Korrelation bei nicht-normalverteilten Daten in PASW 18

[Anica]

Liebe Forenmitglieder,

ich habe eine konkrete Frage zu Berechnungen von Korrelationen bei nicht-normalverteilten Daten.

Ich habe 19 Kinder mit einem Entwicklungstest untersucht. Ihnen wurden im Laufe der Testung ca. 80 Aufgaben vorgelegt, diese wurden dann mit gelöst (1 Punkt) oder nicht gelöst (0 Punkte) in SPSS codiert. Des Weiteren konnten die Aufgaben noch spezifischer anhand ihrer Anforderungen in Imitations- (I), Explorations- (E), Sprachverständnis- (SV), Sprachproduktions- (SP), Feinmotorik- (FM) und Grobmotorikaufgaben (GM) kategorisiert werden. Hier habe ich für jede Kategorie Gesamtwerte für jedes Kind berechnet.

http://www.pic-upload.de/view-10343990/ ... n.jpg.html

Meine Matrix sieht nun so aus und ich möchte überprüfen ob meine Vermutungen über verschiedene korrelative Zusammenhänge zwischen den Kategorien zutreffen. Sie sind grob beispielsweise in dieser Art formuliert:

„Es besteht ein korrelativer Zusammenhang zwischen der Fähigkeit zur Imitation und der Explorationsfertigkeit bei 12 Monate alten Kindern“

Wie kann ich das konkret mit SPSS (ich nutze PASW 18) überprüfen?

Was müsste ich tun, wenn ich zusätzlich noch herausfinden wollte, ob eine der Variablen den korrelativen Zusammenhang zweier anderer beeinflusst?

Ist es überhaupt korrekt, dass ich die Aufgabenwerte pro Kategorie einfach nur aufaddiert habe? Es fließen ja pro Kategorie unterschiedlich viele Aufgaben in den Gesamtwert? Muss ich das evtl. erst irgendwie standardisieren?

Ich bedanke mich schon mal bei jedem der sich meiner annimmt.

Vielen Dank und liebe Grüße

[Generalist]

Wie kann ich das konkret mit SPSS (ich nutze PASW 18) überprüfen?

Korrelationen berechnen.

Was müsste ich tun, wenn ich zusätzlich noch herausfinden wollte, ob eine der Variablen den korrelativen Zusammenhang zweier anderer beeinflusst?

Mindestens weitere 10 Fälle erheben. Diese Überprüfung wäre durch eine multiple Regression zu leisten mit einer der beiden Variablen als abhängiger Variablen und der anderen Variablen als Prädiktor1, ferner mit der zusätzlichen Variablen als Prädiktor2 und mit einer neuen Variablen Prädiktor3, die berechnet wird durch das Produkt Prädiktor1*Prädiktor2 (= Wechselwirkung; dies testet das, was Du herausfinden wolltest). Da man in einer multiplen Regression ab 10 Fällen (Faustregel) pro Prädiktor einigermaßen zuverlässige Ergebnisse erwarten darf, bräuchtest Du halt noch 11 weitere.

Ist es überhaupt korrekt, dass ich die Aufgabenwerte pro Kategorie einfach nur aufaddiert habe? Es fließen ja pro Kategorie unterschiedlich viele Aufgaben in den Gesamtwert? Muss ich das evtl. erst irgendwie standardisieren?

Nein, das ist für die Korrelation überhaupt kein Problem.

[drfg2008]

Was müsste ich tun, wenn ich zusätzlich noch herausfinden wollte, ob eine der Variablen den korrelativen Zusammenhang zweier anderer beeinflusst?

Es besteht natürlich noch zusätzlich zur Regression die Möglichkeit der partiellen Korrelation.


Gruß

[Anica]

Erstmal vielen Dank für die schnellen Antworten.

Dann hatte ich bisher alles richtig gemacht. Es kam mir ehrlich gesagt nur zu simpel vor Es macht also keine Probleme, dass meine Variablen nicht normalverteilt sind?!

Meine Variablen sind ja ordinal skaliert und daher nehme ich nicht den Pearson-Korrelationskoeffizienten, sondern eher Kendalls Tau, da der sich am ehesten für ordinalskalierte Variablen, die nicht normalverteilt sind, eignet. Verbessert mich, falls ich mich irre.

Es besteht natürlich noch zusätzlich zur Regression die Möglichkeit der partiellen Korrelation.

Habe ich dafür nicht auch zu wenig Fälle?

Danke und liebe Grüße

[Generalist]

Die Formulierung "ordinalskalierte Variablen, die nicht normalverteilt sind", ist etwas verwirrend. Bei ordinalskalierten Variablen gbt es sowas wie Normalverteilung oder Nichtnormalverteilung nicht, eben weil sie ordinal sind. Der einfachste Weg ist Spearman oder Kendall. Für alles andere (Einfluss weiterer Variablen) ist Intervallskalenniveau und Pearson bzw. eine Regression erforderlich.

[Anica]

Ich habe noch eine anschließende Frage:

Ich führe ja nun mehrere Korrelationstests auf der Basis der Daten aus der selben Untersuchung durch.

Ich prüfe die Korrelationen der Variablen I x SP, I x SV, E x FM, E x GM, SV x SP und FM x GM. Insgesamt habe ich also 6 Zusammenhangshypothesen und prüfe 6 Korrelationen.

Mir stellt sich jetzt die Frage, ob ich eine Bonferroni Korrektur durchführen müsste? Wie würde sich diese dann gestalten - SPSS bietet diese nicht an, also müsste ich das p von Hand durch 6 teilen?! Gibt es eine Möglichkeit die Korrektur zu "umgehen"?

Vielen Dank und liebe Grüße

Anica