STATISTIK-FORUM.de

[saljema91]

Hallo zusammen,

leider bin ich in meiner Recherche auf widersprüchliche Informationen getroffen und wollte daher mal euch Profis fragen.

Für meine Bachelorarbeit untersuche ich die Auswirkung vom Homeoffice-Anteil eines Arbeitsnehmers zum Gruppenzusammenhalt (Kohäsion).
Zusätzlich möchte ich betrachten, wie die Häufigkeit verschiedener Kommunikationsformen diesen Zusammenhang beeinflusst.

Eine überschlagene inhaltliche Formel wäre:
Zusammenhalt = Homeofficeanteil + Häufigkeit von Videocalls + Häufigkeit von normalen Anrufen + Häufigkeit von Chat-Kommunikation + Häufigkeit von Face to Face Kommunikation

Zu den Variablen
- Zusammenhalt - ordinal - Werte von 0 = keine Kohäsion - 52 - maximale Kohäsion
- Homeofficeanteil - ordinal - in verschiedenen Klassen - 0-10% ; 11-20 % usw.
- Die Häufigkeiten der Kommunikationsformen sind auch ordinal - 0 = nie ; 1 = sehr selten ; ... 6= immer

Ich möchte herausfinden, wie bspw. die Häufigkeit von Videocalls den Effekt zwischen Kohäsion und dem Homeofficeanteil moderiert.

Wie kann ich da vorgehen ?
- muss ich eine ordinale Regression machen? (bzw. kann ich das überhaupt?=
- kann ich theoretisch die Moderation von jedem einzelnen Kommunikationsmedium separat ermitteln ? (wäre dass dann inhaltlich noch sinnvoll?

Ich würde mich sehr über Gedankenanstöße freuen.
(Leider hatten wir die ordinale Regression nicht in unseren Kursen behandelt, daher bin ich hier etwas überfragt)

Liebe Grüße
Marcel

[bele]

Hallo Marcel,

Zu den Variablen
- Zusammenhalt - ordinal - Werte von 0 = keine Kohäsion - 52 - maximale Kohäsion
- Homeofficeanteil - ordinal - in verschiedenen Klassen - 0-10% ; 11-20 % usw.
- Die Häufigkeiten der Kommunikationsformen sind auch ordinal - 0 = nie ; 1 = sehr selten ; ... 6= immer

Hier solltest Du nochmal in Dich gehen und Dich sehr genau fragen, ob man alle diese Variablen wirklich als ordinal betrachten muss oder ob man die nicht auch quasi-metrisch einsetzen kann und will. Die Gefahr, dass die Komplexität sonst ausufert und die Zahl der nötigen Beobachtungen gleich mit erscheint mir sehr hoch. Der Zusammenhalt ist doch ganz bestimmt die Summe einer Reihe von Items in einem Fragebogen. Sowas kann man sehr oft quasi-metrisch betrachten, lies dazu beispielsweise hier: nutzung-des-forums-f44/likertskalen-und-anderes-t9192.html

Wie kann ich da vorgehen ?
- muss ich eine ordinale Regression machen? (bzw. kann ich das überhaupt?

Die Ordinale Regression ist ein Verfahren für ordinale Abhängige Variablen, sie funktioniert aber auch ganz gut mit metrischen Abhängigen (wenn man bspw. in Sachen Linearität unsicher ist). Sie ist so schwer nicht zu lernen/verstehen, aber sie löst überhaupt nicht Dein Problem mit den vermeintlich ordinalen unabhängigen Variablen.

kann ich theoretisch die Moderation von jedem einzelnen Kommunikationsmedium separat ermitteln ?

Faustregel ist eigentlich, dass man möglichst viele Fragen gleichzeitig mit einem Model beantwortet. Dann müsstest Du halt eine große Zahl von Interaktionstermen ins Modell aufnehmen und da die alle recht datenhungrig sind, wäre das nur bei einer sehr großen Zahl von Beobachtungen umsetzbar. Wieviele Datenpunkte kannst/wirst Du denn ungefähr erheben? Vielleicht zwingt Dich das zum separaten Erheben von Moderationstermen nacheinander.

