Bivariate Korrelation in SPSS - Skalenniveaus und korrekte Korrelationsmaße

[@lauracremer908]

Ich liebe deine Videos, weil sie so schön kurz und knapp und ohne viel Drumrum-Geplänkel sind! Danke dafür!

[@TheDealhail]

Selbst mein Prof konnte mir das nicht so gut erklären ! Vielen Dank!

[@StatistikamPC_BjoernWalther]

Freut mich, wenn es geholfen hat!

[@carolinholl3441]

Danke für deine Videos, super hilfreich. Habe ich es richtig verstanden, dass es nicht um die Höhe der Werte beider Variablen geht, sondern inwieweit sich die Werte der beiden Variablen ähneln.

[@StatistikamPC_BjoernWalther]

Danke für dein Lob, Carolin! Die Korrelation sagt dir, was mit der einen Variable passiert, wenn die andere steigt - oder umgekehrt. Der Wertebereich der Variablen selbst spielt keine Rolle in der Korrelation, im Gegensatz zur Kovarianz. Die Korrelation ist die standardisierte (auf -1 bis +1) Kovarianz. Viele Grüße, Björn.

[@carolinholl3441]

Danke für die Antwort. In meiner Auswertung habe ich den Fall, dass zwei Skalen mit niedrigeren Zahlen eine höhere Korrelation ergeben, als zwei Skalen mit höheren Zahlen (die erzielen eine niedrigere Korrelation). Ist das trotzdem plausibel?

[@StatistikamPC_BjoernWalther]

Ja, das ist vom Wertebereich losgelöst und bildet nur den Zusammenhang ab. Viele Grüße, Björn.

[@CountingSong]

Wirklich sehr hilfreich und leicht zu verstehen. Die angenehme Stimme trägt definitiv auch dazu bei. Vielen Dank!

[@till8775]

super job. Endlich mal einer der in nem tempo redet wo man auch dran bleibt

[@verenalatzko1425]

Suuuper!! Genau was ich gebraucht habe für meine Anfänge in SPSS und meiner Fallstudie.

[@corsacordales]

Wirklich hervorragend auf den Punkt gebracht. Danke für das Video!

[@StatistikamPC_BjoernWalther]

Danke für dein Lob! :-) Viele Grüße, Björn.

[@mareikemees577]

Oh Gott sei dank gibt es dich und diese Videos! Danke! DU hast schon wieder meinen Tag gerettet :)

[@avecmary3702]

Kanns nicht glauben. Habe meinen Fragebogen für die Bachelorarbeit aufgestellt und überhaupt nicht drauf geachtet, was ich korrelieren lassen will und welche Skalenniveaus ich eigentlich brauche und wie die zusammenhängen... bin so eine Niete in Mathe generell, aber das hier, das habe ich auf Anhieb gecheckt. Echt danke, du rettest mir die BA.

[@beecharmer9303]

Du rettest mir gerade meinen Tag.♥️

[@fredsterke7410]

ich schreibe meine bachelorarbeit und ohne dich wäre ich im a****h :D

[@StatistikamPC_BjoernWalther]

Freut mich, wenn dir die Videos geholfen haben! Über eine kleine Spende (Link in Videobeschreibung) freut sich der Kanal in solchen Fällen umso mehr. ;-) Viele Grüße, Björn.

[@linadinse4173]

Super Videos -kurz knapp auf das Wesentliche beschränkt.

[@andreabreslmayr8694]

tolles tutorial, hilft statistik-laien wie mir sehr weiter, vielen vielen dank!!!

[@StatistikamPC_BjoernWalther]

Hallo Andrea, das freut mich zu hören! :-) Viele Grüße, Björn.

[@fitrihasanah9480]

Sehr hilfreich danke 😊

[@onnokrusmann896]

ausgesprochen lehrreich, danke!

[@volos007gv]

Easter Egg bei Name Nr. 10

[@Khiito]

xD gutes Auge

[@LittleRCs]

DANKE! Einfach mega

[@StatistikamPC_BjoernWalther]

Dankeschön! Viel Erfolg weiterhin! Viele Grüße, Björn.

