Hohe Ausprägungswerte verdecken erwartete Korrelation?

[ferrisfragt]

Hallo liebe Statistiker,
im Rahmen meiner BA Arbeit musste ich eine moderierte hierarchische Regression rechnen.
Grundannahme war ein positiver Zusammenhang zwischen einem Persönlichkeitsmerkmal und Arbeitsleistung.
Dieser angenommene positive Zusammenhang sollte durch 2 Moderatoren positiv verstärkt werden.
Nun habe ich leider folgendes Problem:

Der aus bereits bestehender Literatur abgeleitete positive Zusammenhang zwischen der UV und der AV konnte nicht nachgewiesen werden.
Die Varianz der UV ist relative gering. Das liegt daran, dass durch die Arbeitsumwelt der getesteten Personen bereits hohe Ausprägungen prä selektiert wurden. Personen mit niedriger Ausprägung der Persönlichkeitseigenschaft würden nicht im getesteten Berufsfeld arbeiten.
Liegt der fehlende Zusammenhang also an der niedrigen Varianz bedingt durch die Umwelt?

Vielen Dank und ein angenehmes Wochenende,

ferris

[dutchie]

hallo ferrisfragt

Liegt der fehlende Zusammenhang also an der niedrigen Varianz bedingt durch die Umwelt?

Ja,wenn die UV nicht variiert kann sie auch keinen Effekt auf die AV haben!
Will man eine hohe Korrelation wählt man entsprechend extreme Stufen der UV!
Und die verbleibend kleine Varianz der UV ist nicht größer als der Fehler in einer homogenen Gruppe!
--> nicht sig!

aber...möglich, dass muss aber nicht der Grund sein!

Ist die Stichproben falsch gewählt, wenn das vorher bekannt war?

Gibt es denn VP mit niedrigen Werten für die UV? Ist die Verteilung schief?
Und sind demnach nur die die mit hohen Werten überrepräsentiert?
Deckt die UV die ganze mögliche Messwertspanne ab?
Ist die AV auch schief?
mach mal:
dichotomisiert die UV am Median (MD)
und korrelierte zweimal: einmal für die Gruppe über MD
und einmal für die Gruppe unter MD.
dann mach eine Zufallsstichprobe der Gruppe über MD, sodass
genausoviel über MD wie drunter MD, korreliere dann erneut,
d.h du verkleinerst die Stichprobe um VP mit hohen Werten,
dann wird die Stichprobe kleiner aber die KoKo eventuell höher!

Normal ist, dass das Ganze oft nicht linear ist!
Es gibt da eine Schwelle innerhalb der UV die, wenn überschritten die AV triggert!

wenn das so ausschaut:
UV-AV
1 1
2 2
3 3
4 4
5 5
macht ads nichts dass viele hoh werte haben!
wenn so:
1 1
2 1
3 3
4 5
5 5
dann schon!

bau dir solche Datenschemas und probiere aus!

gruß
dutchie

[ferrisfragt]

Super, vielen Dank dutchie.
Eine weitere Frage hätte ich noch. Wenn es bei den Bewertungen jeweils immer 3 Rater gibt wovon 2 unterstellte Mitarbeiter und 1 der Vorgesetzte der Zielperson sind, muss ich bei fehlenden Bewertungen das ganze Quadrupel rausnehmen? Ich denke schon, weil ohne Vorgesetzten Bewertung die Bewertungen der Mitarbeitr ja in keinem Verhältnis stehen.
Vielen Dank nochmal

[dutchie]

Hallo ferris

Du kannst die Übereinstimmung aller drei Rater beurteilen,
dann braucht es immer vollständige daten (drei Stück).

Du kannst aber auch dreimal die bivariate, paarweise Übereinstimmung testen!
Dann braucht es nur vollständige Paare!
Übereinstimmung vom
Mitarbeiter 1 mit Mitarbeiter 2,
Mitarbeiter 1 mit Vorgesetzten,
Mitarbeiter 2 mit Vorgesetzten.

Das kann interessant sein, gerade weil die raten nihct homogen sind,
Der Vorgesetzte hat vielleicht einen anderen Blick auf das Ganze!
Also hast du insgesamt vier Übereinstimmungen zu testen!

gruß
dutchie