STATISTIK-FORUM.de

[Bami]

Hallo zusammen,

Laienfrage, aber vielleicht erbarmt sich ja jemand

Ich habe eine Umfrage zur Wahrnehmung in einem Event gemacht, Antworten auf einer 7-stufigen Likertscala.
Die Faktorenanalyse ist gemacht, ebenso die konfirmatorische Faktorenanalyse:
3 Faktoren mit 4, 4 und 2 Items.
Ebenso habe ich eine Korrelationsmatrix, R2, kurzum signifikante Korrelationen zwischen den drei Faktoren.

Jetzt wollte ich eine Regressionsanalyse machen, um zu beweisen, dass Faktor 1 Einfluss auf Faktor 2 und 3 hat, bzw. Faktor 2 auch auf Faktor 3.

Aber hierbei verrenne ich mich ein bisschen. Meine Daten sind nicht normal, aber bei nicht parametrischen Tests H von Kruskal-Wallis müsste ich ja eine Ordinalskala haben, nach der Faktoranalyse habe ich die Variablen jedoch als Intervalle.
Ursprünglich hatte ich es mit ANOVA, beta-Koeffizienten, etc versucht, aber mit Nicht-Normalverteilung dürfte ich das ja eigentlich gar nicht.
Verwechsele ich jetzt allles, oder mit welchen Tests komme ich hier weiter?

Vielen Dank im Vorraus! Alle Tipps sind herzlichst willkommen

[bele]

Hallo Bami,

Willkommen im Forum. Ich verstehe weder, warum die Faktoren als Intervalle vorliegen, noch was Du Dir von den Regressionen über die vorliegenden Korrelationen hinaus noch erwartest.

LG, Bernhard

[Bami]

Hallo Bernhard,

vielen Dank für die schnelle Antwort.
Es sollte deutlich gemacht werden, ob es sich bei der ermittelten Beziehung rein um eine statistische Korrelation handelt oder ob sie auch eine Kausalität impliziert.
Die Einordnung in Intervalle habe ich von einer ähnlichen Studie übernommen. Ich dachte selbst schon, dass sie wohl als Ordinalskala einstufbar sein müssten.

LG,
Bami

[PonderStibbons]

Einige Anmerkungen:

"Nichtnormalverteilung" von Variablen kannst Du komplett vergessen, ausgenommen für den Signfikanztest bei Pearson-Korrelationen.

Bei sehr kleinen Stichproben ist die Verteilung der Vorhersagefehler (Residuen) für Regressions- und Varianzanalysen von Belang, aber auch das nur sehr unwesentlich.

Angabe der Stichprobengröße fehlt.

Regressionsanalysen sind analog zu Korrelationsanalysen. Wie sollte ein mathematischer Algorithmus Kausalität beweisen können?
Ich regrediere A auf B, also ist B kausal für A. Dann drehe ich das um und regrediere B auf A, diesmal ist A kausal für B. Beides zugleich?

Was hat es hier mit H-test, Varianzanalyse, beta-Koeffizienten auf sich, wozu soll das konret dienen?

Intervallskalierte Variablen kann man, wenn es sein muss, in ordinalskalierte Variablen transformieren (aber nicht umgekehrt).

Das Antwortformat eines 7-stufigen Rating-Items heißt 7-stufiges Antwortformat. Likert-Skala ist die Bezeichnung für ein Messinstrument, das aus mehreren Likert-Items (mit Likert-Antwortformat) besteht, die summiert werden.

Mit freundlichen Grüßen

PonderStibbons

[Bami]

Vielen Dank PonderStibbons.

Stichprobengrösse ist 254 (von einer Gesamtpoplation von 3200).

Zur Korrelationsanalyse habe ich Spearman verwendet.

Leider verstehe ich das immer noch nicht. Wie können Korrelation- und Regressionsanalysen analog sein? Wenn sie analog sind, wie können dann Abhängigkeiten in Modellen erklärt werden?

Ich habe etliche Artikel gelesen, in denen nachdem eine Korrelationsanalyse (Korrelationsmatrix) durchgeführt wurde und danach eine Regressionsanalyse gemacht wurde, um die Beziehungen zwischen den Faktoren des Vorschlagsmodells zu erklären(mit der Berechnung von beta-Koeffizienten, Standardised Estimates und Standard Error)
(Siehe z.B.: https://www.mdpi.com/2071-1050/12/19/8103), nur das eben meine Faktoren "Nichtnormalverteilung" haben.

[PonderStibbons]

Leider verstehe ich das immer noch nicht. Wie können Korrelation- und Regressionsanalysen analog sein?

Der standardisierte Regressionskoeffizient einer einfachen linearen Regression ist gleich dem Pearson-Korrelationskoeffizient.

Wenn sie analog sind, wie können dann Abhängigkeiten in Modellen erklärt werden?

Man kann in Regression Y "vorhersagen" oder "erklären", aber das sind Begriffe für mathematische Beziehungen,
nicht für sachlogische. "Erklären" ist einfach nur Varianzaufklärung, keineswegs Kausalität.
Ob es einen kausalen Zusammenhang gibt, kann ein solche Auswertungsverfahren nicht nachweisen, das ist eine
Sache des Forschungsdesigns (z.B. Experimente mit Zufallszuweisung der Versuchsobjekte zu den
Versuchsbedingungen) oder starker Annahmen.

Ich habe etliche Artikel gelesen, in denen nachdem eine Korrelationsanalyse (Korrelationsmatrix) durchgeführt wurde und danach eine Regressionsanalyse gemacht wurde, um die Beziehungen zwischen den Faktoren des Vorschlagsmodells zu erklären(mit der Berechnung von beta-Koeffizienten, Standardised Estimates und Standard Error)
(Siehe z.B.: https://www.mdpi.com/2071-1050/12/19/8103), nur das eben meine Faktoren "Nichtnormalverteilung" haben.

Ich weiß nicht, was dieser Artikel und das dortige Modell mit Deiner Studie konkret zu tun haben.
Das ist ein Strukturgleichungsmodell.

Dass "Nichtnormalverteilung" von Variablen für lineare Regressionsanalysen völlig irrelevant ist,
darauf habe ich bereits hingewiesen.

Mit freundlichen Grüßen

PonderStibbons

[Bami]

Jetzt ist alles klar, ich habe da wohl völlig Regression und das Strukturgleichungsmodell durcheinander gebracht.

Vielen Dank für die Aufklärung.


MfG,
Bami