Richtige Korrelationsanalyse - Fehlender Wert oder Nullwert

[konstantin80]

Liebe StatistikerInnen,

ich möchte eine simple Korrelationsanalsye zwischen zwei ordinalskalierten Variablen durchführen.

1. Umweltänderung (1= starke Verschlechterung ...5=starke Verbesserung)
2. Versorgung mit Feuerholz (0=keine Benutzung von Feuerholz, 1=nicht ausreichende Versorgung, 2=ausreichende Versorgung).

r= -0,697, das stimmt auch mit der Verteilung überein.

Ist meine Vorgehensweise statistisch korrekt, oder müsste ich die Familien, von denen ich ja weiß, daß sie kein Feuerholz benutzen, ausschließen (999)?

Dann wäre allerdings keine signifikante Korrelation mehr vorhanden

Hoffentlich kann mir jemand weiterhelfen,

Gruß Konstantin

[drfg2008]

ich bin mir nicht sicher, ob überhaupt eine Korrelation in Frage kommt (und wenn ja, ob überhaupt der -vermutlich- genutzte Pearson sinnvoll ist.

Man könnte Variable 2 (Versorgung...) als Gruppen-Variable nehmen und die mittleren Werte der Gruppen vergleichen. Entweder im Rahmen einer Varianzanalyse, oder im Rahmen eines NP-Modells (H-Test).

Es fehlt auch die Fragestellung. Daher wird deine Frage nicht zu beantworten sein.

[konstantin80]

Besten Dank zunächst einmal! Könnte ich Dir die SPSS-Datei senden? Dort sind nur die beiden Variablen aufgeführt.
Die Fragestellung soll lauten, ob die natürlich-räumliche Verfügbarkeit von Holz mit der entsprechenden Umweltsituation zusammenhängt.

[drfg2008]

ob die natürlich-räumliche Verfügbarkeit von Holz mit der entsprechenden Umweltsituation zusammenhängt.

Dann macht es doch eigentlich keinen Sinn, diejenigen zu untersuchen, die keine Verwendung von Feuerholz haben (0 = keine Benutzung). Bleiben nur 1 und 2.

Methode:

(1) Punktbiseriale Korrelation
(2) t-Test 1,2 als Gruppe ; Umweltänderung als Testvariable.
-> besser: U-Test

weitere Methoden denkbar

[konstantin80]

Vielen Dank, die punktbiserale ist doch prinzipiell die gleiche Systematik wie Pearson nur für die Beziehung einer stetigen zu einer dichotomen Variable, oder?

[drfg2008]

Pearson. Genau.