[@isabell8536]

Kann ich die Spearmann-Korrelation auch verwenden wenn ich 2 (oder mehr) metrische Variablen habe, davon aber mehrere nicht normalverteilt sind? Die Pearson-Korrelation entfällt dadurch ja?

[@alinajakob9373]

Kann ich den ETA Koeffizienten auch benutzen wenn meine abhängige Variable binär und meine unabhängige metrisch ist und geht das nur, wenn es umgekehrt ist?:)

[@samuelmxwl98]

Wie kann ich eine Korrelation zweier ordinal skalierten Variablen machen? Ich habe aber zwei Messpunkte und will die allgemeine Korrelation der Variablen berechnen, nicht die Korrelation zu jedem Messpunkt?

[@Gemuesesuppen]

Tausend Dank!

[@anewyorkz6325]

Hi zusammen, kann mir jemand erklären weshalb bei mir nicht alle Variablen erscheinen, wenn ich auf "Analysieren"->"Korrelation"->"Bivariat" klicke? Ich sehe nur die metrischen Variablen, obwohl ich in meinen Daten auch Nominaldaten habe. Danke für eure Antwort!

[@1sunshine4]

Super Videos! Danke!

[@StatistikamPC_BjoernWalther]

Danke! :-) Viele Grüße, Björn.

[@Sarah-kc3fb]

Welche Version benötige ich, um eine bivariate Korrelation durchzuführen? SPSS Base, Standard oder Premium?

[@susannesteffen]

Vielen Dank für das informative Video :) Bei 2 ordinal-skalierten Variablen und Korrelation nach Spearman, muss ich die Skalen nicht z-standardisieren?

[@StatistikamPC_BjoernWalther]

Hallo Susanne, nein, z-Standardisierung ist nicht notwendig, da Korrelationskoeffizienten bereits standardisiert sind. Die Kovarianz wäre das unstandardisierte Maß für den Zusammenhang. Viele Grüße, Björn.

[@susannesteffen]

@@StatistikamPC_BjoernWalther Vielen herzlichen Dank für die schnelle Antwort :)

[@stefanie125]

Hallo! Ich lerne im Internet und besonders hier mehr als aus Lehrbüchern! Warum packen die Autoren solche Tabellen nicht in Lehrbücher? ... Leider weiß ich noch nicht wie ich mit meinen ordinalskalierten Variablen umgehen muss, wenn ich eine lineare Regression oder eine multiple lineare Regression rechnen möchte. Muss ich die dummykodieren wie bei nominalskalierten Variablen? Vielen Dank!

[@StatistikamPC_BjoernWalther]

Hallo Stefanie, freut mich, wenn dich die Videos voranbringen. Manche Übersichten gibt es sicher in einigen Lehrbüchern, man findet sie nur kaum, weil die Suche so schwer ist. Ordinalskalierte Variablen kannst du einfach in die Regression aufnehmen. Du benötigst keine Umcodierung. Viele Grüße, Björn.

[@stefanie125]

Statistik am PC Danke!

[@gubblblub]

@@StatistikamPC_BjoernWalther Hallo Björn, aber doch nur, wenn die ordinalskalierte Variablen unabhängig sind. Ist die abhängige Variable ordinalskaliert kommt doch nur die ordinale Regression in Betracht, oder?

[@marlonj.5060]

Danke für deine tollen Tutorials. Eine Frage bleibt mir. Muss vor der Entscheidung für Pearson usw. nicht ebenso geprüft werden, ob die Variablen normalverteilt sind? Was mache ich wenn eine Variable normaverteilt ist und die andere nicht? Grüße

[@herrmuller1632]

Guten Tag Björn, ich hätte eine Frage. Ich möchte meine Bachelorarbeit auswerten. Für eine Hypothese, bei der in die Korrelation ausfinden möchte, brauche ich zwei Fragen aus meiner Umfrage. Diese zwei Fragen waren in Text form und habe ich umcodiert in andere Variablen. Von diesen zwei Fragen möchte ich aber nur zwei Antwortmöglichkeiten miteinander korrelieren. Wie funktioniert das? Liebe Grüße Seb

[@StatistikamPC_BjoernWalther]

Hallo Seb, das klingt ungewöhnlich, was du vorhast. Entweder du setzt einen Filter für beide Variablen, dass nur die entsprechenden Antworten zugelassen sind oder du schaust dir das ganze mit einem Chi²-Test und Post-Hoc-Test an. Viele Grüße, Björn.

