Fehler interkorreliert sein dürften, wird es zudem mit der Interpretation schwierig"? Wenn ich bivariate Regressionen durchführe und die abhängige Variable immer gleich bleibt. Ist eine etwaige Interkorrelation der verschiedenen Items dann problematisch? Sie sind in der Theorie nicht zwingend korreliert. In der Praxis ist dies natürlich gut möglich, da eine Person, die sensibel für kognitive Fehler ist, eben mehreren solcher Fehlern unterliegt.

Herzlichen Dank vorab!

[PonderStibbons]

Stärkster Einfluss bei Korrelationen ist so eine Sache. Wenn es Decken-Effekte gibt, also eine
Varianzeinschränkung, dann sinkt die Korrelation und ein an sich wichtiger Faktor zeigt einen
kleineren Koeffizient als ein vielleicht weniger wichtiger Faktor. Bei bestehenden Interkorrelationen
zwischen den Faktoren kann es sein, dass Faktor A an sich nicht so ganz wichtig wäre, aber B und C
zugleich mit ihm auftreten und daher eine hohe Korrelation entsteht. Solche Konfundierungen kann
man durch multiple Regression berücksichtigen, aber dann wird die Interpretation von Sachverhalten
wie "Das ist das Einflussgewicht von A, wenn für B und C adjustiert wird" schwierig.

Aber wie auch immer, für den Vergleich von korrelierten Korrelationskoeffizienten bzw. "coefficients
from dependent samples" gibt es einen online-Calculator bei psychometrica.de

Mit freundlichen Grüßen

PonderStibbons

[alexs96]

Vielen Dank für deine Antwort und Erläuterung.

Ich habe das Problem der Interkorrelation damit verstanden.
Den Online-Calculator habe ich nicht gefunden. Welchen Rechner meinst du genau? Wäre es vielleicht sinnvoll die standardisierten Betagewichte mit d = tc2(1-r)n umzurechnen und dann zu vergleichen?

[PonderStibbons]

Ruf halt die Seite auf und klick Dich durch. Deine Formel bzw. Deinen Vorschlag kann ich leider nicht verstehen.

Mit freundlichen Grüßen

PonderStibbons