Hilfe bei allgemeinem Vorgehen gesucht. Einstellungemessung

[oegi]

Hallo Forum ,

Hallo erstmal
Ich bin (noch) ein Statistik Newbie, habe mich aber soweit eingelesen womit zumindestens Wichtigste sitzt.

Da ich demnächst mit der Empirie meiner Diplomarbeit loslegen möchte, hätte ich nochmal ein paar Fragen! Hoffentlich kann mir jemand helfen. Mein Betreuer kann es nicht, da er derzeitig unereichbar ist und ich somit wohl gänzlich auf mich alleine gestellt bin:

Folgende Fragen:

1) Allgemeines Vorgehen:
Ich habe soweit gelesen, dass eine statistische Untersuchung in der Regel folgenden Ablauf hat: 1. Itemanalyse I (Verteilung, Itemschwierigkeit) --> 2. Skalenanalyse I (Dimensionalität) --> 3. Itemanalyse II (Trennschärfe) --> 4. Skalenanalyse II (interne Konsistenz)

Stimmt das so, oder fehlt das was wichtiges?

2) Zur Normalverteilung:
Muss ich prüfen, wenn ich sehe dass keine NV vorliegt? Wie begründe ich wenn ich auf das testen verzichte (das augenscheinlich keine NV vorlag und daher auf ein Test verzichtet wurde?)?
Mit dem Vorgehen der Prüfung auf NV kenne ich mich leider noch nicht so gut aus. Welche Daten müssen geprüft werden? Alle?

3) Dimensionalität
entspricht ja einer Faktorenanalyse. Ich habe diese mal grob berechnet und diverse Faktoren herausbekommen. Bis zu welcher Varianzaufklärung interpretiert man die Faktoren? Ich verwende im Prinzip 2 Skalen für 2 verschiedene Dimensionen eines Einstellungsprodukts. Soll ich dann für beide jeweils eine FA rechnen? Ich gehe mal davon aus, dass eine FA für die zusammengefassten Skalen ziemlicher Blödsinn ist?

Bzgl. der FA, blick ich auch noch nicht genau durch ab wann ein Faktor hoch lädt und wann nicht.

4) interen Konsistenz
Messe ich über cronbach's alpha. Sind noch weitere Nachweise notwendig? CA berechne ich ja nur einmalig für beide Skalen, und gut is?

5) Korrelationen
Da keine NV fallen (genaugenommen) ja alle parametrischen Verfahren raus. Obgleich dass auch (anscheinden) oft verletzt wird.
Ich denke ich werde für jeden Einflussfaktur (im Wesentlichen Demografische Variablen) Spearmanns RHO berechnen (nat. angepasst an das Skalenniveau) bzw. X2-Test. Wenn ich doch mal den Pearson rechnen will, wie begründe ich die Verletzung der NV, oder sollte ich sowas lieber gleich lassen?

Nachdem ich für alle Einflussvariablen Korrelationen berechnet habe, könnte (oder sollte) ich ja berechnen ob diese auch unter Einbezug der anderen Variablen korrelieren. das könnte ich ja mittels multipler Regression berechnen. Ist hierzu NV Voraussetzung? Was ist genau der Unterschied zur logistischen Regression?

Ich weiß viele Fragen .... Würde mich super freuen, wenn sich jemand bereit erklärt mir zu helfen.
Noch besser wäre es, wenn jemand ne halbe Stunde für mich Zeit hätte und wir kurz telefonieren könnten. Leider finde ich nirgends in der Bekanntschaft ein Statistik ASS . Nen Kasten Bier kann ich logischer Weise dafür springen lassen

Viele Grüße und vielen, vielen Dank!!
oegi

[Noonen]

hi

Stimmt das so, oder fehlt das was wichtiges?

ja - für zb eine fragebogenkonstruktion ist das sicher richtig. fragt sich halt, ob du tatsächlich ein eigenes instrument herstellen willst, oder aber auf etwas bekanntes (das man adaptieren kann) zurückgreift.

das wichtigst fehlt allerdings: fragestellung/hypothese!

