Hallo zusammen,
ich bereite mich derzeit auf das Kolloquium zu meiner Bachelorarbeit vor und suche daher nach geeigneten Erklärungen, um mein Vorgehen zu verteidigen - Änderungen kann ich demnach nicht mehr vornehmen.
1.) Ich habe mehrere Konstrukte mit jeweils mehreren Items abgefragt. Die Items pro Konstrukt habe ich anschließend zu einem Mittelwert-Index zusammengefasst. Da ich teilweise pro Konstrukt positive und negative Items zusammengefasst habe, habe ich die negativ formulierten Items umgepolt, sodass schlussendlich alle Skalen dieselbe Richtung aufweisen (1= positiv, 5 = negativ). Nun zu meiner Frage: Kann sich durch die Umpolung einzelner negativer Items ein methodisches Problem ergeben? (z.B. durch Umkehrung von Antworttendenzen etc.)?
2.) Weiterhin habe ich die Zusammenhänge innerhalb eines Modells untersucht. Zum Teil habe ich den Zusammenhang mehrerer UVs auf eine AV betrachtet. Ich habe hierfür zunächst bivariate Regressionen eingesetzt, da zwischen den Konstrukten zum Teil mittlere bis starke Korrelationen vorlagen. Anschließend habe ich multiple Regressionen durchgeführt und die Ergebnisse verglichen. Die Ergebnisse der multiplen Regressionen habe ich aber intensiver berichtet und auch am Ende interpretiert. Rückblickend erscheint mir dieses Vorgehen nicht ganz logisch, da ich immer wieder lese, dass die multiple Regression die bessere Herangehensweise ist und die bivariaten Regressionen hier überflüssig sind. Gibt es dennoch eine gute Erklärung, die diese Vorgehensweise rechtfertigen würde?
Vielen Dank im Voraus,
Grüße Hanna
Skalenumpolung und Regression
-
dutchie
- Beiträge: 2762
- Registriert: 01.02.2018, 10:45
Re: Skalenumpolung und Regression
hallo hanna
zu 1) die verwendung negativer Items ist problematisch. in abhängigkeit von der Situation können sie die Reliabilität
erhöhen aber unter Umständen auch massiv reduzieren. auf jeden fall müsste man dem testtheoretich nachgehen, z.B
getrennte auswertungenen, Trennschärfe und interne Konsistenz berechen, positive mit negativen korrelieren usw...
zu2) die binären Dinger sind die Voraussetzungen für die multiple Analyse (in keinster weise überflüssig). Das ist kein "entweder oder", sondern geht nur zusammen.
z.B. der multiple Koko bündelt alle binären Kokos, bereinigt um die interkorrelationen zwischen den UVs, oder im vergleich der binären KoKos mit den
entsprechenden regressionskoeffizient gewinnt man aufschluss über Supressionseffkte.
gruß
dutchie
zu 1) die verwendung negativer Items ist problematisch. in abhängigkeit von der Situation können sie die Reliabilität
erhöhen aber unter Umständen auch massiv reduzieren. auf jeden fall müsste man dem testtheoretich nachgehen, z.B
getrennte auswertungenen, Trennschärfe und interne Konsistenz berechen, positive mit negativen korrelieren usw...
zu2) die binären Dinger sind die Voraussetzungen für die multiple Analyse (in keinster weise überflüssig). Das ist kein "entweder oder", sondern geht nur zusammen.
z.B. der multiple Koko bündelt alle binären Kokos, bereinigt um die interkorrelationen zwischen den UVs, oder im vergleich der binären KoKos mit den
entsprechenden regressionskoeffizient gewinnt man aufschluss über Supressionseffkte.
gruß
dutchie
