Welches Verfahren? Varianzanalyse?

[Gast]

Liebe Leute, HilfeHilfe!

Ich steh grad voll daneben und verwurschtel mich mit der Statistik. Ich bin mir nämlich nicht sicher, welche Verfahren ich rechnen soll.

Also ich hatte 198 Stimuli zu je 3 Bedingungen. Die haben mir VPNs geratet (1-7). Bei den VPNs hab ich 5 Schulstufen/Altersgruppen und natürlich immer m/w.
So, bei mir geht es jetzt darum dass ich hoffentlich eine altersbedingte entwicklung in den ratings aufspüre. ...und das geschlecht ist auch interessant.

Grundsätzlich würd ich jetzt mal davon ausgehen eine MANOVA zu rechnen. 2 Faktoren und viele Variablen.... aber die Bedingungen aufgespalten sind Ratings von 96, 96 und einmal nur 6 Stimuli. Ich kann doch keine MANOVA mit 96 Variablen rechnen... ??
Und lauter 2faktorielle ANOVAs werden mich ja auch nicht glücklich machen, da sitz ich ewig!
Ich glaub irgendwas überseh ich da...

Und, ein zusätzliches Problem dass mich beschäftigt ist: ich weiß nicht ob meine Bedingungen bzw. die Ratings vollkommen unabhängig voneinander sind. Weil ich hab originalstimuli vorgelegt und bearbeitet originale auch... die sind dann doch wieder gesondert zu behandeln, oder? Und dh wenn die AVs tatsächlich "zusammengehören" kann ich doch auch wieder keine MANOVA rechnen, weil die Unabhängigkeit der AVs ja Vorraussetzung ist.... ?!?

Ich hoffe, ich hab das jetzt halbwegs nachvollziehbar erklärt. Für Hilfe wär ich waaaahnsinnig dankbar!!

Anna

[Michael Weber]

Leider ist mir nicht wirklich klar was da getan wurde. Jede Vpn mussten 198(?!!??) Dinge beurteilen? Wenn es so war, sind die ratings abhängig (da sie von denselben Personen vorgenommen wurden). Fasst man nun die 96 Ratings pro Bedingung zu einer Kennzahl zsammen (z.B. indem man den Mittelwert pro bedingung berechnet), sind die Variablen Bedingung1,2 und 3 ebenfalls abhängig (da jede Person in allen 3 Bedingungen geantwortet hat). Damit hätte man dann eine sogeannte MIXED ANOVA (Mischung aus Messwiederholung und "echten" UVs). Die AV ist das mittlere Rating, der Messwiederholungsfaktor die Bedingung und ie UVs wären dann Alter (5 Stufen, da 5 Altersgruppen) und Geschlecht (2 Stufen).

MfG

MW

[Gast]

Super! Sowas in der Art dachte ich mir schon... der Knopf hat sich glaub ich gelöst, Dankedankedanke!

War eine Computertestung bei der die Vpns Bilder bewertet haben!

lg Anna

[Gast]

hallo!

ich habe eine frage zu meiner diplomarbeit - ich bin mir total unsicher, wie ich meine auswertung angehen soll.
ich hab 2 AV: metrische daten zweier skalen eines burnout- fragebogens
und ich hab extrem viele UV, die in 4 "gruppen" unterteilt sind. einerseits hab ich mitarbeiterspezifische aspekte (10, manche davon metrisch, manche nominal), klientenspezifische aspekte (3, alle metrisch), organisationsspezifische aspekte (11, ebenso metrisch bzw. nominal) und einen vierten aspekt, der ebenfalls metrisch is.
ich wollt eigentlich eine varianzanalyse rechnen, aber wenn ich das jetzt alles in eine schmeiß - glaub irgendwie nicht dass das sinnvoll is. und wenn ichs auf mehrere varianzanalysen aufteil is ja wieder das problem mit der alpha - adjustierung...
ich steh einfach völlig an

wär sehr dankbar für ein paar anregungen!

danke

[marioo25]

hallo!

ich habe eine frage zu meiner diplomarbeit - ich bin mir total unsicher, wie ich meine auswertung angehen soll.
ich hab 2 AV: metrische daten zweier skalen eines burnout- fragebogens
und ich hab extrem viele UV, die in 4 "gruppen" unterteilt sind. einerseits hab ich mitarbeiterspezifische aspekte (10, manche davon metrisch, manche nominal), klientenspezifische aspekte (3, alle metrisch), organisationsspezifische aspekte (11, ebenso metrisch bzw. nominal) und einen vierten aspekt, der ebenfalls metrisch is.
ich wollt eigentlich eine varianzanalyse rechnen, aber wenn ich das jetzt alles in eine schmeiß - glaub irgendwie nicht dass das sinnvoll is. und wenn ichs auf mehrere varianzanalysen aufteil is ja wieder das problem mit der alpha - adjustierung...
ich steh einfach völlig an

wär sehr dankbar für ein paar anregungen!

danke

Wie groß ist deine Stichprobe?
Wie sehen die Hypothesen aus?
kannst du deine UVs etwas beschreiben?

irgendwie klingt das für mich nach einer multiplen lin. Regression. Man könnte die nominalskalierten Variablen zB dummy- oder effektcodieren u so in das Modell mit aufnehmen. Aber Antworten auf die gestellten Fragen, würden eine konkrete Antwort meinerseits erleichtern.

