Variablen zusammenfassen

[sassi]

Zunächst wurde in der Befragung 15 Items zur Persönlichkeit erfasst. Diese hab ich sodann faktorenanalysiert und bin wie (geplant) auf fünf Faktoren gekommen (Neurotizismus, Extraversion, Offenheit, Gewissenhaftigkeit und Verträglichkeit)

Die Werte dieser Faktoren sind metrisch und liegen im positiven und negativen Bereich.

Meine Hypothesen sind nun:

Die weiblichen Führungskräfte haben signifikant höhere Werte im Faktor Verträglichkeit (als die Männer).

Die weiblichen Führungskräfte haben höhere Werte im Faktor Neurotizismus.

Die weiblichen Führungskräfte unterscheiden sich in den fünf Faktoren signifikant von denen der weiblichen Durchschnittsbevölkerung.

(Bedingung: länger als 10 Jahre im Unternehmen)

Ich hoffe, dass das kurz und trotzdem stichhaltig war. Danke

[Jack Crow]

OK, wenn du eine binäre logistische Regression durchführen möchtest würd ich folgendermaßen vorgehen:

Zu den ersten beiden Hypothese: Du codierst die Geschlechtsvariable so, daß Männer (Referenzkategorie) = 0 und Frauen = 1. Dann wählst du unter "Fälle auswählen" nur solche aus, die FK = 1 sind. Du kannst nun die Regression durchführen mit der abhängigen Variablen Geschlecht und den unabhängigen Variablen Verträglichkeit und Neurotizismus. Die ausgegebenen Effektkoeffiziente zeigen an, um wieviel eine Erhöhung der Faktoren um eine Einheit die Wahrscheinlichkeit eines Falles, weiblich zu sein, erhöht (Signifikanzen werden auch ausgegeben). Ergibt sich ein positiver Wert deutet das darauf hin daß Frauen mit höheren Werten der Faktoren verbunden sind.

Für die dritte Hypothese müsstest du eine neue abhängige Variable codieren, die 0 für die "weibliche Durchschnittsbevölkerung" ist und 1 für weibliche Führungskräfte. Für die Untersuchung wählst du nur Fälle aus, die weiblich sind. Dann führst du die Regression analog durch.

[sassi]

danke!

das ändert aber nichts an dem Problem, dass mir jetzt der Regressionskoeffizient B jeweils für die fünf Faktoren (bzw. Neurotizismus und Extraversion) angezeigt werden, aber nicht nach Geschlecht getrennt. Ich kann aus den Werten nicht ersehen, welche jetzt auf Frauen und welche auf Männer zutreffen. DAS muss ich doch aber, wenn ich die Werte interpretieren will. Er gibt ja nicht mal die Zahlen 0 oder 1 aus (außer die Häufigkeit natürlich).

Er zeigt mir B, Wald, SE, Sig. sowie Exp(B) an - für die Persönlichkeitsfaktoren (ohne Angabe von 0 oder 1 für Geschlecht). Wie muss ich denn das lesen, damit ich weiß, wer höhere Werte hat? Sind B und Exp (B) Indikatoren? - also wenn Exp(B) > B, dann ist Neurotizismus stärker bei den Frauen?

Ist es wichtig, dass die Variable Geschlecht mit 0 und 1 codiert ist? Vorher hatte ich sie mit 1,2 codiert. Ändert das was?

Allgemein sind die Signifikanzen der fünf Faktoren denkbar niedrig (zwischen 0 und .5).

Gibt es noch eine andere Möglichkeit? T-Tests habe ich zur Absicherung bereits gemacht, aber die t-values liegen alle zwischen -17.7 und -46.6. Was auch immer mir das sagen soll.

[Jack Crow]

Der Effektkoeffizient (Exp(B)) wird immer nur für die interessierende Kategorie im Vergleich zur Referenzkategorie angezeigt - also bezieht sich der angegebene Wert auf Frauen im Vergleich zu Männern (SPSS codiert selbstständig die Variable in o und 1 um für die Regression - das steht am Anfang der ganzen Tabellen. Es ist nur weniger verwirrend wenn die Variable vorher schon in 0 und 1 codiert wurde). Ein Exp(B) von 2,000 zeigt z.B. an, dass sich die Wahrscheinlichkeit, dass ein Fall zur Kategorie "weiblich" gehört, verdoppelt wenn der Wert der Faktorvariable um eine Einheit steigt. Ein Wert von 1,000 zeigt an daß die Variable keinen Beitrag dazu leisten kann die Kategorie vorherzusagen, und ein Wert unter 1 zeigt an daß sich die Wahrscheinlichkeit mit Erhöhung um eine Einheit verringert - also eher mit männlich verbunden ist.
Das klingt sicher ganz schrecklich kompliziert, und es ist auch nciht ganz so einfach daß ich das jetzt so einfach in einem Post erklären könnte. Am besten guckst du mal in die SPSS-Hilfe oder einfach mla bei google, da gibt ein paar gute Erklärungen.

Und ansonsten gibt es sicher noch andere Möglichkeiten das zu testen, z.B. vielleicht mit Mittelwertvergleichen. Damit kenne ich mich allerdings nicht so dolle aus .

[sassi]

Hey Jack Crow,

vielen Dank für Deine Hilfe. Auch wenn es am Anfang nicht so aussah, habe ich doch jetzt tatsächlich Ergebnisse (und nur dank Deiner Hilfe).

Schöne Grüße.
Sassi

[Jack Crow]

Gern geschehen