Hallo zusammen,
ich sitze grad an Auswerten zu einer Onlinebefragung, bei der ich
1. Arbeitsbedingungen
2. erforderliche Kompetenzen
ermittelt habe.
Antworten auf die Eizelitems in beiden Fällen mit vierstufiger Likertskala
für beide Bereiche hab ich Korrelationen gerechnet, Cronbachs Alpha ermittelt und dann Indizes ermittelt.
sooo.. jetzt kommt das Problem: ich hab versucht, meine Hypothese, dass es Zusammenhänge zwischen den Arbeitsbedingungen und den erforderlichen Kompetenzen gibt, versucht, mittels Regression zu ermitteln. Da kommen aber außer auf eine Weise nur nicht signifikante Werte raus und es wird zu wenig der Varianz aufgeklärt.
Frage: gibts ne gute Alternative für das Ermitteln von Zusammenhängen?
Oder hat jemand ne Idee, woran es liegen kann, dass ich nix 'gscheits rauskriege??
Wäre für eine zügige Antwort sehr dankbar (aber das geht ja hier eh fix, was ich so gesehen habe..)
lea9101
Zusammenhänge mittels Regression ermitteln.. Alternativen?
-
Lea9101
- Beiträge: 4
- Registriert: 12.12.2008, 15:42
-
Sigma
-
Lea9101
- Beiträge: 4
- Registriert: 12.12.2008, 15:42
Hallo Sigma,
danke für die Antwort: Hier mein Vorgehen bisher:
- N =121
- Arbeitsbedingungs-Items und Kompetenzitems mittels Likert Skala, vier Antwortoptionen, nicht bis zu volle Zustimmung, einschätzen lassen
- Einschätzung eigene Leistung und Teamleistung jeweils vier Items ebenfalls Likert Skala
- Dann hab ich für beiden Bereiche (Bedingungen und Kompetenzen) Mittelwerte, Standardabweichungen, Interkorrelationen, Cronbach etc angeschaut. gute signifikante Korrelationen der Einzelitems, Cronbach auch ok.
- Dann für beide Bereiche Indizes entwickelt (bzw. Mittelwerte pro Dimension)
- die Korrelationen zwischen den Indizes der Bedingungen und der Kompetenzen hab ich auch gegenübergestellt: da wirds dann schon dünner - sind nur noch wenige signifikant...
- dann habe ich Regressionen der Indizes zu den Arbeitsbedingungen auf die Indizes der Kompetenzen errechnet, um vielleicht mehr über die Zusammenhänge zu erfahren.
Dabei kamen Varianzaufklärungen pro Kompetenzindex von R-Quadrat 8-9 heraus.. nicht signifikant, Beta auch nicht signifikant.
soweit..
war das verständlich?
reicht es denn, dass ich dann als Schluss daraus ziehe, dass die beiden Bereiche einzeln ok sind (also gute Indizes für die Ermittlung von Arbeitsbedingungen und Kompetenzen entstanden sind), leider aber die Regression keine sinnvollen Ergebnisse geliefert hat und damit Zusammenhänge zwischen den beiden Bereichen auszuschliessen sind?
Oder gibts noch ne andere Möglichkeit, ggf. Zusammenhänge/nicht-Zusammenhänge zu ermitteln?
danke Dir
danke für die Antwort: Hier mein Vorgehen bisher:
- N =121
- Arbeitsbedingungs-Items und Kompetenzitems mittels Likert Skala, vier Antwortoptionen, nicht bis zu volle Zustimmung, einschätzen lassen
- Einschätzung eigene Leistung und Teamleistung jeweils vier Items ebenfalls Likert Skala
- Dann hab ich für beiden Bereiche (Bedingungen und Kompetenzen) Mittelwerte, Standardabweichungen, Interkorrelationen, Cronbach etc angeschaut. gute signifikante Korrelationen der Einzelitems, Cronbach auch ok.
- Dann für beide Bereiche Indizes entwickelt (bzw. Mittelwerte pro Dimension)
- die Korrelationen zwischen den Indizes der Bedingungen und der Kompetenzen hab ich auch gegenübergestellt: da wirds dann schon dünner - sind nur noch wenige signifikant...
- dann habe ich Regressionen der Indizes zu den Arbeitsbedingungen auf die Indizes der Kompetenzen errechnet, um vielleicht mehr über die Zusammenhänge zu erfahren.
Dabei kamen Varianzaufklärungen pro Kompetenzindex von R-Quadrat 8-9 heraus.. nicht signifikant, Beta auch nicht signifikant.
soweit..
war das verständlich?
reicht es denn, dass ich dann als Schluss daraus ziehe, dass die beiden Bereiche einzeln ok sind (also gute Indizes für die Ermittlung von Arbeitsbedingungen und Kompetenzen entstanden sind), leider aber die Regression keine sinnvollen Ergebnisse geliefert hat und damit Zusammenhänge zwischen den beiden Bereichen auszuschliessen sind?
