Hallo liebe Statistik-Tutorial Mitglieder,
vorab bedanke ich mich für eure Hilfe/Zeit. Ich sehe hier viel gegenseitige Unterstützung - wirklich klasse.
Ich bin Matthias und benötige eure Hilfe bei meiner statistischen Auswertung.
Da ich nicht alle Fragen durcheinander stellen will, fange ich ich mit dieser einfach an .
In meinem Fragebogen habe ich u. a. die Beschäftigungsdauer der Mitarbeiter im Unternehmen erfasst. Um die Teilnehmer nicht abzuschrecken (ich habe "viele" soziodemografische Daten abgefragt), habe ich nicht nach den exakten Jahre gefragt sondern in Gruppen eingeteilt:
1 = Weniger als 1 Jahr
2 = Zwischen 1 und 3 Jahren
3 = Zwischen 4 und 7 Jahren
4 = Zwischen 8 und 15 Jahren
5 = Zwischen 16 und 20 Jahren
6 = Länger als 20 Jahre
Nun will ich ermitteln, ob die Bindung an das Unternehmen mit den Jahren der Beschäftigungsdauer ansteigt.
--> "Das organisationale Commitment steigt mit der Dauer der Unternehmenszugehörigkeit."
Mir ist aber erstmal nicht ganz klar, welches Skalenniveau die Beschäftigungsdauer hat (nominal, ordinal, metrisch). Hatte erst an ordinal gedacht, weil ich eine lange Beschäftigungsdauer eigentlich besser bewerten würde als eine kurze.
Freue mich, wenn mir einer dazu mehr sagt und/oder mich korrigiert.
Beste Grüße
Skalenniveau unklar
-
- Beiträge: 2731
- Registriert: 01.02.2018, 10:45
Re: Skalenniveau unklar
hallo
ich würde sagen unglücklich gelaufen:
Ich glaugbe: wenn man fragt nach einer dauer... denk denk (also der befragte)..... 8 Jahre....
ist es einfacher diese Zahl hinzuschreiben, als diese Zahl in einem Kathegoriensystem zu suchen
und anzukreuzen, zumal man sich da auch noch vertuen kann.
Zeit ist Rationalniveau: hat einen eindeutigen Nullpunkt (da kann man jetzt philosophieren, od sich dieser
empirisch als Meßwert zeigen...), ist transformierbar: homogen positiv lineare Transformation (das hab ich grad auch nur
abgeschrieben.also. xt = a mal x, a>0 und ohne addition einer konstante.
dies ist auch das Skalenniveau der Beschäftigungsdauer an sich, davon muss man aber unterscheiden wie man das aktuell
gemessen hat. Durch die Skalengrenzen ist die Messung auch Rational (metrisch) (hättest du die Kategorien gelabelt (geleybelt, beschriftet) z.B.
mit kurz, lang, sehr lang und so... hättes du ein rationales merkmal ordinal gemessen).
Jetzt ist der wahre wert, also die tatsächliche Beschäftigungsdauer in eine Kathegorie gerutscht, die ihn nur ungefähr besschreibt,
Du hast ohne Not einen Messfehler eingebaut und die Varabilität des Merkmals beschnitten.
da die Kathegorien auch noch unterschiedliche Grenzen (an alle .. das geht gar nicht!!!) haben ist der Fehler auch noch
unterschiedlich groß in abhängigkeit von wahren wert.
du kannst jetzt die intervallmitte jeder VP zuordnen, da merkt man dann den Fehler weil viele leute denselben wert haben, was real nicht vorkommt.
die intervallgrenzen sind vermutlich deshalb nicht gleich groß, weil bei ihrer gestaltung irgendwelche vorannahmen mit einflossen...(es kann sein das du dir damit alles zerschossen hast, wel das einfluss auf die Korrelation hat.)
