Eta-Koeffizient berechnen - Zusammenhang nominal und metrische Variable -Daten analysieren SPSS (93)

// Eta-Koeffizient berechnen - Zusammenhang nominal und metrische Variable //
Es gibt viele verschiedene Zusammenhangsmaße in der Statistik. Allerdings sind die gängigsten nicht in der Lage zwischen nominal skalierten Variablen und metrisch skalierten Variablen zu korrelieren. Der Eta-Koeffizient ist da die Ausnahme und wird für genau jenen Fall verwendet. Er ist zwischen 0 und 1 ausgeprägt, wobei ein höherer Wert für einen stärkeren Zusammenhang steht.
Man kann zudem die metrische Variable als abhängige verwenden und mit dem quadrierten Eta die Varianzaufklärung bestimmen. Wie das funktioniert, zeige ich im Video.
Bei Fragen und Anregungen zu Eta-Koeffizient berechnen - Zusammenhang nominal und metrische Variable, nutzt bitte die Kommentarfunktion. Ob ihr das Video hilfreich fandet, entscheidet ihr mit einem Daumen nach oben oder unten. #statistikampc
⭐Kanalmitglied⭐ werden:
=======================
/ @statistikampc_bjoernw...
Kanal unterstützen? 🙌🏼
===================
Paypal-Spende: www.paypal.com...
Amazon Affiliate-Link: amzn.to/2iBFeG9
Danke für eure Unterstützung! ♥

[@StatistikamPC_BjoernWalther]

Bei Fragen und Anregungen zu Eta-Koeffizient berechnen - Zusammenhang nominal und metrische Variable, nutzt bitte die Kommentarfunktion.

[@dannyjuchert5432]

Danke!

[@StatistikamPC_BjoernWalther]

Sehr gerne! Danke für dein SuperThanks! Viele Grüße, Björn.

[@Trik18_]

Beste Videos - alle die du zu Statistik gemacht hast! Vielen vielen Dank!

[@StatistikamPC_BjoernWalther]

Dankeschön! :-) Viele Grüße, Björn.

[@MarcellaHanke]

Hallo Björn, super Videos! Verständlich und professionell erklärt! Vielen Dank dafür, dass du "Statistiknullen" wie mir versuchst, SPSS und Statistik näher zu bringen.

[@Mara-wd2rm]

Lieber Björn, danke für deine tollen und hilfreichen Videos. Eine Frage bleibt bei mir allerdings noch offen. Wenn ich Eta als Zusammenhangsmaß verwende, wie berichte ich es dann und welche Tabellen benötige ich? Für normale Korrelation wäre das ja z.B. r=.44, p

[@LatiziaLoch]

Hallo Björn, kannst du mal bitte schreiben, wie ein typischer Ergebnis Satz hierzu aussehen würde ?

[@andreaxsunflower]

Hallo! Vielen Dank für das hilfreiche Video! Eine Frage hätte ich noch.. Bei der Berechnung des Eta-Koeffizienten geht man ja davon aus, dass die abhängige Variable metrisch ist und die unabhängige kategorial.. bei meiner Hypothese ist es allerdings genau umgekehrt.. also die unabhängige Variable ist intervallskaliert und die abhängige Variable kategorial... ist der Eta Koeffizient trotzdem anwendbar? Bzw. welcher Test wäre hier sonst zu verwenden?

[@hannilouify]

Hallo, wie kann ich überprüfen, ob es sich um einen stat. signifikanten Zusammenhang handelt? So habe ich ja erst mal nur das Maß des Zusammenhangs, nicht wahr? Viele Grüße

[@StatistikamPC_BjoernWalther]

Hallo Hannah, über eine ANOVA (Univariates Modell) und unter Optionen Effektgröße anhaken. Dann gibt es bei deiner nominal skalierten Variable (als fester Faktor zu definieren) in der Zwischensubjekteffekt-Tabelle die Signifikanz. Viele Grüße, Björn.

[@IlariaNeri-n2o]

Hallo, wie berechne ich die Mindeststichprobe für den Eta-Koeffizienten mit G*Power? :) Wäre dir sehr dankbar für deine Hilfe!

