STATISTIK-FORUM.de

[daniel]

Die Koeffizienten einer Regression mit 15 interkorrelierten Prädiktoren bei
nur 280 Fällen werden sehr stichprobensensibel und schwer übertragbar sein,

Dem stimme ich zu. Andererseits sind Korrelationskoeffizienten (im Unterschied zu nicht-standardisierten Regressionskoeffizienten) bei jeder Stichprobengröße von der Varianz in den einzelenen Items abhängig, was in meinen Augen nicht wirklich "robust" ist und einen Vergleich hinsichtlich der "Stärke/Wichtigkeit" m.E. sinnlos werden lässt. Zudem sprichst Du selbst das nach wie vor bestehende Problem an (Interkorrelation der Items), dass hier nur bivariate Zusammenhänge interpretiert werden, die wenig informativ sein dürften.

[bele]

Ich vesuche im Moment, dein Vorschlag im R umzusetzen.. Geht voran, wenn auch sehr langsam.

Etwa so?

Code: Alles auswählen

> daten <- read.table(header=TRUE,
+ text ="x1 x2 x3 summenwert
+ 1 2 1 4
+ 2 0 0 2
+ 1 1 1 3
+ 2 1 1 4
+ 0 0 1 1
+ 2 3 1 6
+ 1 0 0 1
+ 3 2 1 5")
>
> cor(daten, method="spearman")
                  x1        x2        x3 summenwert
x1         1.0000000 0.4675719 0.0000000  0.6967051
x2         0.4675719 1.0000000 0.6537205  0.9502970
x3         0.0000000 0.6537205 1.0000000  0.5738190
summenwert 0.6967051 0.9502970 0.5738190  1.0000000

Für Testung mit Signifikanzprüfung dann cor.test()

Code: Alles auswählen

cor.test(daten$x1, daten$summenwert, method="spearman")

LG,
Bernhard

[ocrammarco]

Hallo Bernhard,

super, danke

Ich habe meine Umfragedaten eingelesen und mal eine Spearman-Korrelation mit p-Wert gerechnet: Zuest seht ihr die Summry der Variablen (Gesamteindruck ist die Gesamte Zufriedenheit, 0 bedeutet , 3 bedeutet ), dann den cor.test zwischen Kompetenz der Mitarbeiter (Beurteilt durch Befragten) und Gesamteindruck (Ebenfalls). Der Schätzer ist 0.47, also "klar positiv". Der P-Wert ist minimal, die Nullhypothese kann also verworfen werden, welche besagt, dass es keine Korrelation gibt. Richtig?
Das ist doch schon mal nicht schlecht..
Auch ist die Interkorrelation nirgendwo über 0.8, ich muss also keine Variablen rausnehmen.. Richtig?

Am liebsten würde ich nun die Korrelationen zwischen dem Gesamteindruck und einer jeden "erklärenden" Variable (15 Stück, die letzten paar sind irrelevant) aufs mal "plotten" und schön darstellen. Geht das in R?
Bei der Spearman Korrelation kommt eine Warnmeldung, weil zu viele den gleichen Rang haben (klar, ich habe ja nur 4 Abstufungen). Soll ich Kendall-Korrelation nehmen? Dort kommt keine Warnmeldung.

