Ich habe für mein Bachelorprojekt 100 Leute zu ihrem Kaufverhalten befragt und möchte die Daten nun auswerten (mit JASP). Es geht um die Frage, wovon die Kaufentscheidung (ja/vielleicht/nein, abhängige Variable) zu 10 fiktiven Elektronikprodukten abhängig ist, die sich ähnlich sind. Ich möchte wissen, ob es eher der Preis ist oder vielleicht doch das „coole Design“ oder die Marke oder was auch immer - und zwar nicht für ein einzelnes Produkt, sondern allgemein. Ich habe subjektive Einzeleinschätzungen (unabhängige Variablen) aller Teilnehmer zum Gefallen der jeweiligen Produkte, zum erwarteten Nutzen, zur Angemessenheit des Preises usw. Alle auf einer Skala von 0 bis 9. Also:
100 Teilnehmer x 10 Produkte x 5 Einzeleinschätzungen (1x uV, 5x aV)
= 1000 Fälle x 5 Einzeleinschätzungen
Es muss eine Regressionsanalyse durchgeführt werden. Im Prinzip ganz simpel, also abhängige Variable zu unabhängigen Variablen. Nun sagte mein Betreuer, dass das nicht geht, weil es Mehrfacheinschätzungen sind (jeder Teilnehmer 10x). Ich müsste das berücksichtigen, indem ich eine „hierarchische Analyse“ mache. Nur wie mache ich das? Klar, ich kann nun die Daten splitten in 10 Teile, also für jede Produkt dann eine eigene Analyse machen. Das kann zwar interessant sein, aber ich möchte keine Aussagen zu einzelnen Produkten treffen, sondern allgemeine Aussagen.
Hierarchische Regression
-
dutchie
- Beiträge: 2656
- Registriert: 01.02.2018, 10:45
Re: Hierarchische Regression
hallo alphafrau
mach dir erstmal folgendes klar:
https://de.wikipedia.org/wiki/Wide-Form ... ong-Format
Die produkte sind beschrieben durch 5 eigenschaften ( = UVs)
und die kaufentscheidung ist die AV richtig?
Sind die 5 UVs alle metrisch?
du musst die daten in ein long format bringen,
so dass die 10 ratings der teilnehmer untereinander stehen, dann
ist jede Zeile eine Variable (6 stück 1 AV + 5 UV) plus variable Produkt.
Das produkt ist ebene 1 und die Teilnehmer ebene 2.
das müsste dann so ausschen:
https://ibb.co/3pk5hf7
für drei teilnehmer und produkte
sehen deine daten so aus?
und wie jetzt 10 teile? 10 produkt? da kannste nix korrelieren weil konstanz herrscht!
du könntest in 100 teile splitten und die regression für jeden teilnehmer rechnen,
klar soweit?
Problem: es gibt jetzt eine kaufbereitschaft, die vom teilnehmer abhängt,
und nicht von den UVs siehst du das?
so weit so gut...
gruß
dutchie
mach dir erstmal folgendes klar:
https://de.wikipedia.org/wiki/Wide-Form ... ong-Format
Die produkte sind beschrieben durch 5 eigenschaften ( = UVs)
und die kaufentscheidung ist die AV richtig?
Sind die 5 UVs alle metrisch?
du musst die daten in ein long format bringen,
so dass die 10 ratings der teilnehmer untereinander stehen, dann
ist jede Zeile eine Variable (6 stück 1 AV + 5 UV) plus variable Produkt.
Das produkt ist ebene 1 und die Teilnehmer ebene 2.
das müsste dann so ausschen:
https://ibb.co/3pk5hf7
für drei teilnehmer und produkte
sehen deine daten so aus?
und wie jetzt 10 teile? 10 produkt? da kannste nix korrelieren weil konstanz herrscht!
du könntest in 100 teile splitten und die regression für jeden teilnehmer rechnen,
klar soweit?
Problem: es gibt jetzt eine kaufbereitschaft, die vom teilnehmer abhängt,
und nicht von den UVs siehst du das?
so weit so gut...
gruß
dutchie
