SPSS-FORUM.DE

[Michael_Schnei]

Hallo zusammen,
ich werte die Daten einer vorher-nachher-Befragung aus. Das N umfasst 87 Personen und es ging um den Einfluss eines Workshop-Besuchs. u.a.: Trauen sich die TeilnehmerInnen danach stärker zu, selber einen Workshop zu leiten.

Gestaltung der Frage:
„Ich bin überzeugt von meiner Fähigkeit …“
0 Diese Fähigkeit ist für mich irrelevant. 1 schwache Überzeugung 2 moderate Überzeugung 3 starke Überzeugung 4 sehr starke Überzeugung

Eigentlich wollte ich einen t-Test für abhängige Stichproben durchführen. Aber vorab muss ja die Normalverteilung geprüft werden. Dank einer guten Anleitung habe ich das mit SPSS auch hinbekommen (Analysieren -> Deskriptive Statistik -> Explorative Datenanalyse). Und der Kolmogorov-Smirnov-Test ergab ein klares Ergebnis: Signifikanz bei 0,000, also NICHT normalverteilt. Damit kann der t-Test ja eigentlich nicht mehr angewendet werden.

Was mich nun wundert sind die Grafiken. Denn mir scheint, dass keine große Abweichungen zur Normalverteilung bestehen. Oder lese ich die Grafiken falsch? Leider habe ich online keine passenden, sondern nur eindeutige Beispiele gefunden (z.B. http://www.meinungsklima.de/index.php?t ... gramm1.jpg).

Von SPSS erstellte Grafiken habe ich als Dateianhang ergänzt.

Kann mir jemand sagen, ob nun KEINE Normalverteilung vorliegt, wie es der Kolmogorov-Smirnov-Test auch klar gezeigt hat? Dann muss ich mich vom t-Test verabschieden.

Danke schon mal im voraus!

[ponderstibbons]

Eigentlich wollte ich einen t-Test für abhängige Stichproben durchführen.

Der ist für intervallskalierte Daten. Du hast ordinalskalierte. der Vorzeichentest wäre angebracht.

Aber vorab muss ja die Normalverteilung geprüft werden.

Hättest Du intervallskalierte Variablen, könntest Du die Verteilung der Differenzwerte testen. Aber nur bei kleinen Stichproben (n < 30) ist es erforderlich, dass diese aus einer Normalverteilung stammen. Bei ausreichend großen Stichproben ist der t-Test robust gegen eine Abweichung von der Normalverteilung. Aber wie gesagt, hier ist der Vorzeichentest Methode der Wahl. Die "0" ist hierbei wohl ein Missing Value (die Aussage passt qualitativ nicht zu den anderen).

Mit freundlichen GRüßen

PonderStibbons

[Michael_Schnei]

Guten Abend PonderStibbons,
ich bin bislang davon ausgegangen, dass ich Rechnungen für intervallskalierte Daten anwenden kann, auch wenn meine Daten streng genommen nur ordinalskaliert sind, weil die Abstäne nicht gleichverteilt sind.

Hierzu habe ich zur Rechnung statistischer Zusammenhänge in der Sozialforschung folgendes gelesen:
"In der Forschungspraxis wird häufig der Begriff der quasi-metrischen Skalierung verwendet. Damit ist in der Regel gemeint, dass auch Skalen mit nur drei, vier oder fünf Skalenpunkten so behandelt werden, als ob die Abstände zwischen den einzelnen Skalenpunkten gleich groß wären. Als Folge dieser Annahme werden dann Berechnungen durchgeführt, die streng genommen nicht zulässig sind. So wird zum Beispiel in der politischen Kommunikation in Umfragen häufig nach dem allgemeinen Interesse der Teilnehmer an Politik gefragt: „Interessieren Sie sich „sehr“, „etwas“ oder „gar nicht“ für Politik ?“ Hier ist offensichtlich, dass gleiche Abstände zwischen den Skalenpunkten kaum zu vermuten sind. Entsprechend wäre auch die Berechnung eines Mittelwertes problematisch. Leichter zu rechtfertigen wäre eine solche Vorgehensweise bei einer fünf-stufigen Skala, mittels derer die Zustimmung zu unterschiedlichen Motiven der Mediennutzung erfasst wird. Dabei könnten die Endpunkte und der Mittelpunkt der Skala mit „trifft voll und ganz zu“, „trifft teilweise zu“ und „trifft gar nicht zu“ benannt werden (vgl. als Beispiel Abb. 6.1 in Kap. 6.2). In einem solchen Fall ist die Berechnung eines Mittelwertes bereits deutlich sinnvoller."

Wenn ich von ordinalskalierten Daten ausgehe/ausgehen muss, könnte ich doch auch den Wilcoxon-Test anwenden, oder?

Viele Grüße und schon mal Danke für die schnelle Antwort!

[ponderstibbons]

ich bin bislang davon ausgegangen, dass ich Rechnungen für intervallskalierte Daten anwenden kann, auch wenn meine Daten streng genommen nur ordinalskaliert sind, weil die Abstände nicht gleichverteilt sind.

Ich kann Dir nur mitteilen, was ich als Gutachter nicht akzeptieren würde, zumindest nicht ohne wirklich triftige Begründung. Der zitierte Text ist für mich allerdings ziemliches Blabla. Der Autor hätte sich die Mühe machen sollen, nach methodologischen bzw. psychometrischen Studien zu suchen, die sich mit der Frage beschäftigen, unter welchen Umständen eine ordinale 5er- oder gar 4er-Skala die Berechnung von Mittelwerten und Standardabweichungen schadensfrei zulässt.

Wenn ich von ordinalskalierten Daten ausgehe/ausgehen muss, könnte ich doch auch den Wilcoxon-Test anwenden, oder?

Der erfordert ebenfalls Intervallskalenniveau, wie man aus der Berechnungsformel ersehen kann.

Mit freundlichen Grüßen

PonderStibbons

[Michael_Schnei]

Guten Abend PonderStibbons,
danke für die schnelle Reaktion.

Dann muss ich das umgehend klären, wie ich die Daten betrachten/berechnen darf. Deine Einschätzung hilft mir schon mal weiter.

Viele Grüße,
Micha