Oder gibts noch ne andere Möglichkeit, ggf. Zusammenhänge/nicht-Zusammenhänge zu ermitteln?
danke Dir
-
Sigma
Du hast also Indizes (wieviele?) sowohl zu den a) Arbeitsbedingungen als
auch zu den b) Kompetenzen vorliegen.
Dann alle a) mit allen b) korreliert. In welchen Größenordnungen bewegen
sich da die Korrelationskoeffizienten un ddie damit verbundenen p-Werte?
Außerdem multiple Regressionen der einzelnen a) auf den Gesamtsatz b)
berechnet, von denen keine ein signifikantes R² ergab?
auch zu den b) Kompetenzen vorliegen.
Dann alle a) mit allen b) korreliert. In welchen Größenordnungen bewegen
sich da die Korrelationskoeffizienten un ddie damit verbundenen p-Werte?
Außerdem multiple Regressionen der einzelnen a) auf den Gesamtsatz b)
berechnet, von denen keine ein signifikantes R² ergab?
-
Lea9101
- Beiträge: 4
- Registriert: 12.12.2008, 15:42
ich habe zu a) 5 Indizes vorliegen und zu b) 4 Indizes
(alle Interkorrelationen innerhalb der einzelnen Indizes signifikant und ca. 0,6, Cronbach Alpha Werte pro Index auch gut)
Die Korrelationen der Indizes a) und b) miteinander sind nicht gut:
Es gibt von den 20 möglichen Korrelationen nur 5 signifikante (mit den entsprechenden p Werten) und diese Korrelationen liegen bei 0,200, im Schnitt.
Und ja, dann hab ich multiple Regressionen gerechnet, sowohl von a) auf b) als auch umgekehrt. Bei beiden Varianten kam jeweils nur eine Regression heraus, die signifikante - aber geringe (10 bzw. 12,7) R-Quadrat ergaben.
Kann aber ja auch sein, dass das halt deshalb so ist, weil die Korrelationen der Indizes miteinander (wie oben beschrieben) eben schon eher schlecht sind und nur in Einzelfällen überhaupt signifikant.
Sollte ich das so "einfach" als Ergebnis beschreiben?
Alternative 2 wäre, dass ich mir die Korrelationen zwischen a) und b) anschaue, die signifikant sind (wenn auch nur von .2) und dafür Regressionen rechne und interpretiere.
das hab ich auch gemacht. für einen ausgewählen Index a) regrediert auf einen ausgewählten Index b) ergibt sich dann ein R-Quadrat von 21,7, signifikant. Soll ich rechnen und erklären? und nur das?
Alternative 3:
Ich beschreibe beide Ansätze... und interpretiere das entsprechend?
Hast Du einen Tip für mich? Danke schon jetzt und gute Nacht erstmal.
(alle Interkorrelationen innerhalb der einzelnen Indizes signifikant und ca. 0,6, Cronbach Alpha Werte pro Index auch gut)
Die Korrelationen der Indizes a) und b) miteinander sind nicht gut:
Es gibt von den 20 möglichen Korrelationen nur 5 signifikante (mit den entsprechenden p Werten) und diese Korrelationen liegen bei 0,200, im Schnitt.
Und ja, dann hab ich multiple Regressionen gerechnet, sowohl von a) auf b) als auch umgekehrt. Bei beiden Varianten kam jeweils nur eine Regression heraus, die signifikante - aber geringe (10 bzw. 12,7) R-Quadrat ergaben.
Kann aber ja auch sein, dass das halt deshalb so ist, weil die Korrelationen der Indizes miteinander (wie oben beschrieben) eben schon eher schlecht sind und nur in Einzelfällen überhaupt signifikant.
Sollte ich das so "einfach" als Ergebnis beschreiben?
Alternative 2 wäre, dass ich mir die Korrelationen zwischen a) und b) anschaue, die signifikant sind (wenn auch nur von .2) und dafür Regressionen rechne und interpretiere.
das hab ich auch gemacht. für einen ausgewählen Index a) regrediert auf einen ausgewählten Index b) ergibt sich dann ein R-Quadrat von 21,7, signifikant. Soll ich rechnen und erklären? und nur das?
Alternative 3:
Ich beschreibe beide Ansätze... und interpretiere das entsprechend?
Hast Du einen Tip für mich? Danke schon jetzt und gute Nacht erstmal.
