ich stehe vor folgendem Problem, das ich - irgendwie - bald lösen muss. Hierzu brauche ich dringend kompetente Unterstützung.
Für eine Studie habe ich insgesamt zwei Befragungen zum Versorgungsverhalten durchgeführt. Dabei wurden unterschiedliche Größen (Alterklassen, Einkommensklassen, Konsumausausgaben, Besuchshäufigkeit etc.) erfasst und zudem eine Kundensegmentierung in vier Gruppen durchgeführt.
Nun habe ich verschiedene Tests durchgeführt, um den bivariaten Zusammenhang zwischen verschiedenen Variablen zu prüfen. Hierzu kamen z.B. Chi²-Tests und Korrelationen (nach Pearson und Spearman) zum Einsatz. Im Falle Abhängigkeit habe ich dann immer das Zusammenhangsmaß angegeben (z.B. Cramer V, Phi, Pearson's r oder Spearman's rho).
Nun würde ich in einem letzten Schritt gerne einen Vergleich der Zusammenhangsmaße/Korrelationskoeffizienten durchführen.
Aber wie? Welches Vorgehen bietet sich hierfür an
Kann ich die Zusammenhangsmaße und Korrelationskoeffizienten direkt gegenüberstellen? Alle werden ja in ähnlicher Weise nach Cohen interpretiert.
Macht es Sinn, wie bei einer Metaanalyse alle Koeffizienten in ein spezifisches Maß umzuwandeln und diese dann gegenüber zu stellen? Etwas Vergleichbares habe ich z.B. bei Bortz und Döring gelesen. Dort ist davon die Rede, dass man Spearman's rho, Pearson's r, Phi, Shi² usw. in ein bestimmtes Maß umrechnen und dieses dann Vergleichen kann. Dummerweise ist dort von Cramer's v nicht die Rede - was allerdings bei mir auch vorkommt.
Das Ziel ist es, die Zusammenhänge zwischen verschiedenen Variablen gegenüber derselben abhängigen Variable darzustellen, um sagen zu können, wo der Zusammenhang stärker ist und wo nicht. Es handelt sich also gewissermaßen nur um eine vergleichende Beschreibung der Zusammenhänge. Die Orientierung an den konventionellen Interpretationen hilft nicht immer weiter, da die Zusammenhänge oft "mittel" sind.
Ich würde mich freuen, wenn mir jemand weiterhelfen kann. Die Beantwortung der Frage ist ausgesprochen wichtig.
Weiterhelfen konnte man mir bislang nicht - auch nicht am Lehrstuhl