[@macc9637]

Was ist wenn man den Einfluss einer nominalen Variable auf eine Ordinate Variable prüfen möchte ? Welchen Test benutzt man ? Danke im Voraus für die Antwort!

[@pbone3376]

Hinweis: Die Pearson-Korrelation (intervallskalierte Variablen) ist nicht zu verwechseln mit dem Pearson-Chi-Quadrat-Test (für nominal- bis ordinal-skalierte Variablen). Dankt mir später ;)

[@StatistikamPC_BjoernWalther]

Hat keiner was anderes behauptet. ;-)

[@franziw5232]

Hallo Björn, falls ich metrische Daten habe, die nicht normalverteilt sind, muss ich dann Spearman nehmen? n=90 bzw. bei einem anderen Datensatz n=235. Eigentlich kann man dann ja theoretisch davon ausgehen, dass die Werte normalverteilt sind (Grenzwertsatz), oder? Hatte es mit Kolmogorov überprüft und da kam leider keine Normalverteilung raus... und welche korrelationskoeffizienten benutzen, falls eine Variable normalwerteilt ist bzw. aller Kriterrien für den Pearson erfüllt und die andere nicht? Ich habe dein Video zu den Pearson Voraussetzungen gesehen und bin deswegen jetzt etwas verunsichert, welche Koeefizient der richtige ist..

[@StatistikamPC_BjoernWalther]

Hallo Franzi, die Variablen brauchen an sich nicht normalverteilt zu sein. Es bedarf einer bivariaten Normalverteilung, also zu jeder Ausprägung der einen Variable müssen die anderen Ausprägungen normalverteilt sein: kzbin.info/www/bejne/kIHSioCcrZWUf7s bzw. auch Warner, R. M. (2014). Applied statistics: From bivariate through multivariate techniques., S. 268. Du kannst dir das wie einen 3D-Berg vorstellen. Zumeist wird diese Voraussetzung aber von Autoren überhaupt nicht geprüft - lieber beim Betreuer nachfragen, ob du prüfen solltest oder nicht. Im allergrößten Zweifel solltest du bei Unwohlsein mit Spearman rechnen oder mit Resampling wie Bootstrap arbeiten. Viele Grüße, Björn.

[@annimi9568]

Hallo, wenn ich eine ja/nein Frage mit einem Likert-Skalen Durchschnitt korrelieren möchte, also herausfinden möchte, ob ein hoher Durchschnitt dazu führt, dass Leute eher ja antworten, kann ich da nur den Chi Quadrat test nehmen? sind ja nominale und ordinale Skalen dann, nur sagt der letztendlich ja nur aus, ob die Variablen unabhängig sind oder nicht..

[@StatistikamPC_BjoernWalther]

Hallo Anni, ja, der Chi²-Test ist hier angebracht. Wenn sie nicht unabhängig voneinander sind, weisen sie ja ein gewisses zusammenhängendes Auftreten auf, was wiederum für Korrelation spricht. Viele Grüße, Björn.

[@natiasichinava9524]

Toll erklärt... Vielen Dank!

[@crossray974]

Grossartige Videos und wirklich sehr gut erklärt. Björn, kannst Du uns den Unterschied zwischen Korrelation und Interaktionseffekt erklären?

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Korrelation ist ein ungerichteter Zusammenhang. Es gibt einfach gesagt keine Ursache und keine Wirkung. Eine Interaktion hat einen gerichteten Zusammenhang mit unabhängiger und abhängiger Variable. Allerdings gibt es hier zusäzlich noch einen weiteren Faktor, der die Wirkung der unabhängigen Variable auf die abhängige Variable verstärkt oder abschwächt. Viele Grüße, Björn.