-
Sigma
Offensichtlich sind Zusammenhänge zwischen Kompetenzen und
Arbeitsbedingungen generell nur gering. Das ist das Ergebnis Deiner
Korrelationsanalyse (und die p-Werte müsstest Du dabei wohl geeignet
korrigieren, bei 20 Interkorrelationen ist die Gefahr für alpha-Fehler
doch schon recht groß).
Die Regressionsanalysen mit den kompletten Prädiktoren entsprechen dem
erwartungsgemäß.
Wenn Du die "signifikanten" Korrelationen herauspickst, hast Du natürlich ein
aufgrund vieler Vor-Analysen optimiertes Modell. Das kannst Du auch gerne
so vorstellen, aber Du müsstest ausdrücklich erwähnen, dass ein so anhand
der Stichproben-Daten optimiertes Modell nicht mehr verzerrungsfrei
inferenzstatistisch getestet werden kann (weil beispielsweise die
"gestrichenen" Variablen eigentlich berücksichtigt werden müssten bei
den Freiheitsgraden), dass auch dieses optimierte Modell wenig
Vorhersage leistet (was ich nicht beurteilen kann, sowas ist auch eine
stark inhaltliche Frage, was man als "starken" oder "schwachen"
Zusammenhang in einem Forschungsfeld betrachtet), und dass die
Übertragbarkeit eines solchen, an 1 Stichprobe optimierten Modells
unsicher ist, man also eine weitere Studie bräuchte, um das zu
replizieren.
Falls die ursprünglich angenommenen Zusammenhänge der Literatur
entsprechen und Deine eigenen Ergebnisse der Literatur eher entgegen
stehen sollten, muss man das halt entsprechend diskutieren. Falls es
keine früheren empirischen Befunde gibt, auf die Du Dich beziehen
kannst/musst, sondern Deine Zusammenhangshypothesen auf plausiblen
Annahmen beruhen, dann kannst Du Dich ja eventuell freuen --
empirische Ergebnisse, die das ins Wackeln bringen, was jeder so zu
wissen glaubt, sind doch das Salz in der Forschungssuppe.
Wie Du siehst, sind die meisten Anmerkungen jetzt eher inhaltlich
orietiert, weniger an formal-statistischen Kriterien, daher konnte
ich vieles nur mutmaßen, weil ich Dein Forschungsfeld nicht kenne.
Arbeitsbedingungen generell nur gering. Das ist das Ergebnis Deiner
Korrelationsanalyse (und die p-Werte müsstest Du dabei wohl geeignet
korrigieren, bei 20 Interkorrelationen ist die Gefahr für alpha-Fehler
doch schon recht groß).
Die Regressionsanalysen mit den kompletten Prädiktoren entsprechen dem
erwartungsgemäß.
Wenn Du die "signifikanten" Korrelationen herauspickst, hast Du natürlich ein
aufgrund vieler Vor-Analysen optimiertes Modell. Das kannst Du auch gerne
so vorstellen, aber Du müsstest ausdrücklich erwähnen, dass ein so anhand
der Stichproben-Daten optimiertes Modell nicht mehr verzerrungsfrei
inferenzstatistisch getestet werden kann (weil beispielsweise die
"gestrichenen" Variablen eigentlich berücksichtigt werden müssten bei
den Freiheitsgraden), dass auch dieses optimierte Modell wenig
Vorhersage leistet (was ich nicht beurteilen kann, sowas ist auch eine
stark inhaltliche Frage, was man als "starken" oder "schwachen"
Zusammenhang in einem Forschungsfeld betrachtet), und dass die
Übertragbarkeit eines solchen, an 1 Stichprobe optimierten Modells
unsicher ist, man also eine weitere Studie bräuchte, um das zu
replizieren.
Falls die ursprünglich angenommenen Zusammenhänge der Literatur
entsprechen und Deine eigenen Ergebnisse der Literatur eher entgegen
stehen sollten, muss man das halt entsprechend diskutieren. Falls es
keine früheren empirischen Befunde gibt, auf die Du Dich beziehen
kannst/musst, sondern Deine Zusammenhangshypothesen auf plausiblen
Annahmen beruhen, dann kannst Du Dich ja eventuell freuen --
empirische Ergebnisse, die das ins Wackeln bringen, was jeder so zu
wissen glaubt, sind doch das Salz in der Forschungssuppe.
Wie Du siehst, sind die meisten Anmerkungen jetzt eher inhaltlich
orietiert, weniger an formal-statistischen Kriterien, daher konnte
ich vieles nur mutmaßen, weil ich Dein Forschungsfeld nicht kenne.
-
Lea9101
- Beiträge: 4
- Registriert: 12.12.2008, 15:42