[Gast]

also ...

stichprobengröße: 197

zu meinen uv's: das sind sachen wie berufsalter und jobalter (metrisch), position innerhalb der organisation (leitend vs betreuend), zu leistende wochenstunden, ausbildung (berufsspezifische ausbildung vs. keine), fort- und weiterbildungen (ja/nein), motivation (ordinal), selbsteinschätzung der beruflichen eignung (ordinal), stärke der belastung in beruf und privatleben (ordinal)
dann gibts nich klientenspezifische variablen: schweregrad der behinderung (metrisch), betroffenheit von zusätzlichen behinderungen (metrisch) und Betreuungsverhältnis (metrisch)
dann die organisationsspezifischen Aspekte: art der einrichtung (arbeit vs. wohnen), anzahl der klienten, supervision (ja/nein), teambesprechungen (ja/nein), leisten wacher nachtdienste (ja/ nein), unterstützung der kollegen (metrisch), führung (metrisch), organisation des dienstplans (nominal), organisation der arbeitsabläufe, definition der aufgabenverteilung und gerechtigkeit der aufgabenverteilung (alles ordinal)
und dann gibt's noch was, das nennt sich "berücksichtigung der autonomie der klienten" (metrisch)

so ... und meine hypothesen:
- ausprägungen der burnout- symptome lassen sich auf basis der mitarbeiter-, klienten- und organisationsspezifischen aspekte diskriminieren.
- wechselwirkungen zwischen den mitarbeiter-, klienten- und organisationsspezifischen variablen in der einflusswirkung auf burnout
- und dann gibts halt ganz viele zusammenhangs und unterschiedshypothesen zu den einzelnen variablen, z. B. betreuungspersonen mit berufsspezifischer Ausbildung weisen geringere burnout- symptome auf als solche ohne ausbildung

es gibt einige gerichtete hypothesen, weil viel davon auch schon mal untersucht worden is; darum wärs auch schön, sich die wechselwirkungen anzuschauen, weil das noch nicht wirklich untersucht worden is. und es gibt etlich neue variablen mit ungericheten hypothesen.

ich hoff es sind alle fragen beantwortet und du kannst ein bisschen licht in mein statistik- dunkl bringen
danke für deine hilfe

lg, elli

[marioo25]

also ...

stichprobengröße: 197

zu meinen uv's: das sind sachen wie berufsalter und jobalter (metrisch), position innerhalb der organisation (leitend vs betreuend), zu leistende wochenstunden, ausbildung (berufsspezifische ausbildung vs. keine), fort- und weiterbildungen (ja/nein), motivation (ordinal), selbsteinschätzung der beruflichen eignung (ordinal), stärke der belastung in beruf und privatleben (ordinal)
dann gibts nich klientenspezifische variablen: schweregrad der behinderung (metrisch), betroffenheit von zusätzlichen behinderungen (metrisch) und Betreuungsverhältnis (metrisch)
dann die organisationsspezifischen Aspekte: art der einrichtung (arbeit vs. wohnen), anzahl der klienten, supervision (ja/nein), teambesprechungen (ja/nein), leisten wacher nachtdienste (ja/ nein), unterstützung der kollegen (metrisch), führung (metrisch), organisation des dienstplans (nominal), organisation der arbeitsabläufe, definition der aufgabenverteilung und gerechtigkeit der aufgabenverteilung (alles ordinal)
und dann gibt's noch was, das nennt sich "berücksichtigung der autonomie der klienten" (metrisch)

so ... und meine hypothesen:
- ausprägungen der burnout- symptome lassen sich auf basis der mitarbeiter-, klienten- und organisationsspezifischen aspekte diskriminieren.
- wechselwirkungen zwischen den mitarbeiter-, klienten- und organisationsspezifischen variablen in der einflusswirkung auf burnout
- und dann gibts halt ganz viele zusammenhangs und unterschiedshypothesen zu den einzelnen variablen, z. B. betreuungspersonen mit berufsspezifischer Ausbildung weisen geringere burnout- symptome auf als solche ohne ausbildung

es gibt einige gerichtete hypothesen, weil viel davon auch schon mal untersucht worden is; darum wärs auch schön, sich die wechselwirkungen anzuschauen, weil das noch nicht wirklich untersucht worden is. und es gibt etlich neue variablen mit ungericheten hypothesen.