[@blubbsel8251]

Hallo Björn, erst einmal vielen Dank für die super Videos! Du diskutierst in diesem Video den Chi-Quadrat-Test als Korrelationsmaß für ein ordinal/ordinal-Skalenpaar (6:52). SPSS zeigt allerdings an, das 4 Zellen eine erwartete Häufigkeit kleiner 5 haben. Nach Aussagen von dir im Video zum Chi-Quadrat-Test würde ich hier bei einem nominal/nominal-Skalenpaar auf den exakten Test nach Fisher zurückgreifen. Bei einem ordinal/ordinal-Skalenpaar wird allerdings kein exakter Test ausgegeben. Kann ich dann hier einfach auf das Ergebnis des Chi-Quadrats-Tests vertrauen (trotz der geringen erwarteten Häufigkeiten)? Konkret habe ich die gleiche Problematik bei einem nominal/ordinal-Skalenpaar, für das ich nach deiner Tabelle nur den Chi-Quadrat-Test anwenden kann, der aber aufgrund von geringen erwarteten Häufigkeiten ggf. unzuverlässig ist. Für Hilfe wäre ich sehr dankbar! Liebe Grüße, Isabelle

[@yannik246]

Nominal & Nominal: Kontingenzkoeffizient oder Phi/Cramer-V Ordinal & Ordinal: Rangkorrelation --> Spearman oder Kendalls Tau Nominal & Ordinal: Chi²

[@Dibafxx]

Hey top Video :) hätte da ne frage. Ist es sinnvoll bevor man die ordinale Regression ausführt, die Korrelation zu berechnen um zu schauen ob es überhaupt einen Zusammenhang gibt. Folgendes Problem. Bei der ordinale Regression entstehen bei den signifikanzwerten für eine Variable bei den dummy Variablen mal eine Signifikanz mal eine nicht Signifikanz. Pa ist die Variable Altersgruppe. Sprich PA01 ist Signifikant, Pa02 ist nicht Signifikanz Pa03 nicht Signifikant und Pa04 wieder Signifikant. Jetzt weiß ich nicht ob es überhält einen Zusammenhang zwischen dieser und der Ausgangsvatiable gibt. Ich könnte ja dann die Korrelation dazu berechnen, und darauf hin könnte ich schauen in dem Ergebnis der ordinale Regression wie die einflussrichtung ist oder lieg ich falsch ?

[@StatistikamPC_BjoernWalther]

Hallo Dibafxx, prinzipiell kann man die Frage recht leicht beantworten. Nein, es braucht keine Korrelation zwischen UV und AV, um eine Regression zu rechnen. Das kannst du unter dem Stichwort cum hoc ergo propter hoc auch noch mal z.B. bei Wikipedia nachlesen. Viele Grüße, Björn.

[@Dibafxx]

Danke das du mir hilfst :) Ich hätte noch eine Frage und hoffe du hast da ne Antwort darauf da ich im Netz kaum was dazu finde. Bei der ordinalen Regression bekomme ich bei der Tabelle Parallelitätstest für Linien eine unterschiedliche Signifikanz als Ergebnis, sobald ich die prädikatoren in einer unterschiedlichen Reihenfolge in das Modell tu. Woran kann das liegen? Das Tool sollte ich eig richtig verwenden... ich bin darauf gestossen dass es damit zusammemhängen könnte, dass es sich bei den präditoren um kategoriale Variablen handelt und das wiederum hängt mit den Referenzkategorien zusammen. Weißt du evtl an was das liegen könnte und wie wähle ich die richtige Reihenfolge 😊 vielen Dank 😊

[@StatistikamPC_BjoernWalther]

Führst du eine schrittweise Regression durch? Wenn ja, dann wäre das denkbar. Ist das Vorgehen in dem Fall irgendwie theoretisch begründet? Viele Grüße, Björn.

[@Dibafxx]

Statistik am PC hab einfach ne ganz normale Regression durchgeführt und nichts am Modell geändert. Einfach aus Interesse probiert was sich verändert wenn ich die Variablen verschiebe. Im Modell bleibt alles gleich außer im parallelitätstest für Linien änder dich die Signifikanz was mir persönlich komisch erscheint 😊 Grüße :)

[@StatistikamPC_BjoernWalther]

Hallo Markus, ich habe das eben mal mit zwei Datensätzen bei mir getestet und es kommt (erwartungsgemäß?) immer das selbe raus. Das Modell wird ja eigentlich auch immer mit gleichzeitiger Aufnahme der Variablen berechnet. Es wäre zudem irgendwie komisch, wenn Kategorieparameter über alle Niveaus der abhängigen Variablen mal gleich und mal nicht gleich sind. Sehr komisch. Hast du vielleicht Bootstrapping aktiviert? Viele Grüße, Björn.