Deine einschätzung der Beschäftigungsdauer (BD) als ordinal, geht in dieselbe Richtung... lang besser als kurz...da nimmst du den zusammenhang mit commitment (CO)
irgendwie vorweg, das hat mit dem skalenniveau von BD nix zu tun!!
ein zusammenhang kann monoton (nicht ordinal) oder linear sein.
streng monoton: je größer die BD umso größer das CO, überall
monoton: je größer die BD umso größer das CO, nicht überall, es erreicht irgendwo ein Plateau (das macht hier auch sinn)
wenn man 30 Jahre da war, wächst das CO im nächsten Jahr nicht mehr, ist bereits maximal. (wie bei bier und nutzen: das 20te bier macht einen nicht betrunkener)
linear: jede Veränderung der BD um eine Einheit ändert die CO um den wert a, konstant egal ob von BD=1 zu BD=2 oder von BD=20 zu BD=21.
normal wäre:
du korreliert die beiden messwertreihen, linear mit pearson KoKo (Korrelationkoeffizienz) und schaust dir dann die Punktewolke an, wie die Ko zu beschreiben ist.
denn wenn linear sig. dann auch monton sig.
hier:
du ordnest jeder vp die skalenmitte zu. an dem fehler kann man jetzt nix mehr machen.
korrelierst aber auch nur monoton mit Spearman KoKo (der geht schon ab ordinalniveau), das gleicht den Fehler eventuell aus (?)
schaust dir dann aber auch die Punktewolke an, ob da irgenwas merkwürdig ist wegen der schebsen Intervallgrenzen.
du kannst aber auch eine einfakorielle ANOVA rechnen....
generell zu unterscheiden:
skalennieau des Merkmals
skalennieau der Messung des Merkmals
skalenniveau der Statistiken (KoKo z.B) der Messungen des Merkmals
mit der bitte um kurze antwort
gruß
dutchie
ich würde sagen unglücklich gelaufen:
Ich glaugbe: wenn man fragt nach einer dauer... denk denk (also der befragte)..... 8 Jahre....
ist es einfacher diese Zahl hinzuschreiben, als diese Zahl in einem Kathegoriensystem zu suchen
und anzukreuzen, zumal man sich da auch noch vertuen kann.
Zeit ist Rationalniveau: hat einen eindeutigen Nullpunkt (da kann man jetzt philosophieren, od sich dieser
empirisch als Meßwert zeigen...), ist transformierbar: homogen positiv lineare Transformation (das hab ich grad auch nur
abgeschrieben.also. xt = a mal x, a>0 und ohne addition einer konstante.
dies ist auch das Skalenniveau der Beschäftigungsdauer an sich, davon muss man aber unterscheiden wie man das aktuell
gemessen hat. Durch die Skalengrenzen ist die Messung auch Rational (metrisch) (hättest du die Kategorien gelabelt (geleybelt, beschriftet) z.B.
mit kurz, lang, sehr lang und so... hättes du ein rationales merkmal ordinal gemessen).
Jetzt ist der wahre wert, also die tatsächliche Beschäftigungsdauer in eine Kathegorie gerutscht, die ihn nur ungefähr besschreibt,
Du hast ohne Not einen Messfehler eingebaut und die Varabilität des Merkmals beschnitten.
da die Kathegorien auch noch unterschiedliche Grenzen (an alle .. das geht gar nicht!!!) haben ist der Fehler auch noch
unterschiedlich groß in abhängigkeit von wahren wert.
du kannst jetzt die intervallmitte jeder VP zuordnen, da merkt man dann den Fehler weil viele leute denselben wert haben, was real nicht vorkommt.
die intervallgrenzen sind vermutlich deshalb nicht gleich groß, weil bei ihrer gestaltung irgendwelche vorannahmen mit einflossen...(es kann sein das du dir damit alles zerschossen hast, wel das einfluss auf die Korrelation hat.)
Deine einschätzung der Beschäftigungsdauer (BD) als ordinal, geht in dieselbe Richtung... lang besser als kurz...da nimmst du den zusammenhang mit commitment (CO)
irgendwie vorweg, das hat mit dem skalenniveau von BD nix zu tun!!
ein zusammenhang kann monoton (nicht ordinal) oder linear sein.
streng monoton: je größer die BD umso größer das CO, überall
monoton: je größer die BD umso größer das CO, nicht überall, es erreicht irgendwo ein Plateau (das macht hier auch sinn)
wenn man 30 Jahre da war, wächst das CO im nächsten Jahr nicht mehr, ist bereits maximal. (wie bei bier und nutzen: das 20te bier macht einen nicht betrunkener)
linear: jede Veränderung der BD um eine Einheit ändert die CO um den wert a, konstant egal ob von BD=1 zu BD=2 oder von BD=20 zu BD=21.