[@johannabrockmann8447]

Vielen Dank für deine Videos. Sie retten meine Arbeit. Noch eine Frage zum Eta-Koeffizient: Gibt es wie bei Pearson gewisse Voraussetzungen die für die Berechnung erfüllt sein müssen? Danke und beste Grüße

[@avocado9219]

Ich habe eine Frage dazu ... Warum ist die metrische Variable hier die abhängige? Ist das einfach immer so? Müsste nicht das "Bestehen vom Führerschein beim 1. Versuch" abhängig vom IQ sein? Versuche gerade diesen Test für eine ähnliche Aufgabenstellung zu machen. Bei mir geht es darum, ob eine bestimmte Ausprägung bzw. Nicht-Ausprägung eines Merkmals (am Knochen) mit dem Alter zusammenhängt. Muss ich in hier ebenfalls die metrische Variable, also das Alter, als abhängige Variable verwenden??

[@HausBurgenland2]

Hallo Björn! Wieder einmal herzlichen Dank für ein sehr kompakte Erklärung :) Alle Videos sind enorm hilfreich. Eine kleine Verwirrung hatte ich hier allerdings: wieso ist der Intelligenzquotient die abhängige Variable (ca. 3:40 im Video) und Führerschein unabhängig? Herzlichen Dank!

[@hannahschonberner8331]

Hallo Björn, ich gehe meine Arbeit gerade nochmals durch und bin dabei wieder über den Eta-Koeffizienten und das Etaquadrat gestolpert. Leider stehe ich da immer noch etwas am Schlauch und bin unsicher ob ich evtl abhängige und unabhängige Variable vertausche. Es geht wie gesagt um die morphologische Darstellung von Netzen nach der Versorgung von Nabelbrüchen. Diese können sich als kompakt oder plan( 0 oder 1) darstellen. Dementsprechend ist dies die nominale Variable. Die metrische Variable stellt die Größe der Bruchlücke (in mm) vor Operation dar. Ich möchte nun eine Aussage treffen ob ich aufgrund der morphologischen Darstellung des Netzes postoperativ auf die Größe der Bruchlücke rückschließen kann. Dementsprechend müsste die Morphologie also die abhängige Variable sein. Richtig? Ich erhalte in SPSS Nominal bzgl. Intervallmaß: Herniendurchmesser: 0,381 Morphologie 0,535 Primär habe ich nun analog zu deinem Video das Etaquadrat mit 0,381 berechnet und bin somit auf eine Varianzaufklärung von 14,5% gekommen. Jetzt ist mir aber aufgefallen, dass du sagst der Intelligenzquotient ist die abhängige Variable (3:46). Müsste bei mir nicht die Morphologie die abhängige Variable sein? Da diese ja von der Größe der Bruchlücke abhängt? Und müsste ich dementsprechend nicht eine Eta von 0,381 sondern 0,535 und dementsprechend eine Etaquadrat von 28,6% statt 14,5% angeben? Oder meinst du mit abhängig, abhängig von in deinem Fall Bestehen des Führerscheins und bei mir dementsprechend abhängig von der Morphologie? Ich danke dir für deine Hilfe.

[@StatistikamPC_BjoernWalther]

Hallo Hannah, von abhängig sollte - entgegen dem was SPSS da schreibt - nicht wirklich gesprochen werden, da es, wie bei jeder Korrelation, nur ein ungerichteter Zusammenhang ist, den man hiermit untersuchen kann. Evt. wäre in deinem Falle eine logistische Regression sinnvoller, weil du ja von einem gerichteten Zusammenhang ausgehst. So lese ich das zumindest raus. Dennoch, wenn es Eta sein soll, habe ich folgende Anmerkung. Laut IBM heißt es: "Es werden zwei Eta-Werte berechnet: der eine behandelt die Zeilenvariable und der andere die Spaltenvariable als Intervallvariable." Das ist wenig hilfreich, weil ich davon nicht weiß, welche Variable "abhängig" ist. Abhängig bedeutet in dem Kontext laut meinen Recherchen metrisch skaliert, weswegen ich entsprechend "IQ als abhängig" ablese. Wenn ich das manuell in Excel nachrechne (kzbin.info/www/bejne/gmqTe4uMhd13o7M), komme ich auf den selben Wert. Viele Grüße, Björn.

[@lucastrutz2761]

Hallo Björn, vielen Dank für deine Videos, sie sind wirklich eine große Hilfe! Eine Frage habe ich noch. Ich würde gerne die Formel belegen, zum Beispiel mit einem Statistikbuch wo sie wiederzufinden ist, ich habe zwar auch formeln gefunden, aber die sahen anders aus als diese hier und ich habe auch die benutzt. Hast du vielleicht noch die Quelle, wo du die Formel für Eta Quadrat her hast? Das würde mir schon sehr weiterhelfen oder kann ich auch dieses Video angeben? Vielen Dank und liebe Grüße!