[@sandrakonig3749]

Dankeschön! Ist die Rangkorrelation auch das am besten geeignetse Prüfverfahren wenn ich eine unabhängige intervallskallierte Variable (Alter) und eine abhängige ordinale Variable habe? Natürlich würde ich die unabhängige Variable zuvor in eine ordinale transformieren...

[@StatistikamPC_BjoernWalther]

Hallo Sandra, ja, ich würde das so machen. Ob man jetzt allerdings Spearman oder Kendall's Tau verwendet, wird häufig nicht unterschieden. Spearman wird häufiger verwendet, meist aber ohne Grund, da Kendall's Tau etwas besser geeignet erscheint: Howell, D. C. (2013). Statistical methods for psychology. Belmont, Calif?: Wadsworth Cengage Learning, S. 316. VIele Grüße, Björn.

[@amandawickenhagen5305]

@@StatistikamPC_BjoernWalther Hallo Björn, zunächst ein großes Lob an dich! Ohne deine Videos wäre ich echt aufgeschmissen. Ich habe eine Frage zu den Korrelationen zwischen zwei unterschiedlichen Skalenniveaus. Ich gehe davon aus, dass die Folie im Video korrekt ist, oder? In der Einleitung zum Video steht "metrisch/ordinal: Kontigenzkoeffizient, Phi oder Cramer V" dies passt nicht zur Folie im Video. Nun zu meiner Frage: Ich habe eine metrische Variable Stress und eine ordinale Variable Hierarchie (1=Mitarbeiter, Teamleiter, Abteilungsleiter, Bereichsleiter, 5=Geschäftsführung) kann ich diese beiden so wie sie sind nach Spearman oder Kendalls Tau korrelieren? Oder muss die metrische Variable in eine ordinale Variable umgewandelt werden, so wie es Sandra König beschrieben hat? Lieben Dank für deine Hilfe und Grüße, Amanda.

[@inalee7508]

Hallo! Ich habe eine Frage: wenn ich den Zusammenhang zwischen einem nominalen und metrischen Merkmal untersuche, wird in der Regel das Maß von Cramer herangezogen oder? Hab folgende Fragen in meiner Aufgabenstellung! 1) Mit welcher Kennzahl würden Sie die Abhängigkeit zwischen den beiden Merkmalen berechnen und welches Problem würde auftauchen? 2) stellen Sie eine Lösungsmöglichkeit stattdessen vor und berechnen Sie ob nun eine Abhängigkeit zwischen Geschlecht und Arbeitszufriedenheit herrscht. Dachte man kann da nur das Maß von Cramer anwenden und verstehe nicht welches Problem auftreten könnte und welcher Lösungsansatz verwendet werden soll! Bitte um Hilfe :)))) Glg

[@michaelh.6522]

Interessantes Video, gut erklärt. Was ich echt interessant fände wäre ein Video was z.B. am Beispiel einer Korrelationstabelle hilft ein besseres Verständniss vom präsentiertem zu bekommen... ich habe eben wieder eine Tabelle vor mir gehabt und ehrlich eine Probleme gehabt... Falls Du dazu was im Angebot hättest wäre super ;-)

[@StatistikamPC_BjoernWalther]

Hallo Michael, danke für dein Lob! Meinst du eine kleine Interpretation der Korrelationstabelle? Viele Grüße, Björn.

[@michaelh.6522]

@@StatistikamPC_BjoernWalther ja genau, das wäre hilfreich

[@marenziesener6698]

Hallo ich habe eine Frage bezüglich Kendall-Tau-b und Spearman-Rho. Ich habe ordinalskalierte Variablen die ich auf Korrelation untersuchen möchte. Benutze ich beide Koeffizienten oder entscheide ich mich für einen? Wenn ja für welchen? Und was bringt es mir wenn ich beide berechne, kann ich da irgendwelche Aussagen treffen? Tut mir leid für die ganzen Fragen aber hatte nie Statistik und jetzt in meiner Masterarbeit soll ich das aber alles anwenden :P Danke für Deine Hilfe!