ich hoff es sind alle fragen beantwortet und du kannst ein bisschen licht in mein statistik- dunkl bringen
danke für deine hilfe

lg, elli

Da kann man auf jeden Fall eine multiple lin. Regression berechnen. Die nominalen und ordinalen Variablen müssen nur einer Dummy- oder Effektkodierung unterzogen werden.
Die dichotomen nominalen Variablen wie zB Teambesprechungen (ja/nein), supervision (ja/nein) usw. sind bereits dummycodiert.
Wieso sind deine Variablen Motivation, selbsteinschätzung der beruflichen eignung, stärke der belastung in beruf und privatleben ordinal? Wie hast du die erhoben?

Wie gesagt eine multiple lin. Regression bietet sich zumindest für die Hypothese 1 an, die du angeführt hast. Da kannst du alle Variablen gleichzeitig mitaufnehmen, also "Einschluss", oder auch "stepwise" vorgehen, da wird dann vom SPSS ein Subset an Prädiktoren ermittelt, welche mit deiner Kriteriumsvariable signifikant korrelieren.

[Michael Weber]

Wobei zu bedenken bleibt, dass die Stichprobe für diese extreme Zahl an Einflussvariablen um einiges zu klein ist und somit die Ergebnisse "problematisch" sind

MfG

MW

[Gast]

vielen dank für eure anmerkungen und ratschläge. das problem mit der stichprobe war mir von anfang bewusst, aber mein betreuer wollte all diese einflussvariablen erhoben haben ....wenns nach mir gegangen wär, hätte meine ganze untersuchung ohnehin anders ausgeschaut, aber naja ...

und was mach ich mit meinen wechselwirkungen und einzelhypothesen? ich nehme jetzt mal an, dass sowieso, wenn überhaupt nur ein paar variablen signifikant korrelieren. und das krieg ich ja dann mit der lin. regression raus, welche das sind. kann ich dann nicht einfach mit diesen "wenigen" variablen noch varianzanalyse rechnen um mir die anderen sachen noch genauer anzuschauen? oder gibts irgendwelchen anderen vorschläge?

noch mal vielen dank ....

elli

[Gast]

ach ja ... und die frage zu den ordinalen daten ....
ich hab die motivation und all diese dinge mit ganz einfachen selbst erstellten items erfragt ... und immer nur ein item zu einer varable. deshalb hab ich jetzt mal angenommen, dass die eher nur ordinal sind und nicht unbedingt metrisch.

[marioo25]

vielen dank für eure anmerkungen und ratschläge. das problem mit der stichprobe war mir von anfang bewusst, aber mein betreuer wollte all diese einflussvariablen erhoben haben ....wenns nach mir gegangen wär, hätte meine ganze untersuchung ohnehin anders ausgeschaut, aber naja ...

und was mach ich mit meinen wechselwirkungen und einzelhypothesen? ich nehme jetzt mal an, dass sowieso, wenn überhaupt nur ein paar variablen signifikant korrelieren. und das krieg ich ja dann mit der lin. regression raus, welche das sind. kann ich dann nicht einfach mit diesen "wenigen" variablen noch varianzanalyse rechnen um mir die anderen sachen noch genauer anzuschauen? oder gibts irgendwelchen anderen vorschläge?

noch mal vielen dank ....

elli

Für die Varianzanalysen benötigst du ja mehrfach gestufte UVs, und deine AVs wären wieder die Burnoutskalen. Deine metrischen Variablen müsstest du im Vorfeld in kategorien unterteilen, die dichotomen kannst du so mitaufnehmen.
Bei mehrfaktoriellen ANOVAs ist darauf zu achten, wie die Stichprobe sich auf die einzelnen Gruppen aufteilen, kann durchaus sein, dass einige Zellen unter- und andere überrepräsentiert sind.

Deine Wechselwirkungshypothese, wie du sie beschrieben hast gibt mir zu wenig Information. Du könntest die einzelnen Variablen interkorrelieren, dann siehst du, wie die einzelnen UVs zusammenhängen. Wechselwirkungen a la ANOVA wirst du aber so nicht berechnen können.
Und alle UVs kategorisieren u dann eine mehrfakt. ANOVA zu berechnen ist nicht zielführend.

[marioo25]

ach ja ... und die frage zu den ordinalen daten ....
ich hab die motivation und all diese dinge mit ganz einfachen selbst erstellten items erfragt ... und immer nur ein item zu einer varable. deshalb hab ich jetzt mal angenommen, dass die eher nur ordinal sind und nicht unbedingt metrisch.