Wie begründe ich wenn ich auf das testen verzichte (das augenscheinlich keine NV vorlag und daher auf ein Test verzichtet wurde?)?

wenn augenscheinlich keine NV vorliegt, reicht es, die verteilung der daten zu zeigen. das ist argument genug.

) Dimensionalität
entspricht ja einer Faktorenanalyse. Ich habe diese mal grob berechnet und diverse Faktoren herausbekommen. Bis zu welcher Varianzaufklärung interpretiert man die Faktoren? Ich verwende im Prinzip 2 Skalen für 2 verschiedene Dimensionen eines Einstellungsprodukts. Soll ich dann für beide jeweils eine FA rechnen? Ich gehe mal davon aus, dass eine FA für die zusammengefassten Skalen ziemlicher Blödsinn ist?

normalerweise kann eigentwert > 1 gesetzt werden. jede komponente mit eigenwert > 1 wird dann als faktor überig bleiben.
wenn die dimensionen schon vorliegen, dann musst du eigentlich keine FA rechnen...
die ladung auf den faktor bezeichnet die korrelation der einzelnen variablen auf den faktor - je höher umso stärker.

4) interen Konsistenz
Messe ich über cronbach's alpha. Sind noch weitere Nachweise notwendig? CA berechne ich ja nur einmalig für beide Skalen, und gut is?

ja, m.M. nach reicht das.

5) Korrelationen

ja - nichtparametrische verfahren wählen - alles andere kann nicht begründet werden.

halbe Stunde

spassvogel
wenn die büchse der pandora mal geöffnet wurde, reicht ein kasten bier nirgends hin

gruss
patrick

[oegi]

Hi Noonen

ja - für zb eine fragebogenkonstruktion ist das sicher richtig. fragt sich halt, ob du tatsächlich ein eigenes instrument herstellen willst, oder aber auf etwas bekanntes (das man adaptieren kann) zurückgreift.

das wichtigst fehlt allerdings: fragestellung/hypothese!

Oh, ja, ich verwende ja bereits ein bestehendes Instrument. Okay, dann habe ich mich da verlesen. Was sollte ich unter Verwendung eines bestehenden Instruments berechnen?

wenn die dimensionen schon vorliegen, dann musst du eigentlich keine FA rechnen...

Okay, das ist gut zu Wissen. Soll dies noch getestet werden oder reicht die Annahme?

Ich hätte nochmals kurz ne Frage:
Ich möchte die Skalenwerte beider Dimensionen vergleichen. Hier ist die Annahme leitend, dass die werte differenziert vorliegen. Sprich Personen, welche negative Aspekte betonen gleichzeitig auch positive Aspekte betonen. Welches Verfahren würdest du vorschlagen?


Hehe, das tolle an dem Kasten Bier ist ja, dass man sich danach nicht mehr erinnern kann, dass es 3 Stunden gedauert hat

[Noonen]

hi

wenn bekannte instrumente verwendet werden, dann kannst du davon ausgehen, dass die hinsichtlich items, testgütekriterien, etc. geprüft wurden --> handbuch, journalartikel, etc.
da wird wohl ein verweis reichen. aus interesse kann die analyse natürlich auch nachvollzogen werden. abweichende resultate müssen ja nicht zwingend beschrieben werden....

Ich möchte die Skalenwerte beider Dimensionen vergleichen. Hier ist die Annahme leitend, dass die werte differenziert vorliegen. Sprich Personen, welche negative Aspekte betonen gleichzeitig auch positive Aspekte betonen. Welches Verfahren würdest du vorschlagen?

verstehe die fragestellung nicht. beschreibe doch die dim./skalen etwas konkreter....
wichtig ist, von den hypothesen auszugehen.... was willst du genau wissen?

dass man sich danach nicht mehr erinnern kann

nach 1 kasten?!? bin zwar schweizer - aber einen kasten bier geht locker runter

[oegi]

beschreibe doch die dim./skalen etwas konkreter....

