Hallo zusammen,
als absoluter SPSS Einsteiger habe ich meine Daten mitlerweile in SPSS eingegeben und die Cormbach alphas für die einzelnen Skalen ermittelt. (Dazu habe ich teilweise 1-2 Items herausgenommen.) Die Werte liegen alle über .75. Damit sollte ich also rechnen lassen.
Nun habe ich zwei Fragen:
1.) Wie genau fasse ich die einzelnen Items zu einer Skala zusammen, mit der ich weiter arbeiten kann?
2.) Wenn ich die Skalen habe welche Messung sollte ich für den Zusammenhang einer Maßname (Skala 1) auf die Motivation (Skala 2) und die Identifikation (Skala 3) anwenden?
Danke!
ckrunner
Welche Zusammenhangsmaße verwenden?
-
Sigma
Mittelwert versus Rohwert-Summe ergibt dann einen Unterschied,
wenn fehlende Werte auftreten.
Was meinst Du mit "welche Messung soll ich anwenden"? Welches statistische Verfahren Du benutzen kannst? Willst Du Skala1 mit Skala 2 sowie Skala 1 mit Skala 3 korrelieren, oder 2 entsprechende Vorhersagegleichungen (Regressionen) erstellen, oder einen simultanen Zusammenhang von Skala 1 mit Skalen 2 und 3 darstellen?
wenn fehlende Werte auftreten.
Was meinst Du mit "welche Messung soll ich anwenden"? Welches statistische Verfahren Du benutzen kannst? Willst Du Skala1 mit Skala 2 sowie Skala 1 mit Skala 3 korrelieren, oder 2 entsprechende Vorhersagegleichungen (Regressionen) erstellen, oder einen simultanen Zusammenhang von Skala 1 mit Skalen 2 und 3 darstellen?
-
ckrunner
- Beiträge: 3
- Registriert: 25.11.2008, 17:59
-
benfret
- Beiträge: 18
- Registriert: 27.11.2008, 13:25
Hi,
für die Indexbildung würde ich den Mittelwert empfehlen. Nutze dazu: compute ziel = mean(v1, v2, v3, v4).
Sollte eine Variable mal einen Missing haben, dann wird trotzdem ein Indexwert berechnet, der als Summe aller gültigen Werte geteilt durch die Anzahl der gültigen Werte definiert ist.
Wenn Du Korrelationen rechnen willst, solltest Du für das Herausrechnen von Dritteinflüssen partielle Korrelationen nutzen. Mehr Informationen und Variablenkontrolle bieten Dir Regressionsrechnungen, da kannst Du Dir auch gleich die Koeffizienten für die Partiellen Korrelationen mit auswerfen lassen.
Moderatorvariablen erkennt man daran, dass die partielle Korrelation größer ist als die einfache bivariate (Residuen werden heraus"moderiert").
Gruß, ben
für die Indexbildung würde ich den Mittelwert empfehlen. Nutze dazu: compute ziel = mean(v1, v2, v3, v4).
Sollte eine Variable mal einen Missing haben, dann wird trotzdem ein Indexwert berechnet, der als Summe aller gültigen Werte geteilt durch die Anzahl der gültigen Werte definiert ist.
Wenn Du Korrelationen rechnen willst, solltest Du für das Herausrechnen von Dritteinflüssen partielle Korrelationen nutzen. Mehr Informationen und Variablenkontrolle bieten Dir Regressionsrechnungen, da kannst Du Dir auch gleich die Koeffizienten für die Partiellen Korrelationen mit auswerfen lassen.
Moderatorvariablen erkennt man daran, dass die partielle Korrelation größer ist als die einfache bivariate (Residuen werden heraus"moderiert").
Gruß, ben



