generelle Fragen zur Auswertung von Hypothesen

[christin123]

ja ich weiß es muss nerven - mich tuts das auch. ja ich hab die einsicht dass es nötig wäre mich näher damit zu beschäftigen, hoffe trotzdem auf die hilfe von menschen die grad eine soziale minute mir abzweigen können, weil es wirklich wichtig und dringend wäre. es würd euch meine aufrichtige dankbarkeit gebühren. das ist doch was.

also ich hab an insgesamt 28 Kindern die wirkungen bzw. auswirkungen von Fernsehwerbung erforscht. meine verifizierenden Forschungsfragen lauten:

FF 1: Steht die Dauer des Fernsehkonsums mit der Rekognition von Werbung in erkennbarem Zusammenhang?
H 1: Je mehr ein Kind fernsieht, desto größer ist die Chance einer Wiedererkennung von Werbung.
Operationalisierung: Die Dauer des Fernsehkonsums wurde in durchschnittliche Sehdauer pro Tag von den Eltern angegeben und in 4 Kategorien unterteilt (0-30 min., 31-60 min., 61-90 min., 90-120 min.). Die Operationalisierung der Rekognition wird numerisch nach Anzahl der Nennung der Markensymbole vollzogen (eine Marke genannt =1, zwei Marken genannt=2 usw. bis 17)


FF 2: Sehen Kinder deren Eltern mehr arbeiten auch mehr fern, als Kinder deren Eltern nicht oder weniger berufstätig sind?
H 2: Je mehr die Eltern eines Kindes arbeiten, desto häufiger sieht es fern.
Op.: Die Auswertung der Berufstätigkeit erfolgt nach einer sechsstufigen Skala: ganztags/ganztags, ganztags/halbtags, halbtags/halbtags, nicht/ganztags, nicht/halbtags, nicht/nicht. Die Analyse der Sehdauer wird wie bereits erwähnt nach Angabe der Eltern durchgeführt.

FF 3: Spielt das Geschlecht des Kindes bei der Rekognition von Werbung eine Rolle?
H 3: Mädchen können Werbung besser wieder erkennen als Jungen.
Op.: Das Geschlecht wird nominalskaliert (Junge=1, Mädchen=2) und die Rekognition wie bereits erwähnt.



FF 4: Spielt das Alter des Kindes bei der Rekognition von Werbung eine Rolle?
H 4: Je älter ein Kind ist, desto besser nimmt es die Werbebotschaft wahr.
Op.: Die Einteilung des Alters erfolgt in 5 Kategorien: 3,1 – 4,0 Jahre
4,1 – 5,0 Jahre / 5,1 – 6,0 Jahre / 6,1 – 7,0 Jahre; die Rekognition wieder
nach Anzahl Symbolnennung.


FF 5: Kann ein Kind zwischen Werbung und Programm unterscheiden?
H 5.1.: Je älter ein Kind ist, desto besser kann es zwischen Werbung und Programm differenzieren.
H 5.2.: Wenn ein Kind ältere Geschwister hat, dann kann es besser differenzieren.
Op.: Die Fähigkeit zur Differenzierung erfolgt durch Einteilung in
Werbekompetenzniveaus nach Neuss (Niveau 0=1, Niveau 1=2, Niveau 2=3, Niveau 3=4)
Alter siehe oben, ältere Geschwister (ja=1, nein=2)

FF 6: Sieht ein Einzelkind weniger fern als ein Kind das ältere Geschwister hat?
H 6.1.: Wenn ein Kind ältere Geschwister hat, dann sieht es häufiger fern.
Op.: Sehdauer und ältere Geschwister wie bereits erwähnt


FF 7: Steht die Dauer des Fernsehkonsums mit dem Kaufverhalten in erkennbarem Zusammenhang?
H 7: Je mehr ein Kind fernsieht, desto häufiger beeinflusst es Kaufentscheidungen der Eltern.
Op: Die Kaufbeeinflussung wird mittels einer fünfstufigen quasi-metrischen Skala von „stimmt völlig“ bis „stimmt nicht“ gemessen und die Sehdauer wieder wie bereits gesagt in 4 Kategorien eingestuft.

Soweit, so gut. was nun wie zum werte ich das ganze aus?
Habe SPSS, jedoch kann ich nicht wirklich damit umgehen.
Kreuztabelle, Signifikanz, Korrelation?
Bitte wirklich um Hilfe. vielen Dank schonmal

[Noonen]

Hallo

Übersetze doch Deine Hypothesen in die "Variablen-Sprache". Verwende nicht die Begriffe, sondern die Variablen und versuche die Beziehung zwischen den Variablen zu definieren:

z.B. H1

je grösser DAUER umso höher RECONITION
--> Zusammenhangshypothese
--> Korrelation oder Regression.

Gruss
Patrick

[christin123]

das ist mir schon klar, doch wie werte ich das dann aus mit SPSS. da werden dann ein paar zahlen ausgespuckt und ich kann sie nicht gewichten. da liegt mein problem.
aber danke schon mal

[Jack Crow]

Bei Hypothesen der Art X beeinflusst Y rechnet man am einfachsten Kreuztabellen und bivariate Korrelationsmaße aus. Welche Maße verwendet werden können hängt vom Skalenniveau der Variablen und tlw. deren Verteilungen ab, wobei immer das niedrigere Niveau zugrunde gelegt werden muss. Sind beide Variablen metrisch skaliert kann eine bivariate Regression durchgeführt werden - je größer der r-Wert (zwischen 0 und 1), desto größer die Erklärungskraft der unabhängigen Variable. Ob dieser Wert mglw. jedoch nur zufällig zustande gekommen ist sagt der Signifikanztest, der automatisch zu jedem Maß durchgeführt wird: Liegt der Wert unter 0,05, ist er in der Regel signifikant.
Wie die Maße genau anzuwenden und zu interpretieren sind steht in jedem Statistik-Einführungsbuch.