STATISTIK-FORUM.de

[urcho]

Hallo zusammen,

ich stehe gerade auf dem Schlauch und würde mich über Rückmeldung freuen. Kann man das so machen?

Ich habe einen Datensatz mit +40 Variablen, die ich teilweise zu Summenscores zusammenfasse.
Um Mittelwerte, Standardabweichungen und Variationskoeffizienten zwischen den Instrumenten trotzdem vergleichen zu können, will ich diese auf einen leicht lesbaren Index zwischen 0 und 1 standardisieren - d.h. auf einen Nenner bringen.

Ich habe daher z.B. einen Summenscore, der sich aus drei Variablen zusammensetzt, die jeweils Werte von 1-9 annehmen können.
Ich würde daher rechnen: (v1 + v2 + v3 – 3) / 24 = Index_123

Ähnlich würde ich das mit Einzelvariablen machen, die ebenfalls Werte von 1-9 annehmen können: (v4 – 1)/8 = Index_4

Ist das im Prinzip ein plausibles Vorgehen, um alles auf einen Nenner zu bringen?
Hat jemand einen anderen Vorschlag, um meine Variablen zu transformieren?
Danke schon mal für eure Rückmeldungen!

[PonderStibbons]

Ist das im Prinzip ein plausibles Vorgehen, um alles auf einen Nenner zu bringen?

Das hängt u.a. davon ab, was da konkret gemessen wird, was für eine konkrete Fragestellung
hinter "zwischen den Instrumenten trotzdem vergleichen zu können" bzw. hinter " alles auf
einen Nenner zu bringen" steht, und wozu die Ergebnisse später verwendet werden sollen.

Mit freundlichen Grüßen

PonderStibbons

[urcho]

Danke für die Rückmeldung, @PonderStibbons!

Ich glaube die Fragestellung hier auszubreiten würde etwas den Rahmen sprengen, aber was ich analytisch vorhabe mit den transformierten Werten:

1) SD, M und Variationskoeffizient bilden und tabellarisch gegenüberstellen
2) Zusammenhänge suchen zwischen Einzelvariablen und/oder Multi-Item-Konstrukten (bivariat, multivariat)
3) Typologien häufiger / wiederkehrender Muster aus korrelierenden Ausprägungen bilden

Es ist insgesamt eine explorative Arbeit, es geht daher nicht um Schlüsse auf eine Grundgesamtheit.
Der Datensatz wurde mit einem Fragebogen erhoben, es sind endpunktorientierte Likert-Items, bei denen man gleiche Abstände unterstellen kann (intervallskaliert).
Der Datensatz hat bereinigt über n = 1600.

Hilft diese Ergänzung?

[bele]

Hi,

also mir hilft diese Ergänzung nicht. Nehmen wir mal den Fall an, dass Du 40 Variablen hast, die alle das gleiche messen, aber auf verschiedenen Skalen. Was sollte die Aussage bringen, dass in Variable 13 durchschnittlich ein Wert von 0,3 auf der Skala von 0 bis 1 und in Variable 14 ein Wert von 0,4 auf der Skala von 0 bis 1 erreicht wurde? Wenn beide das gleiche messen, bedeutet es wohl , dass die durchschnittliche Itemschwierigkeit in Variable 13 höher ist als in Variable 14?

Und wenn die 40 Variablen unterschiedliches messen, dann werden sie unterschiedliches wahrscheinlich auch auf verschiedenen Skalen messen und dann ist das gegenüberstellen von Werten (absolut, nicht als Korrelation) noch weniger einleuchtend.

Vielleicht würde das alles angesichts einer konkreten Problembeschreibung sinnvoll werden, derzeit kann ich es mir aber noch nicht vorstellen.

Wenn Du die Werte alle zwischen 0 und 1 transformierst und sie dann als Kommazahl mit zwei Nachkommastellen angibst, dann hast Du sie alle auf den Nenner 100 gebracht. Das ist aber wahrscheinlich noch nicht die Antwort, die Du suchst, wenn Du alles auf einen Nenner bringen willst?

Sorry,
Bernhard

[urcho]

Hallo Bernhard (@bele),

Danke auch dir für die Rückmeldung.


Es geht mir tatsächlich nur um den Rechenvorgang alles auf einen Nenner zu bringen, wie du sagst auf 100. Das ist eigentlich so banal, deswegen vielleicht kaum verständlich, dass ich dazu überhaupt eine Frage gestellt habe, aber ich wollte mich bloß kurz versichern, dass ich da nicht an der Basis einen gedanklichen Fehler einbaue, der dann meine Analyse zerschießt. Das ist alles.

Natürlich sind es nicht 40 Instrumente, die dasselbe messen, sondern unterschiedliche Aspekte.

Ich würde dir widersprechen und behaupten, dass auch absolute Werte einen ersten Eindruck geben können, wie Verteilungen liegen, und welche Variablen überhaupt interessant genug sind für eine weitere Exploration. Korrelationen rechnen kann man doch erst effektiv, wenn man eine rudimentäre Idee hat, zwischen welchen Variablen Zusammenhänge bestehen.
Aber ich bin neugierig: Warum hältst dz absolute Vergleiche für sinnlos?

[bele]

Wahrscheinlich weil ich mir völlig falsche Vorstellungen aus Deinen Andeutungen gemacht habe.

[PonderStibbons]

Hilft diese Ergänzung?

Kaum. Rechnerisch ist das Vorgehen banal, das weißt Du selber.
Deine Angaben 2) und 3) erfordern unmittelbar keine Reskalierung.
Welchen sinnvollen Zusammenhang 1) mit dem thematisierten
Vorgehen hat, ist wie gesagt nicht zu beurteilen.

Noch gutes Gelingen!

PonderStibbons

[urcho]

Danke, @PonderStibbons!

Es ging mir wirklich nur um die banale Reskalierung.

Die Sinnhaftigkeit liegt vor allem in der besseren Lesbarkeit für mich selbst, um im weiteren Vorgehen den Überblick zu behalten.
Strenggenommen sind tabellarische Übersichten immer überflüssig, aber sie helfen mir Wichtiges von Unwichtigem zu unterscheiden, sie erfüllen für mich daher gewissermaßen die Funktion von Arbeitsnotizen. Ich weiß nicht, wie das andere Leute machen, aber mir helfen solche Aufstellungen. Denn ich kann nicht einfach alle Variablen in eine Korrelationsmatrix kippen, da kommt nichts brauchbares raus, vorher muss ich die Daten sinnvoll aufteilen. Da hilft es mir, wenn ich mir die Daten übersichtlich und gut lesbar aufbereite in einem Zwischenschritt.

Danke nochmal für eure Zeit!