[@melaniepfeiffer3573]

Hallo Björn, danke für das tolle Video, eine Frage, wie gebe ich das Ergebnis denn nun in meiner Abschlussarbeit an wenn ich den Zusammenhang meiner 2 Variablen beschreiben will?

[@paddow22]

Hallo, zunächst möchte ich mich meinen Vorrednern anschließen und dir ein großes Lob für deine tolle Arbeit aussprechen! Ich sitze gerade an meiner Statistik Hausarbeit und habe eine Frage. Ne quatsch, die habe ich doch nicht mehr, nachdem ich die Beantwortung in der Kommentarsektion gefunden habe. Das Lob lass ich trotzdem hier. ;)

[@coribery]

Hallo @Statistik am PC, muss man wirklich immer den Wert für die metrische Variable heranziehen? In deinem Video ist das Bestehen des Führerscheintests (nominal) logischerweise vom Intelligenzquotient (metrisch) abhängig. Ich hingegen möchte Wissen, ob die Dauer eines Interviews (metrisch) vom Reporter (nominal) abhängt. Muss ich dann trotzdem den Eta-Wert für die metrische Variable beachten? Die Abhängigkeit ist ja bei mir eigentlich umgekehrt. Danke!

[@StatistikamPC_BjoernWalther]

Hallo Coribery, das habe ich vielleicht etwas zu sehr auf meinen speziellen Fall formuliert. Wenn bei dir der Schluss andersherum ist, wäre der andere Eta-Koeffizient angebracht(er). Viele Grüße, Björn.

[@hanssandhu698]

Hallo Björn! Danke schonmals! Ich habe eine nominale und eine metrische Variable und würde gerne den Zusammenhang bestimmen. Bei der nominalen handelt es sich um 4 Gruppen von Chronotypen (Morgen-,eher Morgen-, eher Abend-, Abendtyp). die metrische Variable ist ein anderes Maß für den Chronotypen. Nehme ich da Eta-Koeffizienten oder Intraklassenkorrelation? lg, Hans

[@kkjvideosgerman]

Hi Björn, du sagst in deinem Video, dass die abhängige Variable der Intelligenzquotient ist. Allerdings ist doch der IQ schon vor der Führerscheinprüfung da und hängt nicht von der Prüfung ab. Das Narrativ erscheint mir daher auf den ersten Blick unlogisch. Es sollte doch die Prüfung sein, die vom IQ abhängt. Habe ich da einen Denkfehler?

[@tinatreichel437]

Hallo Björn, erstmal wieder ein großes Lob und ein noch größeres Danke für deine tollen und verständlichen Videos. Nun meine Frage. Auf der Suche, wie ich am besten die Korrelation zwischen einer dichotomen nominalskalierten und einer intervallskalierten Variable berechnen kann, bin ich auch häufiger über den Begriff Punktbiseriale Korrelation gestolpert und habe mehrfach gelesen, dass man dies in SPSS einfach mittels Pearson Korrelation machen kann. Nun bin ich verunsichert, da du ja bei nominal / intervallskaliert expliziet von ETA sprichst. Manchmal wird online auch vom punktbiserialen Korrelationskoeffizient ETA gesprochen. Kannst du Licht ins Dunkel bringen? Wenn ich eine dichotome Variable habe und eine intervallskalierte kann ich dann auch Pearson nutzen , ist das Ergebnis identisch mit ETA oder definitiv nur ETA nutzen in diesem Fall? Viele Grüße Tina

[@StatistikamPC_BjoernWalther]

Hallo Tina und danke für dein Lob! Exakt das gleiche wird nicht herauskommen, aber ungefähr schon. Das konnte ich nicht verifizieren, da ich stets leicht unterschiedliche Werte erhalten habe. Eckstein, P. P., & Springer Fachmedien Wiesbaden GmbH. (2006). Angewandte Statistik mit SPSS: Praktische Einführung für Wirtschaftswissenschaftler, S. 297 sagen da aber nichts zu und tun so, als ob das identische Ergebnis herauskommt, was ich wie gesagt nicht replizieren konnte. Ich würde als lieber über ETA gehen und bei metrische Variable als abhängig schauen. Viele Grüße, Björn.