(Leider hatten wir die ordinale Regression nicht in unseren Kursen behandelt, daher bin ich hier etwas überfragt)

Dafür gibt es Bücher und ähnliches. Da muss man keine Angst vor haben. Wer die logistische Regression verstanden hat kann das auch verstehen. Leider ist es ganz klar nicht die Antwort auf alle Deine Fragen.

... und wollte daher mal euch Profis fragen.

Da würde ich mich nicht zu sehr drauf verlassen. Wir sind nur freundliche unbekannte aus dem Internet.

GLG,
Bernhard

[PonderStibbons]

Für meine Bachelorarbeit untersuche ich die Auswirkung vom Homeoffice-Anteil eines Arbeitsnehmers zum Gruppenzusammenhalt (Kohäsion).
Zusätzlich möchte ich betrachten, wie die Häufigkeit verschiedener Kommunikationsformen diesen Zusammenhang beeinflusst.

Mir ist die Fragestellung und das Studiendesign nicht klar. Es geht um eine Gruppe oder um mehrere?
Wie viele Probanden bzw. Gruppen sind einbezogen? Es wird dann Zusammenhalt auf Gruppenebene
gemessen (falls ja, auf welche Weise?), ebenso die Prädiktoren auf Gruppenebene? Oder wird irgendwas
auf individueller (Mitarbeiterebene) gemessen und damit die Kohäsion vorhergesagt?

Mit freundlichen Grüßen

PonderStibbons

[saljema91]

Hallo zusammen,
@bele & @PonderStibbons , erst mal vielen Dank für eure Rückmeldungen.

@Poder Stibbons

Mir ist die Fragestellung und das Studiendesign nicht klar. Es geht um eine Gruppe oder um mehrere?
Wie viele Probanden bzw. Gruppen sind einbezogen? Es wird dann Zusammenhalt auf Gruppenebene
gemessen (falls ja, auf welche Weise?), ebenso die Prädiktoren auf Gruppenebene? Oder wird irgendwas
auf individueller (Mitarbeiterebene) gemessen und damit die Kohäsion vorhergesagt?

ok, das kann ich konkretisieren.
Also ich möchte eine Erhebung per Fragebogen durchführen an welcher in Prinzip jeder teilnehmen kann, der in einem Team und Bürojob arbeitet und dabei die Möglichkeit auf Homeoffice hat.
Dabei habe ich keine Gruppenbildung beabsichtigt. Ich versuche einen generellen übergreifenden Moderationseffekt zu untersuchen.

Abgefragt wird folgendes:
1. Der Anteil von Homeofficetagen an den gesamten WOchentagen einer Person (in Prozent) -> das kann ich auch metrisch annehmen
2. Die Kohäsion wird mit dem Erlangen Team Cohesion at work scale berechnet (https://doi.org/10.1186/s40359-024-01583-2)
Das sind 13 Likertitems mit jeweils 5 Ausprägungen. Die Summe ergibt dann einen Wert zwischen 0 und 52, Die Abtwortmöglichkeiten sind immer "Trifft überhaupt nicht zu (0) bis trifft völlig zu (4)
(Hier bin ich mir nicht wirklich sicher ob ich das als metrisch annehmen kann, es gibt da ja durchaus einen Diskurs über das Skalenniveau bei Ratingskalen)
@bele, ich bin dem Link den du geteilt hast gefolgt und habe festgestellt, dass du recht hast. den Kohäsionswert müsste ich als metrisch verstehen können)

3. zu guter Letzt frage ich ab, wie häufig die Probanden mit Ihren Kollegen per Chat, Videocall, Telefonat oder Face-To Face Kommunizieren.
Ebenfalls mit einer Ratingskala (nie , sehr selten, selten, manchmal, oft , sehr oft , immer)