[@StatistikamPC_BjoernWalther]

Hallo Marén, Kendall Tau wird tatsächlich bevorzugt: Croux, C. and Dehon, C. (2010). Influence functions of the Spearman and Kendall correlation measures. Statistical Methods and Applications, 19, 497-515. Viele Grüße, Björn.

[@Cinnamonstar777]

weist du das du mir bezüglich meiner Bachelorarbeit den A**** rettest xD

[@louinamarie3456]

Wann wähle ich 1-seitig, wann 2-seitig? Danke LG

[@StatistikamPC_BjoernWalther]

Schau hierzu gerne mal hier: kzbin.info/www/bejne/sGavZaWbm9GXg9E oder hier rein: bjoernwalther.com/einseitige-hypothesentests-und-zweiseitige-hypothesentests/ Viele Grüße, Björn.

[@louinamarie3456]

@@StatistikamPC_BjoernWalther Herzlichen Dank!

[@louinamarie3456]

@@StatistikamPC_BjoernWalther Ich habe mir das Video angesehen. Mich verwirrt, dass man bei Korrelationen, die ja keine Kausalzusammenhänge annehmen dürfen, für die Hypothese dann doch einen Wirkzusammenhang annehmen darf. Danke für die Videos!

[@paulthereal9882]

Schönes Video! Bei dir werden auch alle Variablen mit einem "ordinal" Messniveau angezeigt und du kannst sie auswerten. Bei mir kann ich nur metrische und Nominale Variablen wählen.... - Und schon einmal was von Brave Rewards gehört - damit würde ich dich gern unterstützen....

[@Sila-ir7ez]

Ich schreibe gerade meine Masterarbeit und habe 3 Skalen, bei denen ich schauen möchte, ob eine Korrelation vorhanden ist - ich bin mir nun aber nicht sicher, welches Skalenniveau meine Skalen aufweisen und daher weiß ich nicht genau welchen test ich rechnen muss. Es handelt sich um die MAAS (Achtsamkeitsskala) 6 stufige Skala fast nie bis fast immer, den SWLS (Lebenszufriedenheit) 7 stufige Skala stimmt überhaupt nicht bis stimmt genau, die Skala Allgemeines Umweltbewusstsein - 5 stufige Auswahl stimme überhaupt nicht zu bis stimme voll und ganz zu. ich hoffe du kannst mir helfen. Liebe Grüße

[@StatistikamPC_BjoernWalther]

Hallo, zumeist wird das im Skalenhandbuch dargelegt, behelfsweise kann das anhand der Skalenkonstruktion abgeleitet werden. Wenn ein Skalenmittelwert aus den einzelnen Items erstellt wird, wird jener Wert als quasimetrisch angesehen und eine Pearson-Korrelation mit anderen so konstruierten Skalen angewandt. Wenn du auf Nummer sicher gehen willst, kann eine Rangkorrelation nach Spearman oder Kendall Tau genommen werden. Viele Grüße, Björn.

[@giuliaco2697]

Vielen Dank für deine tollen Videos! Ich schreibe meine Bachelorarbeit und habe in meiner Umfrage eine Fragenbatterie, die eine Zieldimension misst mit verschiedenen Aussagen, die alle jeweils auf einer Likert-Skala von 1-6 bewertet werden. Ich habe dann einen Skalenindex bzw. Mittelwertindex mittels mean gebiltet und einen Summenscore. Jetzt weiß ich aber nicht so recht, wie ich weiter vorgehen kann. Kann ich mit diesen Daten mit dem Summenscore oder Mittelwertindex Korrelationen mit einem weiteren Skalenindex einer zweiten Fragebatterie bilden? Sozusagen hätte ich dann doch zwei neue metrische Variablen, die ich dann nach Pearson korreliieren kann? oder sehe ich das falsch? Über eine Antwort würde ich mich unglaublich doll freuen!! Vielen Dank!!

[@StatistikamPC_BjoernWalther]

Hallo Giulia, danke für dein Lob! Prinzipiell kannst du mittels Mean-Score dann das Konstrukt abbilden und damit rechnen. Mittelwertscores werden auch als quasi-metrisch angesehen und können im Rahmen parametrischer Verfahren verwendet werden. Pearson wären also vollkommen in Ordnung. Viele Grüße, Björn.

