chi²/ fishers exact test

[nihil]

Ich hätte 2 Berechnungen bzgl. meiner Arbeit die anscheinend nicht gelöst werden wollen:

a) ich habe 2 gruppen (n=35 vs n=35) die ich auf unterschiede hinsichtlich einordnungen in (1)klinisch unauffällig/ (2)geringgradig bis mäßig klinisch auffällig/ (3)klinisch auffällig werden sollen:
den FET verwende ich bei n=5 oder niedriger, sowie chi² nach pearson in folge einer kreuztabelle;
nun möchte ich gern (2) & (3) in eine gemeinsame gruppe kategorisieren zur besseren veranschaulichung, wie mache ich das denn? auffallend wenn eine der 3 kategorien wegfällt wird FET nicht mehr angezeigt?

b) AKB-Negative body evaluation: (n=31; nicht klinisch) 16.00±3.90; (n=34; klinisch)18.76±4.71; t-Wert = -2.559*
VKD-Vital body dynamics: (n=31; nicht klinisch) 38.94±4.52; (n=34; klinisch)31.41±6.18; t-Wert = 5.561***

Ich würde gern für meine Daten (siehe oben) anhand der vorgegebenen Cut-off-Werte der Normstichprobe für den Fragebogen (FKB-20) die Anzahl berechnen, welche über-bzw.-unterdurchschnittlich respektive der Cut-off-Werte des FKB-20 liegen. Dann würde ich gerne mit dem chi²-test eine Unterscheidung auf Sig. der neu gewonnen Daten zwischen der klinischen Grp. und der nicht-klinischen Grp. durchführen. Meine Daten sind geschlechtsgemischt.

Hier die Cut-off-Werte der Normstichprobe (FKB-20)

Cut-off-Werte FKB-20 für AKB: nicht klinisch: ♂=17.69±4.63; ♀=20.55±7.10; klinisch: ♂=25.76±7.79; ♀=27.12±8.70
Cut-off-Werte FKB-20 für VKD: nicht klinisch: ♂=38.32±4.23; ♀=36.56±5.82; klinisch: ♂=27.09±7.59; ♀=27.03±7.36

danke schonmal

[Generalist]

nun möchte ich gern (2) & (3) in eine gemeinsame gruppe kategorisieren zur besseren veranschaulichung, wie mache ich das denn?

Variable duplizieren und umkodieren. Oder Funktion "umkodieren in adere Variable" benutzen. Bei Kategorisierung anhand Cut-off desgleichen.

[nihil]

danke für die antwort:

zu a) war von mir nicht korrekt formuliert, wenn ich die kategorien zusammenlege erfülle ich diese 2x2 voraussetzung für FED nicht, dieses problem habe ich noch nicht lösen können;

zu b) für diese cut-off-werte jeweils eine neue variable generieren, dann hätte ich 8 variablen entsprechend der cut-off-werte (bereich: von bis);
um nun meine daten mit diesen generierten variablen zu vergleichen, müsste ich ebenfalls 8 variablen umkodieren, also jeweils zusätzlich noch in gender. ich verstehe mich nur darin bei einer variable gender raus zu lesen, aber wie teile ich die von mir gemischte variable in gender und generiere diese sogleich?