Hallo zusammen
Ich bin gerade bei der Auswertung der Daten meiner Bachelorarbeit und habe dazu statistische Tests durchgeführt. An dieser Stelle frage ich, ob das Vorgehen, dass ich gewählt habe sinnvoll ist.
Umfrageaufbau
Bei der Umfrage handelt es sich um ein in between-subjects design, wobei Probanden in eine Führungsposition versetzt wurden.
Während der Umfrage mussten sie entweder für eine Verkäuferinn oder für einen Verkäufer eine Umsatzzielhöhe definieren (Zahl in Mio. CHF). Die Probanden bekamen im Setting zufällig entweder einen Verkäufer oder eine Verkäuferin.
Mit einem statistischen Test wollte ich nun herausfinden, ob es signifikante Unterschiede bezügliche der definierten Umsatzzielhöhe zwischen den 4 Szenarien gibt. (S1= Männlicher Proband setzt männlichem Verkäufer Ziel / S2= Männlicher Proband setzt weiblicher Verkäuferinn Ziel / S3 = Weibliche Probandin setzt männlichen Verkäufer Ziel / S4= Weibliche Probandin setzt weiblicher Verkäuferin Ziel)
Um diesen signifikanten Unterschied festzustellen, habe ich mit SPSS einen Whitney-U Test durchgeführt und zwar wie im folgenden beschrieben.
Zuerst habe ich diese These überprüft:
„Die Umsatzzielhöhe, welche Frauen in Führungspositionen für ihre weiblichen Verkäuferinnen definieren, unterscheiden sich signifikant von der Zielanpassung die Frauen in Managerpositionen für männliche Mitarbeitende definieren.“
——>Also Vergleich der Umsatzzilehöhe zwische S3 und S4
Dazu habe ich zuerst einen Kolmogorov-Smirnov-Test zur Überprüfung der Normalverteilung durchgeführt. Da dieser keine Signifikanz vorwies, entschied ich mich für einen nicht-parametrischen U-test (Mann&Whitney)
Als nächstes habe ich die weiblichen Fälle ausgewählt, als abhängige Variabel die Umsatzzielhöhe gewählt und die Manipulation männlich/weiblich als Gruppierung.
Passt dieses Vorgehen, bzw. ist dieses Vorgehen sinnvoll um die Hypothese zu überprüfen?
Vielen Dank für eure Hilfe!
Whitney U-Test
-
- Beiträge: 2734
- Registriert: 01.02.2018, 10:45
Re: Whitney U-Test
Hallo
Wenn in den Gruppen mehr als 30 versuchprsonen sind, ist die Normalverteilung
nicht so wichtig!
Außerdem ist schlecht, dass du mit U test das skalenniveau änderst!!!
in ordinal sehr schelcht! wenn die AV metrisch ist,
Außerdem sind die Hypotehsen beim U Test nicht bezogen auf eine Zahl
mit der man die Hypothesen artbeiten kann, oder die die Sache deskriptiv beschreiben!
außerdem hast du 4 Gruppen, warum nur zwei auswerten?
besser du machst ersmal ganz normal eine einfaktorielle ANOVA mit vier Stufen,
mit Kontrasten, gelpant oder post hoc.
plus deskriptive Statistik mit daten auf intervallniveau!!!!
Wenn dann zweifel am p Wert bestehen, sieht man weiter..
man macht Behrens Fisher oder so'n Zeugs...
aber man verlässt das skalennieveau nicht!
dann ändert sich nämlich alles!
gruß
dutchie
eher nein!Qui1997 hat geschrieben:Passt dieses Vorgehen, bzw. ist dieses Vorgehen sinnvoll um die Hypothese zu überprüfen?
Wenn in den Gruppen mehr als 30 versuchprsonen sind, ist die Normalverteilung
nicht so wichtig!
Außerdem ist schlecht, dass du mit U test das skalenniveau änderst!!!
in ordinal sehr schelcht! wenn die AV metrisch ist,
Außerdem sind die Hypotehsen beim U Test nicht bezogen auf eine Zahl
mit der man die Hypothesen artbeiten kann, oder die die Sache deskriptiv beschreiben!
außerdem hast du 4 Gruppen, warum nur zwei auswerten?
besser du machst ersmal ganz normal eine einfaktorielle ANOVA mit vier Stufen,
mit Kontrasten, gelpant oder post hoc.
plus deskriptive Statistik mit daten auf intervallniveau!!!!
Wenn dann zweifel am p Wert bestehen, sieht man weiter..
man macht Behrens Fisher oder so'n Zeugs...
aber man verlässt das skalennieveau nicht!
dann ändert sich nämlich alles!
gruß
dutchie