STATISTIK-FORUM.de

[andre.s]

Hallo Zusammen,

ich möchte im Rahmen meiner Studienarbeit die Auswirkung 3er UVs auf eine AV untersuchen.
Das „Problem“: eine UV ist metrisch skaliert, die anderen zwei ordinal.

Ursprünglich wollte ich eine multiple lineare Regression berechnen. Ich habe bereits häufig gelesen, dass die UVs hierbei eigentlich metrisch sein sollten. Allerdings habe ich bereits Studien gelesen, in denen Forscher ordinale single-items auch mithilfe multipler linearere Regression berechnet haben. Auch auf einigen Statistik-Seiten habe ich gelesen, dass das möglich ist, wenn man das begründen kann. Theoretisch könnte ich das begründen. Ich könnte auch auf Forscher verweisen, die das genauso untersucht haben.

Nun bin ich mir aber unsicher, wie ich vorgehen soll. Soll ich auf die lineare Regression verzichten und die Zusammenhangshypothesen getrennt mithilfe von Pearson- bzw. Spearman-Korrlationen untersuchen? Oder die Regression durchführen?

Habt ihr Tipps?

Danke schonmal!


Liebe Grüße
André

[PonderStibbons]

Soll ich auf die lineare Regression verzichten und die Zusammenhangshypothesen getrennt mithilfe von Pearson- bzw. Spearman-Korrlationen untersuchen?

Es wäre hilfreich anzugeben, was das Thema ist und wie die Studienfragestellungen bzw. Hypothesen lauten,
was das für Variablen sind und wie die ordinalen Messungen und Skalen konkret ausgestaltet sind. Und wie groß
die Stichprobe ist.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo André,

grundsätzlich hat PonderStibbons Recht, dass eine nachvollziehbare Schilderung des Themas, der Frage und des geplanten Stichprobenumfangs immer die Chancen auf die besten Antworten im Forum bringt.

Was mir in Deinen vorgetragenen Erwägungen völlig fehlt ist das Konzept der Dummyvariablen. Ist das bekannt? Wenn nein, schau Dir das schon mal an, bevor Du Dein Projekt genauer schilderst. "Ordinale Variable" kann ja alles sein und es macht schon einen Unterschied, ob das 3 Stufen oder 20 Stufen sind, die diese Variable einnehmen kann.
https://youtu.be/9cFHnky_bMM

LG,
Bernhard