STATISTIK-FORUM.de

[schuelercc]

Hallo zusammen,

im Moment werte ich eine Umfrage aus und bin etwas verzweifelt, wie es weitergehen soll.
In meiner Umfrage habe ich 8 Hypothesen getestet, indem ich eine abhängige und eine unabhängige Variable (beide skaliert Likert) abgefragt habe.
Beispiel für einen Fragensatz: "Hast du schon die Serie "Derzeit beliebt bei Netflix" bemerkt? (Likert-Skaliert) und "Hat das Auswirkungen auf Ihre Entscheidungsfindung? (auch Likert-Skaliert)
Nun möchte ich testen, wie stark der Einfluss der ersten Frage auf die zweite ist, und bisher bin ich noch sehr unentschlossen über das Verfahren.
Auf der einen Seite wäre die Ranking-Korrelation nach Spearman angemessen, aber sie analysiert nur Korrelationen und das ist nicht dasselbe, oder?
Zum anderen würde sich durch die Umskalierung der Likert Skala eine bivariate Regression anbieten? Ist dies möglich?

Vielen Dank für Ihre Hilfe!

[PonderStibbons]

Einfache Regressionen und Pearson-Korrelation sind äquivalent (standardisiertes beta der Regression = r der Korrelation).
Wie man ein Likert-Item "umskalieren" soll, sodass eine Ordinalskala zu einer Intervallskala wird, wüsste ich nicht, die Frage
erscheint aber im gegebenen Falle auch müßig. Anscheinend beziehen sich Deine Hypothesen auf bivariate Zusammenhänge,
da erscheint der Spearman-Koeffizient durchaus passend.

Mit freundlichen Grüßen

PonderStibbons

[schuelercc]

Aber eine Pearson-Korrelation ist nicht möglich, da ich derzeit eine Ordinalskala habe, also ist es auch nicht zu der einfachen Regression äquivalent.
Leider bin ich weiterhin bezüglich der Umwandlung überfragt!

[bele]

Nun möchte ich testen, wie stark der Einfluss der ersten Frage auf die zweite ist

Meinst Du einen Übertragungseffekt? Oder willst Du einfach nur wissen, ob es einen Zusammenhang gibt?

Auf der einen Seite wäre die Ranking-Korrelation nach Spearman angemessen, aber sie analysiert nur Korrelationen und das ist nicht dasselbe, oder?

Ja, eine Rangkorrelation ist bei zwei ordinalskalierten Werten angemessen, aber den zweiten Halbsatz verstehe ich nicht. Nicht dasselbe wie was?

LG,
Bernhard

[PonderStibbons]

Aber eine Pearson-Korrelation ist nicht möglich, da ich derzeit eine Ordinalskala habe, also ist es auch nicht zu der einfachen Regression äquivalent.
Leider bin ich weiterhin bezüglich der Umwandlung überfragt!

Anscheinend beziehen sich Deine Hypothesen auf bivariate Zusammenhänge, da erscheint der Spearman-Koeffizient durchaus passend.

Und Messungen lassen sich zwar runterskalieren (intervall => ordinal => kategorial), aber niemals umgekehrt.

Mit freundlichen Grüßen

PonderStibbons

[schuelercc]

Hallo, danke für eure hilfreichen Antworten,

Meinst Du einen Übertragungseffekt? Oder willst Du einfach nur wissen, ob es einen Zusammenhang gibt?

Ich möchte nicht den Zusammenhang herausfinden, sondern den Einfluss von Variable 1 auf Variable 2. Dies ist meines Wissens nach jedoch nur mit einer linearen Regression möglich, oder?
Ich habe gelesen, dass man bei Likert Items von Äquidistanz ausgehen kann, also von gleichen Abständen weswegen diese Skala bei richtiger Gestaltung auch als Intervallskala anwendbar ist.

MfG
schuelercc

[strukturmarionette]

Hi,

https://www.theanalysisfactor.com/can-l ... ontinuous/

Gruß
S.

[bele]

Ich möchte nicht den Zusammenhang herausfinden, sondern den Einfluss von Variable 1 auf Variable 2. Dies ist meines Wissens nach jedoch nur mit einer linearen Regression möglich, oder?

Nein, leider nicht. Du kannst nur nachweisen, dass beide immer gemeinsam hoch oder niedrig sind, aber Du kannst aus zwei Zahlenreihen nie Kausalität ableiten. Bei der linearen Regression wird zwar eine Variable als unabhängige und die andere als abhängige bezeichnet, diese Zuordnung ist aber frei wählbar und beschreibt nur einen Rechenweg, nicht aber eine inhaltliche Kausalität. Will sagen: Ob Du Variable 1 als abhängig oder als unabhängige bezeichnest und Variable 2 als das andere, ändert zwar die Regressionsgleichung, nicht aber die Enge des Zusammenhangs.

Ich habe gelesen, dass man bei Likert Items von Äquidistanz ausgehen kann, also von gleichen Abständen weswegen diese Skala bei richtiger Gestaltung auch als Intervallskala anwendbar ist.

Ganz so einfach ist die Sache sicher nicht. Man kann das strenger sehen oder lockerer sehen und es ist denkbar, dass so ein Vorgehen beim einen Dozenten als falsch und beim andern als akzeptabel betrachtet wird. Wenn Du PonderStibbons, den Meistantworter im Forum, oder den Autor dieses Werkes
https://bookdown.org/Rmadillo/likert/
als Betreuer hättest, dann wäre so ein Vorgehen falsch. Wenn Du so etwas machen willst, solltest Du Dich bei Deinem Betreuer rückversichern, wenn Du das bei einem Journal einreichen willst, rechne mit unangenehmen Rückfragen der Reviewer.
Die Spearman-Korrelation ist diesbezüglich völlig unkompliziert.

LG,
Bernhard

[schuelercc]

Danke für die hilfreiche Antwort Bernhard!

Nein, leider nicht. Du kannst nur nachweisen, dass beide immer gemeinsam hoch oder niedrig sind, aber Du kannst aus zwei Zahlenreihen nie Kausalität ableiten. Bei der linearen Regression wird zwar eine Variable als unabhängige und die andere als abhängige bezeichnet, diese Zuordnung ist aber frei wählbar und beschreibt nur einen Rechenweg, nicht aber eine inhaltliche Kausalität. Will sagen: Ob Du Variable 1 als abhängig oder als unabhängige bezeichnest und Variable 2 als das andere, ändert zwar die Regressionsgleichung, nicht aber die Enge des Zusammenhangs.