Das ist immer so eine Sache. Die Frage ist, welches Antwortformat zu verwendet hast?

Manche vertreten die Auffassung, dass Likert-Skalen ordinal sind. Andere wiederum lassen sie als metrisch gelten. Das ist eher eine philosophische Angelegenheit.

[Michael Weber]

@ Wechselwirkungen und multiple lin Reg.: sofern die beiden UVs metrisch (oder dichotom sind), kann man Wechselwirkungen auch in der linearen Regression modellieren. Sollte aber darauf achten, dass in einem ersten Block alle für die interessierneden WW nötigen Haupteffekte und erst in einem weiteren Block die interessierenden Wechselwirkungen modelliert werden. Bei der Verwendung von Dummyvariablen ist die Erstellung von Interaktionen via multipler lin. Reg "unlustig". Derartige WW sind mittels Varianzanalysen einfacher zu händeln

MfG

MW

[Gast]

aber kann ich meine metrischen uv's nicht als kovariaten im einer ancova verwenden?

... und wegen dem antwortformat bei den items: das is zum beispiel für die eignungs-frage: sehr gut, gut, mittel, schlecht, sehr schlecht. oder bei den gerechtigkeitsfragen: gerecht, einigermaßen gerecht, verbesserungswürdig, einigermaßen ungerecht und ungerecht.

für die multiple regression muss ich mich jetzt erst mal einlesen ... hab ich mich noch nicht wirklich genau mit beschäftigt. welches einbeziehen der daten is denn da zu empfehlen? stufenweise oder alle auf einmal? ich weiß, dass das was damit zu tun hat, wie viel vorinformationen und theoretischen hintergrund man schon über das thema hat. aber wenns so is wie bei mir, dass ich für manche variablen ahnung aus vorigen studien hab über korrelationsrichtung und so weiter und für manchen variablen nicht .... welche variante nehm ich dann am besten zum einbeziehen der varibalen? und krieg ich mit der lin. reg. die selbe menge an informationen wie aus einer ancova? also kann ich aufgrund meiner lin. reg. dann auch meine einzelhypothesen beantworten? ... wie gesagt, ich hab noch wenig bis keine ahnung über die multiple lin. reg. (werd ich aber jetzt schleunigst versuchen zu ändern )! sorry ....

lg

[marioo25]

aber kann ich meine metrischen uv's nicht als kovariaten im einer ancova verwenden?

... und wegen dem antwortformat bei den items: das is zum beispiel für die eignungs-frage: sehr gut, gut, mittel, schlecht, sehr schlecht. oder bei den gerechtigkeitsfragen: gerecht, einigermaßen gerecht, verbesserungswürdig, einigermaßen ungerecht und ungerecht.

für die multiple regression muss ich mich jetzt erst mal einlesen ... hab ich mich noch nicht wirklich genau mit beschäftigt. welches einbeziehen der daten is denn da zu empfehlen? stufenweise oder alle auf einmal? ich weiß, dass das was damit zu tun hat, wie viel vorinformationen und theoretischen hintergrund man schon über das thema hat. aber wenns so is wie bei mir, dass ich für manche variablen ahnung aus vorigen studien hab über korrelationsrichtung und so weiter und für manchen variablen nicht .... welche variante nehm ich dann am besten zum einbeziehen der varibalen? und krieg ich mit der lin. reg. die selbe menge an informationen wie aus einer ancova? also kann ich aufgrund meiner lin. reg. dann auch meine einzelhypothesen beantworten? ... wie gesagt, ich hab noch wenig bis keine ahnung über die multiple lin. reg. (werd ich aber jetzt schleunigst versuchen zu ändern )! sorry ....

lg

@Antwortformat
Das würd ich auch eher als ordinal ansehen, aber wie gesagt, ist eine philosophische Frage. Manche würden es vielleicht als intervallskaliert betrachten, vor allem weil man dann ja mehr Möglichkeiten hat die Variablen einzubeziehen.

@ Einschluss vs. stepwise
Wie du sagst, es kommt auf die Vorinformation an. Aber an sich spricht ja nichts dagegen, dass du sowohl hypothesenüberprüfend die Variante Einschluss, als auch explorativ die Variante stepwise verwendest.

@ANCOVA
Mit einer ANCOVA erhälts du andere Informationen. Rein theortisch könntest du ja alle nominalskalierten Variablen als Faktoren und alle metrischen Variablen als Kovariate verwenden, aber das ist denke ich nicht zielführend.
Wenn du die ANCOVA verwendest, dann solltest du dies ebenfalls hypothesengeleitet durchführen. Weil ja je nach Fragestellung eine andere Variable als Kovariate plausibel erscheint.

Am besten du liest dich mal in die lin. Reg. ein und entscheidest dann selbst, ob sie für dich eine brauchbare Alternative darstellt.