Hallo liebe Community,
ich schreibe derzeit an meiner Abschlussarbeit und habe ein Problem bzw. stehe etwas auf dem Schlauch. Ich untersuche bestimmte Teile von Unternehmensberichten hinsichtlich Vorhandensein oder Nichtvorhandensein bestimmter Merkmale. Dabei wird eine gewisse Sektion gelesen und falls Merkmal vorhanden der jeweilige Satz gezählt. Dies habe ich über 3 Jahre getan und möchte nun diverse Dinge testen. Zunächst habe ich mir um ein Gefühl dafür zu bekommen frühere Studien die ähnlich zu meiner waren angeschaut. Häufig wurden dabei t-tests aber auch nicht-parametrische Test durchgeführt (z.B. Wilcoxon Signed-rank test und Mann Whitney U test). Zu meiner Untersuchung. Ich habe ca 6000 Sätze in 30 Unternehmensberichten (je Jahr 10) von 10 Unternehmen nach 4 unterschiedlichen Merkmalen untersucht. Merkmal 1 war beispielsweise ob der Satz qualitativ oder quantitativ war, Merkmal 2 und 3 hatte ebenfalls 2 Ausprägungen und Merkmal 4 hatte 6 mögliche Ausprägungen. Nun wollte ich untersuchen ob die Mehrzahl der Sätze hisichtlich Merkmal 1 entweder qualitativ oder quantitativ waren. Ob es Unterschiede bei Merkmal 2, 3 und 4 (also innerhalb eines jeden Merkmals) gab. In einer Studie die ich gelesen habe wurde dazu der Mann Whitney U test angewendet, dieser ermittelt doch ob zwei Reihen signifikant unterschiedlich sind oder? In einer anderen Studie wurde der Wilcoxon signed-rank test genutzt, was ja ebenfalls ein nichtparametrischer Test ist, dieser aber nur angewendet wird (im Gegensatz zum Mann Whitney U) wenn zwei Stichproben abhängig sind, oder?! Wie würdet Ihr vorgehen und warum. Ich glaube ich habe schon Schwierigkeiten zu erkennen ob meine Variablen abhängig oder unabhängig sind. Wenn ein Satz beispielsweise quantitative ist, dann ist er nicht qualitativ und umgekehrt, dies impliziert doch Abhängigkeit oder?! Dann verstehe ich nicht warum in früheren Studien der Mann Whitney U Test angewendet wurde und nicht ausschließlich der Wilcoxon signed-rank Test?!
Kann mir jemand auf die Sprünge helfen, wäre super dankbar.
LG,
Nerdi