Es handelt sich um eine sozialwissenschaftliche Studie, bei der an einer randomisierten Einfachstichprobe der Zusammenhang zwischen verschiedenen Variablen festgestellt werden soll. 80 Probanden, davon 19 Frauen und 60 Männer. Ho= keine Korrel, H1=Korrelation
Fr. 1: Liegt somit eine korrelatives Querschnittsdesign vor?
Die beiden Variablen werden anhand von 2 Fragebögen erhoben:
Der 1. Fragebogen hat eine 5 stufige Antwortskala, die sich aus einer Kombination von verbalisierter und numerischer Kennzeichnung zusammensetzt.
Der 2. FB hat eine 7 stufige Antwortskala, die sich auch aus einer Kombination von verbalisierter und numerischer Kennzeichnung zusammensetzt. (Likert-Skala, für das Skalenniveau wichtig)
Die numerische Kennzeichnung geht von 1-5 bzw. 1-7.
Es ist nicht bekannt, welche der beiden erfassten Variablen Prädiktor- und Kriteriumsvariable ist.
Fr. 2: wie kann festgestellt werden, ob eine Variable die Andere beeinflusst, oder andersherum? (Bortz)
Welches ist das richtige Meßverfahren für die Berechnung der Korrelation? (Pearson vs. Spearman) Dafür noch einige weitere Informationen:
Für die Korrelationsanalyse nach Pearson sind die Voraussetzungen: Normalverteilung, Intervallskalenniveau und Linearität des Zusammenhangs
A. Normalverteilung:
Es liegt keine Normalverteilung der einzelnen Datensätze vor. Bortz ((2011, S.162) behauptet, dass eine Verletzung der Normalverteilungsannahme aber kein Hindernis darstellt, da der Signifikanztest robust gegenüber der Verletzung ist.
Fr. 3: Wie soll Verfahren werden, wenn bei einem Test auf Normalverteilung (Chi-Quadrat Test, Klmogorov-Smirnov-Test) bei einem Merkmal (Variable) keine Normalverteilung festzustellen ist?
Kann bei Verstoß trotzdem eine Korrelationsanalyse nach Pearson durchgeführt werden?
B. Skalenniveau:
Fr. 4: Strenggenommen liegt bei beiden Skalen Ordinalskalenniveau vor? Bortz(S.178) betont, dass dies bei Skalenwerten von 1..n(wie hier vorzufinden) es keinen Unterschied zur Berechnung des Pearson-r macht. Könnte mir das jemand kurz erklären?
Desweiteren gibt es irgendwelche Annahmen zur Approximation mit Stichprobengrößen von n>30. Was hat es damit auf sich auf sich?
C. Linearität:
Fr. 5: Test auf Überprüfung der Graphen. Ist das wissenschaftlich korrekt? Alternativen?
Jetzt kommen die unabhängigen Variablen Geschlecht (m/w) und Alter hinzu (6 Altersklassen: 18-25,26-30…bis 45+). Für die Geschlechter und die Altersklassen sollen die Korrelationskoeffizienten miteinander verglichen werden. Nach Bortz (2011, S.156f) soll eine Fisher-z-transformation durchgeführt werden um die einzelnen z-werte miteinander zu vergleichen.
Fr.5: Ich verstehe den Ablauf nicht genau. Kann mir das jemand erklären?
Fr. 6: Welche Methode soll dafür angewendet werden? Bin ich mit der Z-Transformation auf dem Holzweg? Ist n=19 für weiblich zu klein um einen vergleich über die fisher z transformation durchzuführen?
[Fr. 7:] Werden die Prädiktor-und Kriteriumsvariable zu abhängigen Variablen bei dem Vergleich mit den unabhängigen Variablen Geschlecht bzw. Alter?
Vielen Dank für Antworten,
ich hoffe ihr könnt dadurch euer eigenes Wissen aufbessern
