eine Variable mit mehreren Fragen auswerten

[nizo]

Hallo ihr Lieben!
Ich habe ein Modell aufgestellt, dass den Einfluss mehrere unabhängiger Variablen auf eine abhängige Variable messen soll. Unabhängige Variablen sind bspw. die Einstellung und das Gesundheitsbewusstsein, die abhängige Variable ist die Kaufabsicht. Die unabhängigen Variablen und auch die abhängige Variable wurden nun im Fragebogen mit je 2 verschiedenen Fragen abgefragt. Alle Fragen waren anhand einer 5 stufigen-Likert Skala zu beantworten, wobei die Beschriftungen der Skalen jedoch voneinander abweichen.

Die Einstellung besteht nun aus den Variablen Einstellung_1 und Einstellung_2, welche durch die beiden Fragen zur Einstellung gemessen wurden. Ebenso habe ich dies für die verbleibenden unabhängigen Variablen und die abhängige Variable durchgeführt. Mein Problem ist nun, dass ich nicht weiss, wie ich die gesamten Untervariablen (bspw. Einstellung_1 und Einstellung_2) in eine Hauptvariable (Einstellung) zusammenfasse, um so den Einfluss der unabhängigen Variablen auf die abhängige Variable mittels Regressionsanalyse zu messen.
Wär echt super, wenn ihr mir bei meinem Problem helfen könnten.

[KarinJ]

das kann man allgemein nicht beantworten. wenn beide items die einstellung zum gleichen thema erfassen sollen, könnte man einen mittelwert oder eine summe aus beiden items berechnen. ich würde mal in die literatur schauen, wie die items bisher kombiniert wurden bzw. wenn bisher noch nicht verwendet, das mit dem betreuer der arbeit besprechen, denn die frage ist eben nicht nur wie, sondern ob die items überhaupt kombiniert werden dürfen.

[nizo]

danke für die schnelle antwort.
also die items messen ja im endeffekt dieselbe variable, wieso sollten sie also nicht zusammengefügt werden dürfen? sonst hätte ich ja jetzt etwas abgefragt, das ich dann nicht mehr nutzen kann oder?

problem ist, dass es ordinal skalierte daten sind (bspw. stimme überhaupt nicht zu - stimmte vollkommen zu). weiss nicht genau, ob das da mit mittelwerten geht.

[KarinJ]

das kann ich nicht wissen, ob die items das gleiche messen oder nicht. schliesslich gibt es ganz verschiedene einstellungen. etwas abgefragt, was du jetzt nicht mehr nutzen kannst, hast du sowieso, da regression eigentlich intervallskalierte daten voraussetzt. du hast aber ordinalskalierte. oft wird eine ordinalskalierte variable, die 4-5 optionen enthält, wie intervallskaliert behandelt. ich kenne dazu aber keine literaturstelle. im zweifelsfall müsste man seinen betreuer/gutachter fragen, ob er dies akzeptiert oder nicht.

[nizo]

naja, soweit ich weiss kann man mit der multinomialen logitischen Regression oder der ordinalen Regression ordnial skalierte daten benutzen.


mein problem ist halt wie ich die items zu einer übergeordneten variable zusammefüge...

[KarinJ]

so, dann weiß ich nun etwas mehr über das programm spss/pasw, vielen dank.

wie man die items kombinieren kann, muss man sich inhaltlich überlegen, wenn es keine vorgaben gibt. üblich ist summe oder mittelwert, wie gesagt. daneben kann man sich überlegen, ob die items gleichgewichtet in den score eingehen, oder ob eins mit mehr gewicht eingehen soll.

[nizo]

ich hab die zusammenfassung von 2 items zu einer variable/skala jetzt mal gemacht, bin mir aber absolut nicht sicher, ob das das richtige ist, was ich da verbrochen habe...
als erstes hab ich die skala auf reliabilität getestet. als ergebnis habe ich hierbei einen cronbachs alpha wert von 0,856, was wohl eine sehr gute reliabilität der skala beschreibt. allerdings schreibt mir spss in der spalte cronbachs alpha, wenn item weggelassen: Der Wert ist negativ aufgrund einer negativen mittleren Kovarianz zwischen den Items. Dies verstößt gegen die Annahmen über die Zuverlässigkeit des Modells. Sie sollten die Item-Kodierungen überprüfen. keine ahnung, was das jetzt wieder bedeutet.


danach hab ich die zusammenfügung der items zu einer skala vorgenommen und zwar so:
COMPUTE Einstellung_gesamt=MEAN (Einstellung1,Einstellung2).
EXECUTE.

jetzt hab ich also beide items zu einem mittelwert zusammengefasst, sprich zu einer neuen übergeordneten variable. und die kann ich jetzt für meine auswertungen benutzen.ist das so jetzt richtig?

[KarinJ]

ich hab keine ahnung, ob das so richtig ist, denn ich habe die daten nicht vor mir. die fehlermeldung gibt jedenfalls den hinweis, dass etwas nicht stimmt. ich würde die items mal korrelieren. wenn sie negativ korrelieren, was sie nicht sollten, weil sie das gleiche messen (?), dann muss man schauen, ob man sie falsch (gegenläufig) codiert hat (z.b. volle zustimmung bei einem mit 5, beim anderen mit 0 codiert). andererseits gibt es nur 2 items (?), also macht es keinen sinn, alpha (konsistenz) über 1 item auszurechnen. vielleicht ist auch nur das mit der fehlermeldung gemeint. eigentlich sollte bei nur 2 items bei "alpha if item deleted" nur striche sein für "nicht berechenbar".

[nizo]

hey karin, immer zugegen in dem forum
ich glaub auch, dass die fehlermeldung beim alpha if item deleted einfach dasteht, weil es keinen sinn macht bei 2 items eines zu streichen.

kannst du was zu der zusammenfassung der items zu einer skala sagen? das ist schon richtig ausgeführt oder (unter der voraussetzung, dass die items dasselbe messen)?

problem bei der reliabilitätsmessung ist jetzt, dass ich bei überprüfen der reliabilität von je 2 anderen items wirklich einen negativen cronbachs alpha rausbekomme. und das obwohl 2 items bereits in einer bestehenden studie mit denselben fragestellungen gemessen wurden und dann zu einer neuen variable zusammengefügt wurden...