[@StatistikamPC_BjoernWalther]

Wie bereits weiter unten schon kommentiert noch der Vollständigkeit wegen die Signifikanzberechnung: über eine ANOVA (Univariates Modell) und unter Optionen Effektgröße anhaken. Dann gibt es bei deiner nominal skalierten Variable (als fester Faktor zu definieren) in der Zwischensubjekteffekt-Tabelle die Signifikanz.

[@isabellek742]

Hallo Björn, ab welchem Wert könnte ich denn nicht mehr auf einen Zusammenhang schließen?

[@StatistikamPC_BjoernWalther]

Hallo Isabelle, wie groß ein Zusammenhang ist, hängt maßgeblich vom Kontext ab, da gibt es nicht unbedingt Faustregeln. Prinzipiell würde ich auf die Signifikanz schauen und wenn diese hinreichend klein (z.B.

[@StatistikamPC_BjoernWalther]

Kleiner Nachtrag zur Signifikanz: kzbin.info/www/bejne/r4Gon6Gki8SJndU Viele Grüße, Björn.

[@yvesg.6164]

Hallo, Danke für die hilfreichen Videos, kann ich in deinem Beispiel auch vom IQ auf das bestehen des Führerscheins schließen? Genauer gesagt habe ich verschiedene metrische Variablen die ich darauf testen will ob sie vermehrt zu Abbrüchen einer Prozedur führen. Der Abbruch ist ja dadurch nominal skaliert (Abbruch/kein Abbruch). Vielen Dank schonmal im voraus!

[@judith4427]

Hi Björn, macht es Sinn, bei der Untersuchung von Zusammenhängen des Geschlechts und der Erfahrung einen Eta-Test durchzuführen? Oder kann der Mann-Whitney-U-Test verwendet werden, wenn ich bestimme, dass für das Geschlecht z.B. männlich=0 und weiblich=1 angenommen wird und somit keine Nominalskalierung mehr, sondern eine Ordinalskalierung vorliegt? Danke schon mal vorab für deinen Rat und auch deine tollen Videos :) Judith

[@StatistikamPC_BjoernWalther]

Hallo Judith, danke für dein Lob! Da das Geschlecht nominal ist, egal, ob die Skalierung 0,1 ; m,w oder rot,grün ist, wird es keinen anderen Weg geben. Evt. kannst du ja auch mit dem Chi²-Test etwas anfangen: kzbin.info/www/bejne/eoaVhZ5oo8SWnqM Viele Grüße, Björn.

[@hannahschonberner8331]

Hallo Björn, erst mal ein großes Lob an dich. Die Videos sind alle super. Nun zu meiner Frage: Ich habe den Eta-Koeffizienten zwischen der Größe einer Bruchlücke (metrisch) und der Darstellung eines eingebrachten Netzes als kompakt oder plan (nominal) berechnet. Dabei habe ich einen Eta-Koeffienten von 0,381 erhalten. Somit ist meine Aussage nun dass eine Korrelation zwischen der Bruchlückengröße und der kompakten/planen Darstellung des Netzes existiert. Ist das korrekt? Ist somit die Aussage des Eta-Quadrats, das 0.145 beträgt, dass sich 14,5 % der kompakten Netze durch die Bruchlückengröße erklären lassen? Vielen Dank schon mal. Liebe Grüße

[@StatistikamPC_BjoernWalther]

Hallo Hannah und danke für das Lob für meine Videos! Genau, wenn du Eta quadrierst, hast du den Prozentsatz der Varianzaufklärung. VIele Grüße, Björn.

[@hannahschonberner8331]

