Welche Methode ist generell sinnvoller anzuwenden? Ich habe vor allem für zwei Methoden (Rangplätze und Paarvergleiche) Vor- und Nachteile gefunden, bin mir aber unschlüssig, welche Methode für Anwender für Statistik am sinnigsten ist. Vielleicht hat jemand von euch noch einen entscheidenden Hinweis?
Für jede Art von Feedback und Anregung bin ich sehr dankbar!
Zusammenhänge ordinaler Variablen
-
dutchie
- Beiträge: 2648
- Registriert: 01.02.2018, 10:45
Re: Analyseprobleme von Zusammenhängen ordinaler Variablen
hallo mona
wenn ich richtig verstehe heißt:
1. ich tu einfach so als ob intervallniveau vorliegt6
2. Kendall Zeugs
3. Spearman
richtig?
gruß
dutchie
wenn ich richtig verstehe heißt:
1. ich tu einfach so als ob intervallniveau vorliegt6
2. Kendall Zeugs
3. Spearman
richtig?
gruß
dutchie
-
mona1992
- Beiträge: 4
- Registriert: 27.03.2018, 14:21
Re: Analyseprobleme von Zusammenhängen ordinaler Variablen
genau, danke fürs Übersetzen! 
-
dutchie
- Beiträge: 2648
- Registriert: 01.02.2018, 10:45
Re: Analyseprobleme von Zusammenhängen ordinaler Variablen
ich hab gleich einen termin, brauchst nicht auf die antwort warten.
heut abend ok?
dutchie
heut abend ok?
dutchie
-
mona1992
- Beiträge: 4
- Registriert: 27.03.2018, 14:21
Re: Analyseprobleme von Zusammenhängen ordinaler Variablen
super, vielen Dank!!
-
mona1992
- Beiträge: 4
- Registriert: 27.03.2018, 14:21
Re: Analyseprobleme von Zusammenhängen ordinaler Variablen
ein weiterer Aspekt auf den ich eingehen sollte ist, neben Vorteilen und Schwächen der jeweiligen Ansätze, die Verwendung derer in der Wissenschaft. Dazu kann ich leider absolut keine Literatur finden. Vielleicht hat jemand dazu noch Wissen und Anregungen?!
-
dutchie
- Beiträge: 2648
- Registriert: 01.02.2018, 10:45
Re: Analyseprobleme von Zusammenhängen ordinaler Variablen
Hallo mona 1992
Ich kenn das Buch nicht und finde die Fragestellung äußerst irritierend bis absolut schädlich.
Wenn man sich auf ordinalniveau bewegt hat man was falsch gemacht, insofern sollte die Frage nicht lauten
wie bügel ich den Fehler aus, sondern wie vermeide ich ihn.
Du willst jetzt die drei Notlösungen diskutieren:
zuerst mal zu den drei möglichkeiten der Korrelation auf ordinalniveau
dabei seh ich zwei aspekte a) die Güte des inferenz test b) interpretierbarkeit des KoKo an sich.
1) pearson mit rohdaten,
2) Kendall
3) Spearman --> Pearson mit rängen
1 und 2 ist t-Test, parametrisch asymptotisch, zwingt mich zu Annahmen NV. Das irgenwo irgendwie eine ordinale Information besser
einbezogen wird kann ich nicht nachfolziehen, der Kendall da gibts Tabellen bis n=15 (und die sind genau) und bei n>15 läuft das über die Normalverteilung (z)
das ist auch nur assymtotisch (wie das bei SPSS zB genau ist weiß ich nicht), aber es wird einem kein t-Wert vorgegaukelt, als ob bei rängen eine Varianz berechenbar ist,
Das ganze ist eigentlich nur ein Testersatz für den Pearson auf intervallniveau, falls Verteilung Murks oder n zu klein.
Aber doch keine eigenständiges Vorgehen auf Ordinalniveau, deskriptiv und Interpretatorisch bringen alle drei nichts.
Am saubersten erscheint mir noch Kendall, das könnte man interpretiern, .....aber lassen wir lieber...
Interpretation heißt Anwendung auf Realität, und bei Spearman (und den anderen) kann man nur sagen es korreliert sig-- fertig, kein R2, keine aufgeklärte
Varianz, keine Regression. Interpretation nur im Vergleich mit anderen Spearmännern möglich, hier ist die Ko kleiner als da, interpretation auch nur ordinal.
Mag sein das, dass t von Fall1 und 3 besser ist als das z von Fall2...
Ich kann mir folgende Situationen vorstellen in dene das problem auftritt:
a)Ich habe tatsächlich nur Ränge vorliege, erster zweiter dritter usw 1.2.3.4.
wie der Einlauf 100m, da sieht man aber schon: und wo sind die gestoppten Zeiten geblieben?
b) Die gemessene Zahl ist intervallniveau steht aber in einem nur ordinalen Verhältnis zu dem was gemessen werden soll:
Streß und Blutdruck, ich habe Blutdruck will aber Streß, die Ko mit zB Gewicht (also nicht mit Blutdruck, das wäre Intervall), sondern mit Streß wär nur ordinal.
c) Signifikanztest Pearson klappt nicht , wie oben erwähnt, dann ist Spearman nur ersatz.
