So, einmal versuch ichs noch - vielleicht weis ja diesmal jemand Rat:
Ich habe Jahreszahlen mit der jeweilgen Häufigkeit einer Ausprägung korreliert. Es folgte ein hoher Korrelationskoeffizient und eine hohe Signifikanz.
Kann ich nun daraus eine allgemeine Aussagen über die Entwicklung der Ausprägung innerhalb des entsprechenden Zeitraums machen?
danke schon mal
G.
Aussage über zeitliche Entwicklung über Korrelation?
-
- Beiträge: 6
- Registriert: 24.07.2007, 12:21
-
- Beiträge: 818
- Registriert: 26.09.2006, 14:52
Hallo
Etwas knapp - Deine Darstellung:
Jahreszahl mit Häufigkeit korreliert? Wie hast Du SPSS erklärt, dass die Jahreszahl eine Jahreszahl ist und nicht einfach '2000'?
Deine sign. Korrelation heisst nur, dass es einen positiven Zusammenhang gibt zwischen der Zahl 'Jahr' und der andern Variable.
Aber vielleicht verstehe ich Deine Frage nicht ganz richtig.
Gruss
Patrick
Etwas knapp - Deine Darstellung:
Jahreszahl mit Häufigkeit korreliert? Wie hast Du SPSS erklärt, dass die Jahreszahl eine Jahreszahl ist und nicht einfach '2000'?
Deine sign. Korrelation heisst nur, dass es einen positiven Zusammenhang gibt zwischen der Zahl 'Jahr' und der andern Variable.
Aber vielleicht verstehe ich Deine Frage nicht ganz richtig.
Gruss
Patrick
-
- Beiträge: 6
- Registriert: 24.07.2007, 12:21
Erst mal vielen Dank für deine Antwort.
ich habe SPSS gar nicht erklärt das die Jahreszahl eine Jahreszahl ist,
Ich habe für jedes Jahr von 1999 bis 2007 Werte, von denen ich nun wissen will, ob sie sich im Laufe dieses Zeitraums signifikant (egal in welche Richtung) geändert haben. Dazu habe ich die Daten (Mittelwerte, Standardabweichungen und Häufigkeiten, je nach dem) mit den Jahreszahlen als Break Variable Aggregiert.
Sieht dann ungefähr so aus:
1999 8,91
2000 8,63
2001 7,90
2002 8,39
2003 8,97
2004 8,12
2005 7,74
2006 7,54
2007 7,41
Dann habe mit dem Datensatz eine Korrelation nach Pearson gerechnet.
Meine Frage ist nun die darf aus den Ergebnisse, falls signifikant und ausreichen hoher Koefizient, auf eine zeitliche Entwicklung schließen (zum Beispiel: Die Abweichung von der üblichen Länge hat im Untersuchungszeitraum kontinuierlich abgenommen)?
Oder darf ich das nicht zwecks der Kausalität?
Und falls nicht, was gibts für alternative Möglichkeiten?
danke schon mal fürs anworten
Gregor
ich habe SPSS gar nicht erklärt das die Jahreszahl eine Jahreszahl ist,
Ich habe für jedes Jahr von 1999 bis 2007 Werte, von denen ich nun wissen will, ob sie sich im Laufe dieses Zeitraums signifikant (egal in welche Richtung) geändert haben. Dazu habe ich die Daten (Mittelwerte, Standardabweichungen und Häufigkeiten, je nach dem) mit den Jahreszahlen als Break Variable Aggregiert.
Sieht dann ungefähr so aus:
1999 8,91
2000 8,63
2001 7,90
2002 8,39
2003 8,97
2004 8,12
2005 7,74
2006 7,54
2007 7,41
Dann habe mit dem Datensatz eine Korrelation nach Pearson gerechnet.
Meine Frage ist nun die darf aus den Ergebnisse, falls signifikant und ausreichen hoher Koefizient, auf eine zeitliche Entwicklung schließen (zum Beispiel: Die Abweichung von der üblichen Länge hat im Untersuchungszeitraum kontinuierlich abgenommen)?
Oder darf ich das nicht zwecks der Kausalität?
Und falls nicht, was gibts für alternative Möglichkeiten?
danke schon mal fürs anworten
Gregor
-
- Beiträge: 818
- Registriert: 26.09.2006, 14:52
Das hätte mich auch gewundert...Commanda hat geschrieben:ich habe SPSS gar nicht erklärt das die Jahreszahl eine Jahreszahl ist