@@StatistikamPC_BjoernWalther Hallo Björn, ich gehe meine Arbeit gerade nochmals durch und bin dabei wieder über den Eta-Koeffizienten und das Etaquadrat gestolpert. Leider stehe ich da immer noch etwas am Schlauch und bin unsicher ob ich evtl abhängige und unabhängige Variable vertausche. Es geht wie gesagt um die morphologische Darstellung von Netzen nach der Versorgung von Nabelbrüchen. Diese können sich als kompakt oder plan( 0 oder 1) darstellen. Dementsprechend ist dies die nominale Variable. Die metrische Variable stellt die Größe der Bruchlücke (in mm) vor Operation dar. Ich möchte nun eine Aussage treffen ob ich aufgrund der morphologischen Darstellung des Netzes postoperativ auf die Größe der Bruchlücke rückschließen kann. Dementsprechend müsste die Morphologie also die abhängige Variable sein. Richtig? Ich erhalte in SPSS Nominal bzgl. Intervallmaß: Herniendurchmesser: 0,381 Morphologie 0,535 Primär habe ich nun analog zu deinem Video das Etaquadrat mit 0,381 berechnet und bin somit auf eine Varianzaufklärung von 14,5% gekommen. Jetzt ist mir aber aufgefallen, dass du sagst der Intelligenzquotient ist die abhängige Variable (3:46). Müsste bei mir nicht die Morphologie die abhängige Variable sein? Da diese ja von der Größe der Bruchlücke abhängt? Und müsste ich dementsprechend nicht eine Eta von 0,381 sondern 0,535 und dementsprechend eine Etaquadrat von 28,6% statt 14,5% angeben? Ich danke dir für deine Hilfe.

[@laurahuhle5024]

@@hannahschonberner8331 Genau das ist auch meine Frage. Wie entscheide ich genau welchen Wert von beiden ich nehmen kann?

[@magdalenatackenberg1238]

Hallo Björn, ich stehe leider etwas auf dem Schlauch und arbeite erst seit kurzem mit SPSS. Zu deinem Kommentar: "über eine ANOVA (Univariates Modell) und unter Optionen Effektgröße anhaken. Dann gibt es bei deiner nominal skalierten Variable (als fester Faktor zu definieren) in der Zwischensubjekteffekt-Tabelle die Signifikanz." Wo genau finde ich das? Entschuldige die blöde Frage... LIebe Grüße

[@StatistikamPC_BjoernWalther]

Hallo Loreai, man führt neben der o.g. Berechnung noch eine weitere durch. Man geht dazu über "Analysieren" -> "Allgemeines lineares Modell" -> "Univariat". Im dann folgenden Dialogfeld legt man als "abhängige Variable" die metrische Variable ab, die nominal skalierte Variable kommt in die Box "Fester Faktor". Das reicht bereits und man führt das ganze aus. Dann erhält man eine Tabelle "Tests der Zwischensubjekteffekt". Hier ist in der Zeile der nominalen Variable die Signifikanz gegeben. Viele Grüße, Björn.

[@frivol2756]

Danke dir erstmal für das hilfreiche Video! Ist es richtig, dass bei der "Korrelation" zwischen der nominalen und der metrischen Variable die Verteilung der metrischen Variable egal ist? Und noch eine weitere Frage: ab wann kann ich von einem "signifikanten" Zusammenhang sprechen? Bisher habe ich nur die Einteilung nach Cohen gefunden für Eta Quadrat und entsprechende geringe/mittlere/große Effekte.

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Die Verteilung ist bei der metrisch skalierten Variable vernachlässigbar. Wright, R. J. (2014). Research methods for counseling: An introduction., S. 222, 229. Über eine ANOVA (Univariates Modell) bekommst du die Signifikanz. Dann gibt es bei deiner nominal skalierten Variable (als fester Faktor zu definieren) in der Zwischensubjekteffekt-Tabelle die Signifikanz für de Korrelation. Das Eta² (unter Optionen Effektgröße anhaken) in jener Zeile ist übrigens das quadrierte Eta aus deiner Eta-Korrelation - wenn die metrisch skalierte Variable als abhängig definiert wird. Aufgrund der Skalierung von Eta zwischen 0 und +1 gibt es keine Notwendigkeit andere Effektstärkenklassen zu verwenden, als die für normale Korrelationen. Viele Grüße, Björn.

[@laumut1622]

Hi Björn, ich hab da mal ne Frage: Ich habe einen Datensatz. Bei mir geht es um das Thema Shitstorm. Da habe ich eine Erhebung gemacht und die Variablen auch kodiert. Die nominalvariable ist, ob man teilgenommen hat (Ja & Nein) Dann kommen viele Likert Skalen Items ins Spiel, warum sie dran teilgenommen haben oder nicht. Meine Hypothese ist jetzt zum Beispiel, dass die Wahrscheinlichkeit der Teilnahme zunimmt, wenn das Unternehmen Kenntnis nehmen soll. Dafür habe ich gefragt, ob Teilnehmende mit dieser Aussage zustimmen und Nicht-Teilnehmende potenziell mit dieser Aussage zustimmen, um in Zukunft dran teilzunehmen. Der T-Test ist jetzt zweiseitig signifikant. Das heißt ja, dass ein Effekt herrscht. Aber darf ich dann behaupten, dass die Variable "Unternehmen Kenntnis" nehmen mit Teilnahme korreliert oder bedeutet dies, dass die Mittelwerte sich unterscheiden und die Hypothese wiederlegen?