[@alexandragrbt951]

@@StatistikamPC_BjoernWalther Hey Björn! Vielen Dank auch von mir für deine Videos! Ich habe diesbezüglich noch eine Frage: Wenn ich die Items zu einer neuen Variable über einen Mittelwertscore abgebildet habe, ist die neue Variable dann metrisch? Ich kann sie demnach nicht mit ordinal-skalierten Items korrelieren lassen, oder?

[@pia-mariemoertter7129]

Vielen Dank für dieses Video. Haben Sie für die Abbildung "Korrelationsmaße für Skalenpaare in SPSS" eine Quelle/weiterführende Literatur?

[@StatistikamPC_BjoernWalther]

Hallo Pia-Marie, diese Übersicht habe ich selbst erarbeitet, weswegen es da nicht DIE Quelle zu gibt. Sie basiert auf dem Wissen um allgemeine Kontingenz- und Rangkorrelationskoeffizienten und deren Anwendbarkeit, je nach Skalierung der Variablen. Da helfen nur (Lehr)Bücher, die die einzelnen Koeffizienten durchgehen und die Voraussetzungen diskutieren, z.B. Statistik: Schulze, Porath (2012). Viele Grüße, Björn.

[@BenaresCreed]

Vielen Dank für das Video:) Eine Frage: In wie fern beeinflusst eine V-förmiger Zusammenhang (oder U-förmig wenn man so will) des Variablenpaars die Interpretation der Korrelation, da grundsätzlich ein linearer Zusammenhang vorausgesetzt wird. Da der Knick der V-Form beim Nullpunkt der X-Variabel liegt (der Wertebereich ist von negativ bis positiv) ergeben sich quasi zwei partiell lineare Zusammenhänge für positive und negative Werte. Ich habe nun die negativen Werte ausgeschlossen, frage mich jedoch in wie fern eine Betrachtung aller Fälle sinn machen könnte. Vielen Dank

[@BenaresCreed]

PS: Ich verwende die Korrelation nach Spearman

[@StatistikamPC_BjoernWalther]

Hallo Raphael, immer gern. :-) Da es sich um ein "V" handelt, kannst du eigentlich nur eine Fallunterscheidung durchführen, weil du, wie du schon erkannt hast, gegen die Linearitätsannahme verstößt. Du könntest maximal noch vom x-Wert den Betrag nehmen, also aus negativen Werten positive machen. Ob das inhaltlich aber sinnvoll und zulässig ist, musst du in deinem Kontext entscheiden. Viele Grüße, Björn.

[@btvitek1671]

Pearsons r würde theoretisch auch beim Geschlecht gehen, wenn man die Variable eine dichotome Kodierung hätte?

[@StatistikamPC_BjoernWalther]

Hallo, ja, das wäre dann die punktbiseriale Korrelation, wenn eine Variable metrisch und die andere dichotom ist. Viele Grüße, Björn.

[@Max62948]

Hallo Björn, ich habe leider noch eine Frage zu dem behandelten Thema. Meine Aufgabe ist es eine Befragungsreihe (Kundenzufriedenheit 2017) mit der Befragungsreihe (Kundenzufriedenheit 2019) zu vergleichen. Der Fragebogen ist identisch und es handelt sich um eine Nominalskala (Ja, Nein, Kann ich nicht beurteilen). Mit dem hier aufgezeigten Chi^2 würde ich nicht viel anfangen können, da ich mir sicher bin, dass es für Frage 10 (2017) und Frage 10 (2019) einen Zusammenhang gibt. Wie prüfe ich jedoch ob ein signifikanter Unterschied von t0 zu t1 eingetreten ist? Es sollten nur die gleichen Fragen verglichen werden, sprich Frage 1 mit Frage 1, Frage 2 mit Frage 2 etc. Ich hoffe du kannst mir weiterhelfen. LG

[@StatistikamPC_BjoernWalther]

Hallo Max, da du abhängige Stichproben hast, würde ich spontan bei einem Mittelwertvergleich auf den Vorzeichen-Test tippen. Versuch den mal: kzbin.info/www/bejne/eXTNhH-lgc-Vbtk Viele Grüße, Björn.

