Hallo,
Ich suche nach einem Klassifikationsverfahren und bin momentan der Meinung, dass die Diskriminanzanalyse das passende sein könnte, gäbe es da nicht ein kleines Problem; folgendes:
Ich habe nominalskalierte Daten auf der einen Seite (Gruppenvariablen: z.b. Beziehnungsstatus, Geschlecht, Bildung etc.) und auf der anderen Seite jedoch dichotome Merksmalsvariablen (in meinem Fall waren das die Bewertungen von x Stimuli durch Probanden „finde ich gut“ vs. „finde ich nicht gut“).
Ich möchte wissen, hinsichtlich welcher Variablen/Stimuli sich die Gruppen (z.B. Schüler, Studenten, Rentner) bei ihrem Urteil („finde ich gut“ vs. „finde ich nicht gut“) unterscheiden, bzw. ob diese sich trennen lassen.
Problem: Die DA fordert auf den Merkmalsvariablen („finde ich gut“ vs. „finde ich nicht gut“) ein metrisches Skalenniveau.
Ich habe auch gelesen, dass das mit dichotomen Variablen ginge, stimmt das?
Was würdet ihr idealerweise empfehlen?
Eine klassische ANOVA bietet sich auch nicht an, da das N in den verschiedenen Gruppen (z.B. Bildung) sich erheblich unterscheidet.
EDIT:
ich habe auch schon über eine logistische Regression nachgedacht, nur hätte man dann auf der einen Seite nominalskalierte Daten (Gruppen) und auf der anderen Seite für jeden Stimulus eine dichotome Variable.
Dann müsste ich aber für jeden Stimulus eine logistische Regession rechnen - mir scheint das etwas unelegant.
Andere Möglichkeit über Häufigkeiten zu gehen und eine Korrespondenzanalyse zu rechnen, wäre auch drin, aber dann wird das eher unübersichtlich - ich müsste für jede Gruppe eine eigene rechnen. Anschließend Cluster bestimmen und schauen, ob die Clusterzahl und die Lokalität zwischen den Gruppen dieselbe ist... finde ich zu umständlich :-/
Grüße
Gustl