Ziel sind dann die Beantwortung folgender Fragen.
1. Hat der Homeofficeshare eine Korrelation zur Kohäsion
2. Haben die Kommunikationshäufigkeiten Korrelationen zu Kohäsion
3. Ist die Häufigkeit der Kommunikation mit einem bestimmten Kommunikationskanal Moderatoren zwischen HO-Anteil und Kohäsion (ALso ob die Beziehung bspw. durch häufige Videocalls begünstigt werden kann)


Meine Hauptfragen dabei an dieses Forum sind:
1. Zu den Häufigkeitsvariablen (bspw. Häufigkeit von Telefonaten - nie bis immer- ):
Ich werde aus dem Internet und all meinen Quellen nicht schlau. Darf ich solche Variablen nun als ordinal oder Metrisch annehmen? je nachdem wo man sucht kommt etwas vollkommen anderes heraus. Scheinbar gibt es hier einen riesen Diskurs. (Darf man aus pragmatischen Gründen bei einer Ratingskala eine ein Intervall-Niveau annehmen?, sofern man es zumindest angibt?)

2. Welches Statistische Model würde sich in dem Fall anbieten, wenn die Häufigkeitsvariablen ordinal wären? Die Prädiktioren also metrisch und Ordinal sind?
Ziel wäre die bestimmung des Moderationseffekts.
AV (Kohäsion = metrisch) = homeofficeshare (metrisch) + Häufigkeit von Telefonaten (ordinal) + Häufigkeit von Videocalls (ordinal) + Häufigkeit von Chats (ordinal) + Häufigkeit von Face to face kommunikation(ordinal)

Liebe Grüße
Marcel

[PonderStibbons]

Demnach korrelierst Du Verhaltensweisen der einzelnen Personen mit ihrer Wahrnehmung, wie stark die Gruppenkohäsion ist. Die Verhaltensweisen der anderen Gruppenmitglieder werden nicht erfasst und es gibt keine objektive und keine über die Gruppenmitglieder hinweg aggregierte Kohäsionsmessung.

Häufigkeitsangaben von sehr selten bis immer sind im Zweifel ordinal. Falls Du eine Regression rechnest, kannst Du k-stufige ordinal Variablen in k-1 dummy-Variablen transformieren.

Mit freundlichen Grüßen

PonderStibbons

[saljema91]

Hallo Ponder Stibbons

Demnach korrelierst Du Verhaltensweisen der einzelnen Personen mit ihrer Wahrnehmung, wie stark die Gruppenkohäsion ist. Die Verhaltensweisen der anderen Gruppenmitglieder werden nicht erfasst und es gibt keine objektive und keine über die Gruppenmitglieder hinweg aggregierte Kohäsionsmessung.

Ja genau: subjektive Kohäsionswahrnehmung - Mediennutzung - Homeofficeshare

Häufigkeitsangaben von sehr selten bis immer sind im Zweifel ordinal. Falls Du eine Regression rechnest, kannst Du k-stufige ordinal Variablen in k-1 dummy-Variablen transformieren.

Vielen dank für den Tipp.

Dann mache ich mich mal mit dem Testverfahren schlau
Das ist dann ordinale Regression, korrekt? Eignet sich dass dann auch um Moderationen zu bestimmen?

Vielen Lieben Dank auf jeden Fall schon einmal

[bele]

Häufigkeitsangaben von sehr selten bis immer sind im Zweifel ordinal. Falls Du eine Regression rechnest, kannst Du k-stufige ordinal Variablen in k-1 dummy-Variablen transformieren.

Das liest sich hier recht harmlos, wird aber bösartig, sobald Du Interaktionen beleuchtest. Bei streng ordinaler Annahme müsstest Du halt jede Dummyvariable für Homeofficeanteil mit jeder Dummyvariable für Häufigkeit der Kommunikationsform multiplizieren. Ganz unabhängig von der Frage, ob Du dann mit k-1 Dummyvariablen auskommst, werden das unglaublich viele Interaktionsterme die zum Teil viel zu gering von Daten unterstützt sein werden und die nachher wieder zu einer gemeinsamen Aussage zusammengefasst werden wollen.