[@laumut1622]

Welche Methode würdest du denn nutzen für diese Fragestellung?

[@mariamichaelis2918]

Hallo Björn, vielen Dank für deine hilfreichen und verständlichen Videos. Kann ich den Eta-Koeffizienten auch verwenden, wenn ich mehrere Kategorien habe (z.B. Klassenstufe des Kindes mit 4 Kategorien)? Ich muss den Einfluss von verschiedenen UV´s (alle kategoriale Ausprägungen; manche mit 2 Ausprägungen, manche haben aber 6 Ausprägungen) auf eine metrische Variable untersuchen. Mache ich das einzeln über die Eta-Koeffizienten, oder gibt es noch andere Möglichkeiten (das N in den einzelnen Kategorien ist unterschiedlich groß)? Vielen Dank für deine Hilfe.

[@StatistikamPC_BjoernWalther]

Hallo Maria und danke für dein Lob! Wie viele Ausprägungen die nominale Variable hat, ist für den Eta-Koeffizienten nicht wichtig. Du kannst das separat berechnen oder nimmst die nominalen Variablen gleichzeitig als z.B. Spaltenvariable auf. Bei letzterem bekommst du separate Ergebnistabellen. Viele Grüße, Björn.

[@franzixxx9753]

Hallo :) unglaublich hilfreiches Video! Meine Frage: gibt es bestimmte Voraussetzungen für die Korrelation mit Eta? zb größe der stichproben angeht? ich wollte den Eta Koeffizienten für das Geschlecht benutzen (weiblich, männlich, divers), allerdings sind bei über 100 Probanden nur 2 divers. lg

[@StatistikamPC_BjoernWalther]

Hallo, danke für dein Lob! Ich würde fast sagen, dass eine solch kleine dritte Gruppe nicht zu einem sinnvollen Ergbnis führen wird, würde jene daher weglassen und das auch so mit diesem Argument verschriftlichen. Viele Grüße, Björn.

[@sophiaefthymiou7120]

Hallo Björn, danke für deine Videos. Obwohl meine Ergebnisse der ANOVA statistisch signifikant sind, bekomme ich nur sehr geringe Eta Werte. Wie ist es zu verstehen, dass ein Zusammenhang besteht, die UV die AV aber nur zu bspw. 2% erklärt. Liebe Grüße Sophia

[@StatistikamPC_BjoernWalther]

Hallo Sophia, ein kleines Eta bedeutet ja nur einen eher geringen Zusammenhang zwischen der nominalen und metrischen Variable. Im Rahmen einer ANOVA (zumindest außerhalb der Regression) schaust du ja nur auf Mittelwertunterschiede zwischen Gruppen hinsichtlich der metrischen Variable. Auch da können die Unterschiede klein und signifikant sein. Viele Grüße, Björn.

[@t0wn3y]

Hallo Björn, danke für deine Videos! Ich wollte ursprünglich den Zusammenhang zwischen einer nominalen, dichotomen Variable und einer metrischen Variable per Eta-Koeffzient berechnen. Jetzt habe ich aber auch gelesen, dass man in diesem speziellen Fall der dichotomen, nominalen Variable trotzdem Pearson verwendet darf. Was meinst du dazu bzw. was würdest du empfehlen?

[@StatistikamPC_BjoernWalther]

Hallo Towny, das funktioniert so wie beschrieben. Dazu habe ich unter dem Stichwort punktbiseriale Korrelation auch ein Video zu gemacht Viele Grüße, Björn.

[@t0wn3y]

@@StatistikamPC_BjoernWalther Vielen Dank!