Es werden Einstellungen gegenüber dem Alter gemessen, hierzu werden 2 Likert-Skalen mit jeweils 7 Items verwendet (4-stufig)

Dimension 1 = Gewinne und Chancen
Dimension 2 = Verluste und Riskiken

Hierzu ist zu erwarten dass die Personen einerseits die Gewinne/Chancen und andererseits die Verluste/Riskiken betonen. Dies möchte ich statistisch aufzeigen. Mi fällt jedoch kein geeignetes Verfahren ein, ausßer die Sache deskriptiv zu zeigen....

Ach so, ich habe das ganze nochmals in nem anderen Forum laufen, ich hoffe ich werde dafür nicht geächtet . Bin hier natürlich auch weiterhin am Start

nach 1 kasten?!? bin zwar schweizer - aber einen kasten bier geht locker runter

hmmm... also ich bin nach nem halben Kasten aschon halber Tod

[Noonen]

ok - und die hypothesen? wie lauten die?

wahrscheinlich nimmst du an, dass bestimmte faktoren (zb geschlecht oder alter der versuchspersonen) sich auf die antworten auswirken? oder zusammenhänge zwischen verschiedenen variablen werden postuliert?
dann kommen die normalen verfahren wie zusammenhangsanalysen (korrelation) oder gruppenvergleiche (t-test, anova, ..) zur anwendung.

es hängt halt alles von der hypothese ab. die gibt die fragestellung vor, danach richtet sich die auswertung.

g.
patrick

hmmm... also ich bin nach nem halben Kasten aschon halber Tod

kommt hier das vielzitierte nord-süd-gefälle zum ausdruck?

[oegi]

ok - und die hypothesen? wie lauten die?

Auf die Gefahr hin geschlachtet zu werden, gebe ich es doch zu: Hyothesen bestehen zu dem jetzigen Zeitpunkt nur in meinem Kopf. Wie gesagt im Studium deskriptive Statistik gemacht, von "wie mache ich einen PC an" über "wieviel Prozent von soundsoviel sind soundsoviel" bis maximal zum "Chi-Quadrat-Test" und ich Idiot spring auch noch freiwillig ins kalte Wasser. Naja ich fische nicht nach Hypothesen, sondern ich will wie du bereits gesagt hast....

wahrscheinlich nimmst du an, dass bestimmte faktoren (zb geschlecht oder alter der versuchspersonen) sich auf die antworten auswirken? oder zusammenhänge zwischen verschiedenen variablen werden postuliert?

...überprüfen inwiefern Demografische Variablen Einfluss auf die Einstellung haben. Hypothesen werde ich im Sinne von Zusammenhangs und "je - desto" Hypothesen bilden. das wird im wesentlichen sein: Alter, Geschlecht, Familienstatus, Anzahl der Arbeitszeit, Schulbildung, berufliche Bildung und privater Kontakt zu älteren Menschen. Berechnet wird das meiste wohl über Spearmann und X2, da keine NV und ordinal bzw. nominal skalierung. Bzw. deskriptiv. T-Test fällt wahrscheinlich wegen der Nicht-NV raus. Soweit dazu.

Nun habe ich von den zwei beschriebenen Skalen die Mittelwerte und Scores gebildet und möchte diese vergleichen. Für den Moment fällt mir nur ein diese deskriptiv zu vergleichen, gerne würde ich das noch mittels eines geeigneten Verfahren durchführen.
Aufzeigen möchte ich, dass Personen welche auf der einen Skala Verluste/Risiken betonen auch Gewinne/Chancen aufführen. Sprich nicht eine ausschließlich negative Einstellung vorliegt, sondern beide Aspekte des Alters betont werden.

kommt hier das vielzitierte nord-süd-gefälle zum ausdruck?