normal wäre:
du korreliert die beiden messwertreihen, linear mit pearson KoKo (Korrelationkoeffizienz) und schaust dir dann die Punktewolke an, wie die Ko zu beschreiben ist.
denn wenn linear sig. dann auch monton sig.
hier:
du ordnest jeder vp die skalenmitte zu. an dem fehler kann man jetzt nix mehr machen.
korrelierst aber auch nur monoton mit Spearman KoKo (der geht schon ab ordinalniveau), das gleicht den Fehler eventuell aus (?)
schaust dir dann aber auch die Punktewolke an, ob da irgenwas merkwürdig ist wegen der schebsen Intervallgrenzen.
du kannst aber auch eine einfakorielle ANOVA rechnen....
generell zu unterscheiden:
skalennieau des Merkmals
skalennieau der Messung des Merkmals
skalenniveau der Statistiken (KoKo z.B) der Messungen des Merkmals
mit der bitte um kurze antwort
gruß
dutchie
-
- Beiträge: 4
- Registriert: 15.02.2018, 13:48
Re: Skalenniveau unklar
Hey dutchie,
vielen Dank für deine ausführliche Antwort.
Ich sehe deine Kritik ein und ärgere mich selbst, dass ich den Fragebogen für diese Angabe so gebaut habe. Dabei war meine Absicht ja nur eine gute .
Meine Annahme mit der BD und dem Anstieg des organisationalen Commitments (OC), stammt natürlich aus vorherigen Studien und der Literatur. So habe ich auch die Hypothese gebildet wobei sich der Effekt bei anderen Studien auch schon unterschieden hat (längere BD = höheres OC, längere BD = kein höheres OC).
Wenn ich dich richtig verstanden habe soll ich, um noch halbwegs die Auswertung zu retten, die Skalenmitte für jede Versuchsperson (VP) bilden und dann (z.B.) eine einfaktorielle ANOVA in SPSS machen. Richtig?
vielen Dank für deine ausführliche Antwort.
Ich sehe deine Kritik ein und ärgere mich selbst, dass ich den Fragebogen für diese Angabe so gebaut habe. Dabei war meine Absicht ja nur eine gute .
Meine Annahme mit der BD und dem Anstieg des organisationalen Commitments (OC), stammt natürlich aus vorherigen Studien und der Literatur. So habe ich auch die Hypothese gebildet wobei sich der Effekt bei anderen Studien auch schon unterschieden hat (längere BD = höheres OC, längere BD = kein höheres OC).
Wenn ich dich richtig verstanden habe soll ich, um noch halbwegs die Auswertung zu retten, die Skalenmitte für jede Versuchsperson (VP) bilden und dann (z.B.) eine einfaktorielle ANOVA in SPSS machen. Richtig?
-
- Beiträge: 2731
- Registriert: 01.02.2018, 10:45
Re: Skalenniveau unklar
hallo
ich meine du müsstest jeder Vp die kathegorienmitte, der kathegorie der sich die Vp zugordnet hat als messwert der BD zuordnen
bessere infos hat man nicht
dann korrelierst du diese variable mit dem CO, ganz normal über korrelation, da nimmst du aber (vielleicht neben dem linearen KoKo von Pearson)
auch noch den Spearman KoKo der geht auch auf ordinalniveau.
ANOVA eher nicht, da müsste man den Trend oder Zusammenhang über die Syntax programmieren, wegen der unterschiedlichen Kathegorienmitte.
ach keine kritit, das kann man ja mal verdaddeln
gruß
dutchie
ich meine du müsstest jeder Vp die kathegorienmitte, der kathegorie der sich die Vp zugordnet hat als messwert der BD zuordnen
bessere infos hat man nicht
dann korrelierst du diese variable mit dem CO, ganz normal über korrelation, da nimmst du aber (vielleicht neben dem linearen KoKo von Pearson)
auch noch den Spearman KoKo der geht auch auf ordinalniveau.
ANOVA eher nicht, da müsste man den Trend oder Zusammenhang über die Syntax programmieren, wegen der unterschiedlichen Kathegorienmitte.
ach keine kritit, das kann man ja mal verdaddeln
gruß
dutchie