[@Benedikt477]

Lieber Björn, ich hätte eine Frage: Wie gebe ich denn den Eta-Koeffizienten in einer wissenschaftlichen Arbeit an? Bzw. wie heißt die Korrelation auf "Statistikdeutsch"? Wenn ich nach "Eta-Koeffizienten" suche, kommt nur η2- Wäre somit die Wurzel davon der Prozentwert, wieviel der Änderung der abhängigen Variable durch die unabh. Variable erklärt werden kann? Vielen Dank für deine tollen Videos, damit hilfst du mir echt wahnsinnig viel!! Liebe Grüße :D

[@StatistikamPC_BjoernWalther]

Hallo Benedikt und danke für die lobenden Worte! Du würdest lediglich Eta, die Signifikanz und N angeben. Mehr braucht und gibt es da nicht. Von Erklärung würde ich nicht reden, weil das einen gerichteten Zusammenhang unterstellt, den eine Korrelation ja gerade nicht zeigen kann. Viele Grüße, Björn.

[@annaweimer5165]

Lieber Björn, wie interpretiere ich denn den Eta-Koeffizienten bei drei Ausprägungen? In dem Beispiel mit den Wohnsituationen zum Beispiel, heißt die 11% Varianzaufklärung im IQ, dass eine Person die im Einfamilienhaus lebt eher einen höheren IQ hat als jmd der im Reihenhaus wohnt und diese wiederum haben eher ein höheren IQ als die in Wohnungen? Oder muss man da auf da auf die Deskriptive Verteilung der Ausprägungen in den Spalten der großen Tabelle schauen?

[@StatistikamPC_BjoernWalther]

Hallo Anna, so wie du es gerne interpretieren würdest, müsste man eine Regression mit kategorialer unabhängiger Variable rechnen, also mit Dummies arbeiten: kzbin.info/www/bejne/gZvMoot6fMyqmM0 Im Falle von Eta kannst du lediglich zwischen 0 und 1 die Stärke des Zusammenhanges ausdrücken. Ich würde mir in solchen Fällen immer zu erst die Mittelwerte und die Varianzen je Gruppe anschauen sowie das Streudiagramm. Das verrät meist mehr als ein einzelner Wert über den Zusammenhang, den wenige Leute tatsächlich interpretieren (können). Viele Grüße, Björn.

[@m.m.1230]

Vielen Dank für die sehr hilfreichen Videos. Jedoch ist bei mir noch eine Frage offen. Wie kann ich nominale und ordinale Skalenniveaus am besten im spss auswerten um einen aussagekräftigen Korrelationsfaktor und Signifikanz zu bekommen. Die ordinale Kategorie setzt sich aus einer Auswahl eines Fragebogens mit Werten von 1-5 zusammen und die nominale Kategorie ist hier zB "Berufsgruppe".

[@StatistikamPC_BjoernWalther]

Hallo, sehr gerne! Danke für deine Kanalmitgliedschaft! Wenn die Anzahl der Merkmalsausprägungen der nominalen Variable nicht zu groß ist, kann man auch wunderbar mit Kreuztabellen arbeiten. Das hat den Vorteil, dass man sich auch die erwarteten Häufigkeiten z.B. Ordinalskalafrage pro Berufsgruppe anzeigen lassen kann. Das wiederum ist interessant, wenn man von stochastischer Unabhängigkeit der beiden Merkmale (= Nicht-Korrelation) ausgehen würde. Sind die erwarteten Häufigkeiten gleich den beobachteten Häufigkeiten, würde man von Unabhängigkeit und damit keiner Korrelation sprechen können - die Signifikanz des Chi²-Tests auf Basis der Kreuztabelle wäre dann ein eindeutigerer Hinweis. Viele Grüße, Björn.

[@LaMarinaMar]

Was rätst du, wenn man eine Interkorrelationstabelle machen möchte aus 9 Variablen von denen 6 metrisch und 3 nominal sind? Ich kann in diesem Fall nur unter den tatsächlichen UV und AV unterscheiden, aber bei UV1 und UV2 wüsste ich nicht welches Eta korrekt wäre? Außerdem müsste ich, wie mir gerade scheint, sehr aufwendig alle Werte einzeln zu sichten. Gibt es da vielleicht noch andere Möglichkeiten?

[@StatistikamPC_BjoernWalther]

Hallo Marina, um das ganz nicht händisch zu machen bietet sich die Syntax mit einer Schleifenfunktion an. Wenn du aber kein Vorerfahrungen mit Programmiersprachen oder dem SPSS-Syntax hast, bleibt nur die aufwändigere Methode. Viele Grße, Björn.