In der Praxis also so wie ich das halte (wer weiß was andere machen), gibts kein Ordinalniveau, es sei denn siehe oben 1 bis 3
Darstellung, Deskription, Hypothesen (wer hat ordinale Hypothesen?), Modell usw sind immer intervallskaliert formuliert.
Der kompexität der Welt kommt man auf ordinalniveau nicht bei.
Fall1 ist eigentlich der interessanteste, weil ich in den Daten Abstände habe, entspricht wohl meinen Fall b.
Aber die Frage ist: welchen Fehler mach ich wenn ich ordinalniveau wie intervall behandel?
Andersrum würde man sich die Frage nicht stellen.
Oft wird ja bei ratingskalen behauptet nur ordinal
das ist kein intervall
Was passiert wenn ich so tu als ob? Für den eine ist das ordinal für den anderen Intervall mit Fehler...
-- und -- du findest nichts weil das zeug nicht vorkommt.
gruß
dutchie
Ich kenn das Buch nicht und finde die Fragestellung äußerst irritierend bis absolut schädlich.
Wenn man sich auf ordinalniveau bewegt hat man was falsch gemacht, insofern sollte die Frage nicht lauten
wie bügel ich den Fehler aus, sondern wie vermeide ich ihn.
Du willst jetzt die drei Notlösungen diskutieren:
zuerst mal zu den drei möglichkeiten der Korrelation auf ordinalniveau
dabei seh ich zwei aspekte a) die Güte des inferenz test b) interpretierbarkeit des KoKo an sich.
1) pearson mit rohdaten,
2) Kendall
3) Spearman --> Pearson mit rängen
1 und 2 ist t-Test, parametrisch asymptotisch, zwingt mich zu Annahmen NV. Das irgenwo irgendwie eine ordinale Information besser
einbezogen wird kann ich nicht nachfolziehen, der Kendall da gibts Tabellen bis n=15 (und die sind genau) und bei n>15 läuft das über die Normalverteilung (z)
das ist auch nur assymtotisch (wie das bei SPSS zB genau ist weiß ich nicht), aber es wird einem kein t-Wert vorgegaukelt, als ob bei rängen eine Varianz berechenbar ist,
Das ganze ist eigentlich nur ein Testersatz für den Pearson auf intervallniveau, falls Verteilung Murks oder n zu klein.
Aber doch keine eigenständiges Vorgehen auf Ordinalniveau, deskriptiv und Interpretatorisch bringen alle drei nichts.
Am saubersten erscheint mir noch Kendall, das könnte man interpretiern, .....aber lassen wir lieber...
Interpretation heißt Anwendung auf Realität, und bei Spearman (und den anderen) kann man nur sagen es korreliert sig-- fertig, kein R2, keine aufgeklärte
Varianz, keine Regression. Interpretation nur im Vergleich mit anderen Spearmännern möglich, hier ist die Ko kleiner als da, interpretation auch nur ordinal.
Mag sein das, dass t von Fall1 und 3 besser ist als das z von Fall2...
Ich kann mir folgende Situationen vorstellen in dene das problem auftritt:
a)Ich habe tatsächlich nur Ränge vorliege, erster zweiter dritter usw 1.2.3.4.
wie der Einlauf 100m, da sieht man aber schon: und wo sind die gestoppten Zeiten geblieben?
b) Die gemessene Zahl ist intervallniveau steht aber in einem nur ordinalen Verhältnis zu dem was gemessen werden soll:
Streß und Blutdruck, ich habe Blutdruck will aber Streß, die Ko mit zB Gewicht (also nicht mit Blutdruck, das wäre Intervall), sondern mit Streß wär nur ordinal.
c) Signifikanztest Pearson klappt nicht , wie oben erwähnt, dann ist Spearman nur ersatz.
In der Praxis also so wie ich das halte (wer weiß was andere machen), gibts kein Ordinalniveau, es sei denn siehe oben 1 bis 3
Darstellung, Deskription, Hypothesen (wer hat ordinale Hypothesen?), Modell usw sind immer intervallskaliert formuliert.
Der kompexität der Welt kommt man auf ordinalniveau nicht bei.
Fall1 ist eigentlich der interessanteste, weil ich in den Daten Abstände habe, entspricht wohl meinen Fall b.
Aber die Frage ist: welchen Fehler mach ich wenn ich ordinalniveau wie intervall behandel?
Andersrum würde man sich die Frage nicht stellen.
Oft wird ja bei ratingskalen behauptet nur ordinal
das ist kein intervall Was passiert wenn ich so tu als ob? Für den eine ist das ordinal für den anderen Intervall mit Fehler...
-- und -- du findest nichts weil das zeug nicht vorkommt.
gruß
dutchie