Danke, Marco

Code: Alles auswählen

> summary(mydata)
      Flex           Zuver         Fortsch          PreisL         Qualit          Kulant        EingehenK       BreitesDL     PartnerschU     KompetenzMA    FreundlichkeitMA
Min.   :0.000   Min.   :0.00   Min.   :0.000   Min.   :0.00   Min.   :0.000   Min.   :0.000   Min.   :0.000   Min.   :0.00   Min.   :0.000   Min.   :0.000   Min.   :0.000   
1st Qu.:2.000   1st Qu.:2.00   1st Qu.:2.000   1st Qu.:2.00   1st Qu.:2.000   1st Qu.:2.000   1st Qu.:2.000   1st Qu.:2.00   1st Qu.:2.000   1st Qu.:2.000   1st Qu.:2.000   
Median :2.000   Median :2.00   Median :2.000   Median :2.00   Median :2.000   Median :2.000   Median :2.000   Median :2.00   Median :2.000   Median :3.000   Median :3.000   
Mean   :2.251   Mean   :2.33   Mean   :2.274   Mean   :2.02   Mean   :2.256   Mean   :2.071   Mean   :2.371   Mean   :2.45   Mean   :2.374   Mean   :2.451   Mean   :2.536   
3rd Qu.:3.000   3rd Qu.:3.00   3rd Qu.:3.000   3rd Qu.:2.00   3rd Qu.:3.000   3rd Qu.:2.000   3rd Qu.:3.000   3rd Qu.:3.00   3rd Qu.:3.000   3rd Qu.:3.000   3rd Qu.:3.000   
Max.   :3.000   Max.   :3.00   Max.   :3.000   Max.   :3.00   Max.   :3.000   Max.   :3.000   Max.   :3.000   Max.   :3.00   Max.   :3.000   Max.   :3.000   Max.   :3.000   
NA's   :4       NA's   :1      NA's   :6       NA's   :5      NA's   :4       NA's   :10      NA's   :5       NA's   :5      NA's   :4       NA's   :1                       
ErreichbarkeitMA Kundenberatung  Gesamteindruck      NPS              Sani          Feierabend          Kont       
Min.   :0.000    Min.   :0.000   Min.   :0.00   Min.   :0.0000   Min.   :0.0000   Min.   :0.0000   Min.   :0.00000 
1st Qu.:2.000    1st Qu.:2.000   1st Qu.:2.00   1st Qu.:1.0000   1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.00000 
Median :2.000    Median :2.000   Median :2.00   Median :1.0000   Median :1.0000   Median :0.0000   Median :0.00000 
Mean   :2.184    Mean   :2.267   Mean   :2.34   Mean   :0.9559   Mean   :0.6995   Mean   :0.3698   Mean   :0.02415 
3rd Qu.:3.000    3rd Qu.:3.000   3rd Qu.:3.00   3rd Qu.:1.0000   3rd Qu.:1.0000   3rd Qu.:1.0000   3rd Qu.:0.00000 
Max.   :3.000    Max.   :3.000   Max.   :3.00   Max.   :1.0000   Max.   :1.0000   Max.   :1.0000   Max.   :1.00000 
                  NA's   :5       NA's   :1      NA's   :3        NA's   :24       NA's   :15                       
> cor.test(Gesamteindruck, KompetenzMA, method ="spearman", use="pairwise.complete.obs")

        Spearman's rank correlation rho

data:  Gesamteindruck and KompetenzMA
S = 759989.3, p-value = 1.066e-12
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho
0.4706932

Warnmeldung:
In cor.test.default(Gesamteindruck, KompetenzMA, method = "spearman",  :
  Kann exakte p-Werte bei Bindungen nicht berechnen

Ergänzung:

Code: Alles auswählen

        Kendall's rank correlation tau

data:  Gesamteindruck and KompetenzMA
z = 6.8744, p-value = 6.226e-12
alternative hypothesis: true tau is not equal to 0
sample estimates:
      tau
0.4602339



[bele]

Hallo Marco,

es gibt viele Möglichkeiten sowas in R zu visualisieren. Schau Dir mal hier ein paar Beispiele von SPLOMs an:
http://www.r-bloggers.com/five-ways-to- ... mparisons/

Du kannst auch aus der Korrelationmatrix von oben einfach die Werte der letzten Spalte plotten:

Code: Alles auswählen

plot(cor(daten, method="kendall")[,"summenwert"], type="b")

Da müsste man sich jetzt noch um die Achsenbschriftung kümmern etc., aber ein wenig musst Du auch selbst machen:
http://www.statmethods.net/graphs/creating.html
http://www.statmethods.net/graphs/bar.html
http://www.statmethods.net/graphs/line.html
http://blog.echen.me/2012/01/17/quick-i ... o-ggplot2/
http://academic.depauw.edu/hanson/R-Pag ... .qplot.pdf
...

Außerdem das geht jetzt mehr in den Bereich R-Programmierung und weniger in den Bereich Statistik. Ich finde ja http://forum.r-statistik.de eine gute Adresse, aber es gibt ja auch das Schwesterforum zu diesem hier. Letzteres kann ich nicht beurteilen.

LG,
Bernhard