Sieben Häufigkeitsstufen mal zehn Homeofficeanteilstufen sind 70 mögliche Kombinationen. Wenn Du für jeden dieser Koeffizienten nur zehn Beobachtungen rechnest sind wir schon bei 700 Befragten, was einerseits eine sehr blauäugige Überschlagsrechnung und andererseits für eine Bachelorarbeit in aller Regel unerreichbar ist. Also musst Du Kompromisse eingehen.

Zu dem ersten Kompromiss hast Du Dich schon bereit gefunden. Die zehnstufige Homeofficeanteil-Variable willst Du wie eine metrische Skala verwenden, die siebenstufige Kommunikationsformhäufigkeit aber nicht. Damit sind es immerhin schon mal nur noch 6 Dummyvariablen, die gemeinsam Deine Interaktion beschreiben. Ab wann Du sie als Nachweis einer (monotonen?) Interaktion sehen willst musst Du Dir dann noch überlegen.
Wir hören im Forum immer mal wieder von Betreuern, die siebenstufige Skalen wie Deine Kommunikationsformhäufigkeit auch als wuasi-metrisch durchgehen lassen. Am Ende sind alle Modelle falsch aber manche Modelle lassen sich mit eine höheren Power testen.

Das ist dann ordinale Regression, korrekt?

Das kann die ordinale Regression sein, das kann aber auch die lineare Regression sein. Wenn Du die cohesion at work scale als metrisch ansiehst kommen beide infrage. Schlau Dich mal zur ordinalen Regression auf und dann kannst Du das immer noch entscheiden. Die lineare Regression ist halt etwas steifer und verbraucht dafür weniger Freiheitsgrade, die ordinale ist etwas flexibler darin, sich an Daten anzupassen.

LG,
Bernhard

[saljema91]

Hallo @bele

vielen lieben Dank für deine ausführliche Rückmeldung

Strenggenommen will ich auch die Kommunikations-Häufigkeiten als intervallskaliert ansehen und verwenden.
Ich frage mich da halt nur ob das richtig ist bzw. ob mir dies erlaubt ist.
Habe dazu nun auch schon sehr viel gelesen und komme stets zu widersprüchlichen Informationen.
Ich fand sogar Lehrbücher (springer gabler), welche Ratingskalen als Intervallskaliert ansehen, allerdings auch auf die Diskussion darum etwas eingehen.

Wahrscheinlich macht es an dieser Stelle am meisten Sinn, wenn ich das mit meiner Betreuerin abkläre.

Wenn ich es recht verstehe bleiben ja auch dann, wenn ich alles als metrisch ansehe und die lineare Regression bediene bei der Mediationsanalyse genüg Interaktionen übrig, über welche ich mir Gedanken machen muss.

Vielen Lieben Dank auf jeden Fall
mit freundlichen Grüßen
Marcel

[PonderStibbons]

Ja genau: subjektive Kohäsionswahrnehmung - Mediennutzung - Homeofficeshare

Finde ich gar nicht mal lustig. Du kündigst an "Für meine Bachelorarbeit untersuche ich die Auswirkung vom Homeoffice-Anteil eines Arbeitsnehmers zum Gruppenzusammenhalt (Kohäsion).", was nicht stimmt und uns Ratgebende irreführt.

Das ganze Statistikgeschieß ist letztlich für 90% der Akademiker egal. Hingegen Begriffe zu verstehen und präzise zu gebrauchen,
ist für 100% aller Akademiker der Kern ihrer Kompetenz. Desgleichen, eine Fragestellung präzise zu formulieren.
""Für meine Bachelorarbeit untersuche ich die Auswirkung vom Homeoffice-Anteil eines Arbeitsnehmers zum Gruppenzusammenhalt (Kohäsion)."
erfordert ein anderes Studiendesign, oder das skizzierte Studiendesign erfordert eine andere Fragestellung.

