Hey zusammen!
Als Neuling hier im Forum (und auch in SPSS) habe ich ein "kleines" Problem und hoffe, dass einige von Euch eventuell einen Lösungsvorschlag haben. Es geht um Folgendes:
Im Rahmen einer klimahistorischen Arbeit an der Uni möchte ich auswerten, wie sich die unterschiedlichen Mitteltemperaturen und -niederschläge der Monate März, April, Mai und Juni auf die Erntetermine in der Vergangenheit auswirkten. Wenn ich in SPSS die Erntetermine und die unterschiedlichen Monate korreliere, kommen z.B. folgende Korrelationen raus:
Temperatur März = -0.175
Temperatur April = -0.325
Temperatur Mai = -0.34
Temperatur Juni = -0.35
Niederschlag März = 0.05
Niederschlag April = 0.28
Niederschlag Mai = 0.29
Niederschlag Juni = -0.065
Nun sind die einzelnen Korrelationen nicht allzu berauschend. Dies liegt aber daran, dass Erntedaten sozusagen ein kumulierter Wert von Temperatur, Niederschlägen, Tradition usw. darstellen.
Und nun meine Frage: Kann ich in SPSS irgendwie ausrechnen lassen, wie jeder einzelne monatlicher Faktor gewichtet werden muss, um die höchstmögliche Korrelation (relativ gesehen, nicht dass alles zusammen 1 ergeben soll) zu erreichen? Wenn ich z.B. die Temperaturen kumuliere, erhalte ich eine Korrelation von -0.537, was schon etwas besser ist. Rechne ich aber die März-Temperatur nur einfach, die anderen drei aber x2, erhöht sich die Korrelation auf -0.57. Niederschläge sind dabei aber noch gar nicht mit eingerechnet.
Kann ich SPSS irgendwie berechnen lassen, dass z.B. die Temperatur des Monats X mal 1 und die Niederschläge mal 0.5 gerechnet werden soll, die Temperatur des Monats Y mal 2 und die Niederschläge mal 3 oder ähnliches? Es geht mir darum, dass ich nicht endlos ausprobieren muss, wo ich was verändern muss, damit die Korrelation etwas steigt, sondern dass SPSS automatisch eine Gewichtung ausgibt in der Form
Temperatur: a+2b+0.75c+3d
Niederschlag: 0.5a+2b+c+1.5d
Einfluss dieser Gewichtungen auf Erntetermine = 0.75 (als höchste Korrelation durch die obigen Gewichtungen, d.h. jede andere Gewichtung ergibt eine tiefere Korrelation)
Aus diesen Gewichtungen könnte ich dann weitere Schlüsse auf die Witterungseinflüsse und die Erntetermine (als Ausdruck des Vegetationszustandes) im Mittelalter ziehen usw.
Weiss da jemand eine Lösung?
Vielen Dank im Voraus!