Hallo Bernhard,
Sieh mir bitte nach, wenn ich dumme Fragen stelle - ist nicht mein Fachgebiet.
ich freue mich eher über die klugen Nachfragen. Sie zeigen mir ja auch, an welchen Stellen ich Denklücken oder mich nicht eindeutig ausgedrückt habe.
Offensichtlich gibt es das an manchen Stellen - deshalb schon bis hierhin ein Danke
Das einfachste und am wenigsten Freiheitsgrade schluckende (wir haben nur wenig Beobachtungen) wäre doch die Differenz des Zugehörigkeitserlebens zwischen den beiden Messzeitpunkten zur unabhängigen Variable zu machen, oder?
An dieser Stelle bin ich mir nicht ganz sicher, ob ich dich richtig verstehe. Die Bildung eines Differenzwertes für das Zugehörigkeitserleben hatte ich auch schon angedacht. Wäre dieser dann nicht eher die AV bzw. das Kriterium in der Regression?
Für Hypothese 1 hätte ich ganz klassisch t-Tests mit verbundenen Stichproben gerechnet.
Für Hypothese 2 würde ich dann schlicht mit HS + FS (beide mit t0) einmal das Zgh zu t0 und einmal die Differenz des Zgh vorhersagen.
Zugehörigkeitserleben speist sich aus Kompetenzen, Möglichkeiten, Motivation und Selbstwahrnehmungsprozessen
das ist tatsächlich nur das Modell in der Theorie. Die einzigen Prädiktoren bleiben Homesickness und Friendsickness - die den Selbstwahrnehmungsprozessen zugeschrieben werden in der Studie (zugegeben nicht ganz einleuchtend, das wird auch in der Arbeit noch diskutiert).
Bedeutet b) die Frage, ob sich das Zugehörigkeitserleben, das HS und das FS zwischen den Messzeitpunkten verändern oder ob die Vorhersagekraft sich zwischen den Messzeitpunkten verändert?
Die Veränderung zwischen den Messzeitpunkten berechne ich ja - zumindest für Zgh - in Hypothese 1.
Deshalb würde es um eine Veränderung der Vorhersagekraft zwischen den Messzeitpunkten gehen (inhaltlich also z.B. dass Heimweh zu t1 einen weniger starken Einfluss auf das Zugehörigkeitserleben hat als zu t0). Aber einfach zwei Regressionen je Messzeitpunkt rechnen und dann die Konstanten und Koeffizienten vergleichen, das wird ja vermutlich nicht funktionieren wegen der hohen Korrelationen und der Messwiederholungen. Da würde vermutlich auch gelten:
...dann laufen wir in Schwierigkeiten hinein.
Der Vergleich der Vorhersagekraft ist aber auch nicht ganz essenziell. Zur Not lasse ich den weg.
Wäre es denkbar, aus den 6 Kontexten mittels PCA eine Hauptkomponente zu berechnen die "Zugehörigkeitserleben allgemein" beschreibt und mit der zu rechnen
Hinsichtlich der Alphafehlerkumulierung wäre natürlich die Rechnung mit einem Gesamt-Kriterium deutlich besser
Ich hätte ganz stupide einfach alle Items kombiniert und dann daraus Zgh-Gesamt berechnet.
Mit der PCA würde ich stattdessen eine Hauptkomponente bilden , der sich aus allen Items mit einem Eigenwert >1 zusammensetzt (wenn man das als Kriterium annimmt). Dadurch bündele ich ja praktisch die Informationen aus den entsprechenden Items. Ganz blöd gefragt: Gegenüber einer Gesamtvariable aus allen Items hat die Hauptomponente dann den Vorteil, dass sie das Konstrukt Zgh sparsamer - oder gar präziser? - einfängt? Oder erschließt sich mir da ein statistischer Vorteil noch nicht?
braucht es 6 verschiedene Antworten um die Fragestellung zu untersuchen?
Tatsächlich wären die einzelnen Rechnungen pro Kontext dennoch schon relevant, um - bei einer größeren Stichprobe - Schlüsse auf die Relevanz von HS + FS je Kontext ziehen zu können.
Ich hätte vermutlich a) mit dem Gesamtwert bei normalem Alphafehlerniveau und dann b) 6x für die Kontexte bei Korrektur auf 1% gerechnet.
Für b) hätte ich begründet à la "wegen des explorativen Vorgehens und der kleinen Stichprobengröße ist nur eine geringe Teststärke zu erwarten." Dementsprechend wäre ich bei der Interpretation der Ergebnisse eher vorsichtig.
Guten Start in die Woche
Bergauda