Davon habe ich noch nei was gehört *hhhmmmm*

Nun bin ich gerade sowieso am rätseln, weil ich mich frage ob ich die Skalen nicht falsch codiert habe. Vielleicht weißt du auch hierzu Rat? (Oh Allwissender Statistik-Gott )
Ich wollte zunächst eigentlich zeigen wie die Einstellung generell ist und habe die Items so codiert, dass ein geringer Wert (also eine 1) eine positive Einstellung bedeutet, ein hoher Wert (also ne 4) eine negative Einstellung. Nun habe ich mir halt glaub mit dieser codierung die Zweidimensionalität vergurkt. Müsste nicht auf der einen Skala eine positive Einstellung mit einem hohen Wert und auf der anderen mit einem niedrigen Wert ausgewiesen werden? Ich weß klingt kompliziert .... Ich habe auch solangsam das Gefühl ich verliere mein Gehirn bei den Tausend Zahlen, büchern und PDF's die ich den ganzen Tag sehe. So jetzt probiere ich das mal aus und codiere alles um, danach geh ich ein bissl nackt in der Stadt joggen

Viele Grüße
oegi

[Noonen]

hi

dass Personen welche auf der einen Skala Verluste/Risiken betonen auch Gewinne/Chancen aufführen

--> Zusammenhangsvermutung --> Korrelation

dass ein geringer Wert (also eine 1) eine positive Einstellung bedeutet, ein hoher Wert (also ne 4) eine negative Einstellung

wie hast du die fragen vorgelegt? daraus ergibt sich ja die kodierung. ob 1=pos; 4=neg spielt eigentlich keine rolle. man muss in der interpretation der resultate wissen, was es bedeutet.
für vergleichende auswertungen ist es wohl besser, wenn alle skalen gleich codiert sind.

g.
patrick

[oegi]

Hi Patrick

hi
--> Zusammenhangsvermutung --> Korrelation

Ja, mit Korrelationen könnte ich aufzeigen, dass beide Werte (bspw. MW der Skalen) zusammenhängen. Beispielsweise je mehr Verluste jemand angibt desto weniger Gewinne gibt er an. Das ist schon klar. Nur wie kann ich zeigen, dass beides gleichzeitig betont wird??? Deskriptiv ist das schon möglich jedoch auch nicht Personen bezogen. Ich will zeigen, dass Personen welche auf der einen Seite Verluste/Risiken betonen auf der anderen Seite auch Gewinne/Chancen betonen.

wie hast du die fragen vorgelegt?

Ich habe beide Skalen in einen Bogen eingegeben und so auch in meine Datenmaske eingegeben. Dummerweise habe ich da dann nicht mehr dran gedacht, dass es ja zwei verschiedene Skalen sind und habe alle in eine Richtung gepolt. Sprich Skala Gewinne/Chancen und Skala Verluste/Risiken sind so gepolt, dass eine negative Antwort einen kleinen Wert darstellt.
Jedoch hätte ich es m.E. so polen müssen, dass ein hoher Wert eine hohe Ausprägung auf der Skala darstellt. So bspw. bei der Skala Gewinne/Chancen = hoher Wert = Betonung positiver Aspekte; Skala Verluste/Risiken = hoher Wert = Betonung negativer Aspekte. So kann ich einzeln schauen, welche Variablen mit den Skalen korrelieren. Müsste doch so passen?? Bin echt verwirrt..... Ich glaub ich bracuh den KAsten selber

[Noonen]

hi

Ich will zeigen, dass Personen welche auf der einen Seite Verluste/Risiken betonen auf der anderen Seite auch Gewinne/Chancen betonen.

mir kommt da sonst nur die kreuztabelle in den sinn...

die geschichte mit den skalen verstehe ich im ersten teil nicht .....

Ich habe beide Skalen in einen Bogen eingegeben

klinkt spanisch für mich (ist der halbe kasten etwa schon weg )
ich bleibe bei meiner aussage oben: solange du dir bewusst bist, wie die polung ist, kann eigentlich nichts schwiefgehen. du musst das bei der interpretation einfach im griff haben.
natürlich muss man die itempolung bei der bildung der skala beachten....

prost...äh gruss!
p.