Häufigkeitsangaben von sehr selten bis immer sind im Zweifel ordinal. Falls Du eine Regression rechnest, kannst Du k-stufige ordinal Variablen in k-1 dummy-Variablen transformieren.

Vielen dank für den Tipp.

Dann mache ich mich mal mit dem Testverfahren schlau

Was für ein Testverfahren? Es geht um Regressionsmodelle und wie man darin einen bestimmten Typ Variablen einbeziehen kann.

Das ist dann ordinale Regression, korrekt? Eignet sich dass dann auch um Moderationen zu bestimmen?

Ordinale Regressionen sind für ordinale abhängige Variablen. Irgendwo stand aber doch, dass die subjektiv wahrgenommene Kohäsion intervallskaliert gemessen wird.

Mit freundichen Grüßen

PonderStibbons

[bele]

Hallo PonderStibbons,

Ordinale Regressionen sind für ordinale abhängige Variablen. Irgendwo stand aber doch, dass die subjektiv wahrgenommene Kohäsion intervallskaliert gemessen wird.

Das bin sicher ich zum Teil Schuld, weil ich geschrieben habe, dass man auch bei metrischem Outcome eine ordinale Regression verwenden kann. Ich bin zur Zeit sehr beeindruckt von einem Biostatistik-Professor an der Vanderbilt-University, Frank Harrell jr.. Eben dieser Frank Harrell jr. bewirbt eine viel breitere Anwendung der ordinalen Regression. Seine Argumentation ist hier nur in Teilen anwendbar. So sagt er etwa, dass man nicht viel verliert, wenn man metrische Zielvariablen in einer ordinalen Regression verwendet. Dafür kann man auch Outcomes mitberücksichtigen, die sich nicht metrisch erfassen lassen. Wenn ich beispielsweise Krankheitsaktivität als Blutwert messe, einige wenige Patienten aber versterben. Dann kann ich die metrischen Blutwerte ordinal betrachten und das Versterben als schlimmer als jeder Blutwert ordinal einfügen. Alternativ könnte man einen Patienten, der gesund genug für eine Krankenhausentlassung war ordinal besser als jeden weiteren Blutwert einsortieren. Fälle wie "Tod" oder "entlassen" nennt er "absorbing states". Das löst viele Probleme und angeblich verliert man nicht viel, selbst wenn die allermeisten Werte eigentlich metrisch wären und nur wenige Fälle die Skala ordinal machen. Wie gesagt, dieser spezielle Aspekt trifft hier nicht zu. aber daher nehme ich die Aussage, dass man nicht zuviel Power etc. damit verliert. Außerdem propagiert er, solchermaßen gemischte Skalen möglichst in einem longitudinalen Modell zu verwenden, um mit mehr Daten mehr Power zu erhalten. Interessierte könnten in diesem Video eine Übersicht über diese Argumentation enthalten. https://www.youtube.com/watch?v=-sKT41qUgi4

Zurück zu Marcels Problem. Er will seine Fragebogenskala metrisch betrachten. Das heißt aber nicht, dass er nicht Linearitätsprobleme hat, beispielsweise wenn die Skala nicht im optimalen Schwierigkeitsbereich misst. Dann treten Boden- oder Deckeneffekte auf die m. E. von einer ordinalen Regression sehr viel eleganter abgefangen werden müssten als eine lineare Regression mit ihrer konstanten Steigung. Die sigmoide Kurve bei der ordinalen Regression hat Freiheit, sich nahezu linear zu verhalten oder bei hohen Werten oder bei niedrigeren Werten oder bei beiden eine niedrigere Steigung anzunehmen.

Soviel zur Erklärung für Dich. Marcel habe ich nur empfohlen, die ordinale Regression nicht gleich zu verwerfen und keine Angst davor zu haben, sich mit ihr zu beschäftigen.

Beste Grüße,
Bernhard