Ich bin nicht der Zeitreihen-Hirsch - aber eine Korrelation scheint mir hier nicht am Platz.... Was willst Du damit messen.
Da die zweite Variable ein Differenzmass ist, sollte evt. die Veränderung von Jahr zu Jahr und von ANfang-Messung bis Ende-Messung untersucht werden? Verschiedene Zeiträume könnten miteinander verglichen werden - dann wären es aber Gruppenvergleiche --> t-Test.
Zur Signifikanz wären auch Angaben der Varianz und des Untersuchungsinstrumentes (Reliabilität!) wichtig.
Ob dir das hilft?
Gruss
Patrick
-
- Beiträge: 6
- Registriert: 24.07.2007, 12:21
eigentlich einfach ob es einen Zusammenhang zwischen dem Zeitverlauf und der anderen Variable gibt.Ich bin nicht der Zeitreihen-Hirsch - aber eine Korrelation scheint mir hier nicht am Platz.... Was willst Du damit messen.
Klar könnte ich das machen. Kommt mir aber ein bisschen aufwändig und zeit-bzw. platzintensiv vor, insbesondere bei der Interpretation.Da die zweite Variable ein Differenzmass ist, sollte evt. die Veränderung von Jahr zu Jahr und von ANfang-Messung bis Ende-Messung untersucht werden? Verschiedene Zeiträume könnten miteinander verglichen werden - dann wären es aber Gruppenvergleiche --> t-Test.
Mein Untersuchungsinstrument ist reliabel aber wozu brauch ich die Varianz?Zur Signifikanz wären auch Angaben der Varianz und des Untersuchungsinstrumentes (Reliabilität!) wichtig.
Vielleicht nochmal zur Verdeutlichung: Ich habe alle Sendungen eines Fernsehformates über die letzten 9 Jahre analysiert (N=1490). Nun möchte ich wissen, in welche Richtung sich z.B. die Länge oder der Marktanteil verändert hat.
Es muss doch eine einfache (oder zumindest nicht allzu komplizierte) Möglichkeit geben eine Entwicklung oder Tendenz (Zunahme/Abnahme) zu berechnen, wenn Zu jedem Fall der Variable von der man die Entwicklung wissen will ein Datum vorliegt

-
- Moderator
- Beiträge: 304
- Registriert: 17.01.2006, 19:20
Ich würde Patrick zu 100% zustimmen, eine Korrelation ist hier nicht das geeignete Verfahren.
Auch halte ich den t-test für das wahrscheinlich beste, wenn ich Dein Vorhaben richtig verstanden habe. Du kannst z.b. 2 Messzeitpunkte nehmen und einen t-test für gepaarte (abhängige) Stichproben rechnen. Dies könnte man dann je nach gewünschter Genauigkeit auch mit anderen Messpunkten wiederholen.
Schwierig ist der t-test eigentlich nicht, weder in der Anwendung noch in der Interpretation. Es ist eigentlich ein einfacher Mittelwertvergleich, der prüft, ob sich dieser Mittelwert im Zeitablauf signifikant geändert hat. Also eigentlich genau das, was Du suchst...
Kompliziert wäre es wahrscheinlich, wenn Du eine multivariate Varianzanlyse über alle Deine Meßzeitpunkte rechnest
Auch halte ich den t-test für das wahrscheinlich beste, wenn ich Dein Vorhaben richtig verstanden habe. Du kannst z.b. 2 Messzeitpunkte nehmen und einen t-test für gepaarte (abhängige) Stichproben rechnen. Dies könnte man dann je nach gewünschter Genauigkeit auch mit anderen Messpunkten wiederholen.
Schwierig ist der t-test eigentlich nicht, weder in der Anwendung noch in der Interpretation. Es ist eigentlich ein einfacher Mittelwertvergleich, der prüft, ob sich dieser Mittelwert im Zeitablauf signifikant geändert hat. Also eigentlich genau das, was Du suchst...
Kompliziert wäre es wahrscheinlich, wenn Du eine multivariate Varianzanlyse über alle Deine Meßzeitpunkte rechnest

Literatur?
Bücher zum Thema SPSS und Statistik (Amazon)
Bücher zum Thema SPSS und Statistik (Amazon)
-
- Beiträge: 6
- Registriert: 24.07.2007, 12:21
Danke für die Hilfe.
OK von der Korrelation habe ich mich damit endgültig verabschiedet.
Aber mit mehreren gepaarten T Tests kann ich mich auch nicht anfreunden.
Ich habe jetzt mal eine einfaktorielle ANOVA gerechnet --> Als Faktor die Jahrezahlen und die Messwerte pro Jahr als Abhängige Variablen.
Und weils so viel Freude macht gleich noch eine Messwiederholung, bei der ich für alle Messwerte pro Jahr eine eigene Variable gebildet habe und diese dann als Innersubjektvariablen eingefügt habe.
Ergibt beidesmal ein hoch signifikantes Ergebnis, wie ich es aus den vorliegenden Daten auch erwartet hätte.
Was meint Ihr?
Oder doch immer zwei Variaben Vergleichen?
OK von der Korrelation habe ich mich damit endgültig verabschiedet.
Aber mit mehreren gepaarten T Tests kann ich mich auch nicht anfreunden.
Ich habe jetzt mal eine einfaktorielle ANOVA gerechnet --> Als Faktor die Jahrezahlen und die Messwerte pro Jahr als Abhängige Variablen.
Und weils so viel Freude macht gleich noch eine Messwiederholung, bei der ich für alle Messwerte pro Jahr eine eigene Variable gebildet habe und diese dann als Innersubjektvariablen eingefügt habe.
Ergibt beidesmal ein hoch signifikantes Ergebnis, wie ich es aus den vorliegenden Daten auch erwartet hätte.
Was meint Ihr?
Oder doch immer zwei Variaben Vergleichen?