[@vleraba4729]

Hallo, ich hätte da eine Frage, an der ich verzweiiifleeeee :( Ich habe eine Hypothese bei der die AV nominal skaliert ist und die UV quasi metrisch. Welche Korrelationsmaße kann ich denn nun nutzen und wie genau tu ich dies? Kann ich außer Eta auch etwas anderes nutzen? Wie Lambda oder Cramers V? Danke bereits im Voraus!

[@StatistikamPC_BjoernWalther]

Hallo Vlera, für mich hört sich das nach ETA an. Lambda und Cramers V setzen auch nur auf Chi² auf, den man typischerweise bei nominal/nominal, nominal/ordinal einsetzt. Viele Grüße, Björn.

[@andreakramer3171]

Hallo, erst einmal danke für die hilfreichen Videos! Ich möchte feststellen, ob es einen Zusammenhang zwischen einer nominalen Variable (dichotom) und einer intervallskalierte Variables (Likertskala) gibt. Nun frage ich mich, ob ich nicht auch einen t-Test für einen Gruppenvergleich machen kann. Hierdurch sehe ich doch, ob es einen signifikanten Unterschied zwischen beiden Ausprägungen gibt, oder liege ich hier falsch? Schon einmal danke für deine Antwort!

[@StatistikamPC_BjoernWalther]

Hallo Andrea und danke für dein Lob! Prinzipiell kann ein t-Test das leisten, sofern du nur zwei Ausprägungen deiner nominal skalierten Variable hast. Hat sie mehr als zwei Ausprägungen, wählst du eine ANOVA. Viele Grüße, Björn.

[@lissakolotova4387]

*Only 18* 👇👇👇 602168.loveisreal.ru

[@LaMarinaMar]

SPSS gibt nur eta raus, wenn ich es quadriere erhalte ich eta², kann ich dadurch irgendwie das partielle eta² erhalten?

[@StatistikamPC_BjoernWalther]

Hallo Marina, über eine ANOVA (Univariates Modell) und unter Optionen Effektgröße anhaken. Dann gibt es bei deiner nominal skalierten Variable (als fester Faktor zu definieren) in der Zwischensubjekteffekt-Tabelle das partielle Eta² Viele Grüße, Björn.

[@axelpilsen]

Hi Björn, Vielen Dank für die vielen hilfreichen Videos. Ich habe parallel zum Video versucht den ETA-Koeffizienten mit SPSS und meinem Datensatz zu berechnen. Ich möchte damit den Zusammenhang der Position von Fußballspielern, sprich Torhüter, Verteidigung, Mittelfeld, Angriff (also nominalskaliert mit 4 Ausprägungen?!) und den Ergebnissen eines sportpsychologischen Tests zur Untersuchung von kognitiven Fähigkeiten überprüfen (die Werte werden als absolute Zahl metrisch skaliert angegeben). Ich habe die Anweisungen des Videos befolgt und bekomme von SPSS die Fehlermeldung, dass ETA.. nur mit numerischen Werten berechnet werden kann. Soweit so logisch. Habe den Positionen in SPSS Werte zugeordnet (Torhüter=0, Verteidiger=1 usw.). Leider bekomme ich nach wie vor die gleiche Fehlemeldung. Hast du eine Idee, wo der Fehler liegen könnte? VG Torben

[@StatistikamPC_BjoernWalther]

Hallo Torben, sind die Variablen beim Typ als numerisch definiert oder (noch) als Zeichenfolge? Viele Grüße, Björn.

[@Austrianman11]

Gibt es irgendwie eine Möglichkeit das auch mit mehr als 1000 Fällen zu machen. Kreuztabellen gehen in SPSS ja nur bis zu 1000 Fällen

[@StatistikamPC_BjoernWalther]

Hallo Mario, in SPSS gibt es diese Möglichkeit leider nicht. Ich habe getestet, ob die Open Source Alternative PSPP dieses Limit auch hat - hat sie nicht. Damit kannst du fortfahren. Viele Grüße, Björn.

[@philippmuller2086]

mich würde interessieren wie es umgekehrt geht? also das bestehen des führerscheins vorherzusagen?

[@StatistikamPC_BjoernWalther]

Hallo, da wäre eine binär-logistische Regression denkbar. Viele Grüße, Björn.

[@philippmuller2086]

@@StatistikamPC_BjoernWalther Vielen Dank! Hatte überlegt, ob man irgend eine Art Korrelationsmatrix machen könnte, aber vermutlich geht nur logistische Regression..