Chi2 oder Korrelation (Spearman)

[marieke]

Hallo zusammen,

ich suche das korrekte Testverfahren zur Auswertung eines Zusammenhangs/Einflusses von soziodemographischen Faktoren auf Konsumvariablen. Ich werde einfach nicht fündig darüber, was der Unterschied in den Anwendungsbereichen einer Korrelation vs. Chi2 ist.
Chi2: nominal?
Korralation (Spearman) ordinal?
gemischt: Chi2?
Ich stelle einmal meine Vermutungen vor

Geschlecht (m/w) - Konsum (ja/nein) --> Chi2 (Pearson)
Geschlecht (m/w) - Konsumhäufigkeit (ordinal, kategorial) --> Chi2

Altersklassen (3) - Konsum (ja/nein) --> Chi2 (Pearson)
Altersklassen (3) - Konsumhäufigkeit (s.o.) --> Korrelation (Spearman)

Bildung (nominal) - Konsum (ja/nein) --> Chi2 (Pearson)
Bildung (nominal) - Konsumshäufigkeit --> Chi2 (Pearson)

Einkommen (ordinal, in Gruppen) - Konsum (ja/nein) --> Chi2 (Pearson)
Einkommen (ordinal, in Gruppen) -Konsumhäufigkeit --> Korrelation (Spearman)

Einwohnerdichte der Wohngegend (3 Klassen) - Konsum (ja/nein) --> Chi2 (Pearson)
Einwohnerdichte der Wohngegend (3 Klassen) - Konsumhäufigkeit --> Korrelation (Spearman)

Bei chi2 würde man bei nominalen Paarungen ja phi/cramer-v berechnen. Macht man das auch bei einer ordinal/nominal Paarung?
Ich bin mir dabei nicht so ganz sicher, was eigentlich der Unterschied zwischen Chi2 und einer Korrelation in der Anwendung ist. Bei der Korrelation kommen ja Spearman und Kendal-Tau in Frage, kann man die beide gleich einsetzen?

Liebe Grüße und vielen Dank für die Hilfe,
marieke

[dutchie]

Hallo marieke

was du beschreibst ist richtig....aber:

Pearson kann zweierlei bedeuten Chi2 nach Pearson
und lineare Korrelation nach Pearson !!!

erstmal muss man unterscheiden, ob man Dependenz oder Interdependenz beschreibt!
Dependenz: mit Wirkrichung von UV auf AV oder Ursache auf Wirkung..
Interdependenz: Wechselseitig Wirkung ohne festlegung einer Richtung..

dann Skalenniveau:
erstmal drei situationen mit je gleichem Skalenniveau,d.h.
Dependenz = Interdependenz
nominal-nominal ->CHI2
ordinal-ordinal -> Spearman
intervall-intervall -> Pearson =PMK = lineare Korrelation

aber bei gemischten niveaus z.B.:
nominal --> intervall -- (eta2, z.B.) und
intervall --> nominal (log. Regression...) sind zu unterscheiden, d.h. Dependenz ungleich Interdependenz

jetzt gilt zusätzlich:
dichotom = nominal mit zwei ausprägungen = intervallniveau
und:
man kann skalenniveaus nach "unten" transformieren
aus Intervall kann man ordinal machen
aus ordinal kann man nominal machen, indem man einfach von einigen eigenschaften absieht!
das geht aber nicht nach "oben"
aus nominal kann man nicht ordinal machen....
also:
Geschlecht (m/w) - Konsum (ja/nein) --> Chi2 (Pearson) richtig!
aber es ginge auch Spearman und lineare Korrelation (r PHI)

und weiter dann kommt es auf die Art der Messung an!!
Bildung bei dir nominal? das ginge, es gibt aber eine Reihenfolge also eher ordinal, bzw geordnete Kategorien.

Alter ist an sich rational, kann runtertransformiert werden auf intervall, ordinal, geordnet kategorial.
und wenn man von der ordnung absieht auch auf nominal, in dem man einfach mit CHI2 auswertet-das ist legitim!

bei ordinal-nominal und dem Ziel Interdependenz zu beschreiben, muss man Gleichheit der Niveaus herstellen
und aus ordinal --> nominal (runtertransformieren) machen und chi2 anwenden!

will man Dependenz beschreiben muss man unterscheiden zwischen UV und AV also:
ordinal --> nominal , log. Regression mit entsprechenden Maßen
oder
nominal --> ordinal , ordinal Regression mit entsprechenden Maßen

CHI2 (Testen auf Abhängigkeit) und Korrelation?
Man muss den signifikanztest = CHI2 unterscheiden von der Beschreibung der Größe des Zusammenhangs
in diesem Fall z.B Cramers V
oder t-Test auf Zusammenhang unterscheiden von r (pearson)

Spearman und Kendall sind zwei Maße für ordinal-ordinal, die interpretationen unterscheidet sich..
Kendall finde ich besser..
ähnliches auf nominl-nominal das findest du eine ganze reihe von zusammenhangsmaßen...

gruß
dutchei

[marieke]

Vielen Dank für die ausführliche Antwort!

Liebe Grüße
marieke