[@viviennepietsch3264]

Hallo, ich habe mal eine Frage: Wie kann man den Zusammenhang zwischen einer abhängigen Variable (Bsp. Wissen) und mehreren unabhängigen Variablen (Geschlecht, Alter, Klassenzugehörigkeit) untersuchen, wenn die unabhängigen Variablen nicht alle metrisch sind? (Beantworten Jungen mehr Antworten richtig? abhängig von dem Alter?..)

[@viviennepietsch3264]

Oder gibt es auch eine mehrfaktorielle Varianzanalyse mit Messwiederholung? (Messwiederholung zu 3 Zeitpunkten mit 3 abhängigen Variablen?) Ich würde mich wirklich sehr über Hilfe freuen! :)

[@StatistikamPC_BjoernWalther]

@@viviennepietsch3264 Hallo Vivienne, oben schreibst du von drei UV, unten von drei AV. Ich gehe mal daovn aus, dass du letzteres meinst. Die UV können generell beliebig skaliert sein. Wenn deine AV metrisch ist, kannst du generell eine ANOVA mit Messwiederholung rechnen. Da es meines Wissens keine Möglichkeit in SPSS gibt, eine MANOVA (>1 AV) mit Messwiederholung zu rechnen. Meine Empfehlung daher: ANOVA mit Messwiederholung mit Alphafehlerkorrektur. Viele Grüße, Björn.

[@flexe3442]

Hallo, vielen Dank für das tolle Video! Wenn ich eine Skala 0%, 25%,50%,75%,100% in Zahlen umwandle (0%=0, 25%=1 etc.) was sind dann diese Zahlen nominal oder metrisch? Bzw welche Methode kann ich dann für die Berechnung der Korrelation untereinander verwenden?! Danke für die Rückmeldung!

[@petrakopke3054]

Wieder ein super Video. Wenn man sich die Korrellation zwischen metrischen Variablen anschaut, sollten die dann annährne dnormalverteilt sein? Wenn sie das nicht sind, teile ich die Variable beispielsweise in Quantile?

[@tatiabursulaia4978]

Sehr hilfreich, danke! Aber wenn ich die Korrelationen zwischen allen Variablen, also metrischen, nominalen und ordinalen Variablen, in einer Tabelle zeigen möchte, wie soll ich vorgehen? Und noch eine Frage: Ich möchte in dieser gleichen Tabelle auch SD und Mittelwerte anzeigen lassen. Wie geht das? Danke!

[@bjornwalther5292]

Hallo Tatia, das geht leider nicht, zumindest nicht SPSS. Du müsstest das in z.B. Excel nachbauen. Das ist aber eher unüblich. Ich würde ds lieber in zwei Tabellen packen. Eine deskriptive Tabelle und eine Korrelationstabelle. Viele Grüße, Björn.

[@markusderer2184]

Toller Kanal, um sich aus jedem Abgrund statistischer Don't Dos wieder heraushelfen zu lassen. Eine Frage zur bivariaten Korrelation: Kommt dieser Ansatz bei gruppierten Variablen, die vormals aus nominal skalierten Befragungsitems (4-stufige Likert Skala) zu einem Skalenmittelwert (der dann metrisch skaliert ist) zusammengefasst wurden, ebenfalls zum Einsatz? (Für die Gruppierung habe ich Cronbachs Alpha als Argument zuvor bemüht) Vielen Dank für deine Hilfe durch die Vielzahl der Videos und vielleicht auch durch eine "Extra-Wurst-Antwort" auf meine jetzige Frage :-) LG

[@StatistikamPC_BjoernWalther]

Hallo Markus, danke! Zu deiner Frage: ja, der Skalenmittelwert ist quasimetrisch und kann i.V.m. anderen metrischen Variablen per Pearson korreliert werden. Ordinale Skalierung der anderen Variable dann entsprechend Spearman usw. Viele Grüße, Björn.

[@markusderer2184]

@@StatistikamPC_BjoernWalther Hallo Björn, super vielen lieben Dank, für die schnelle Antwort! Deine Beiträge auf KZbin und die Arbeit die du dir hier machst sind echt bemerkenswert und stiften einen echten Mehrwert! Ich bin froh deinen Kanal gefunden zu haben! Alles Gute & viel Erfolg weiterhin!

[@StatistikamPC_BjoernWalther]

Danke für dein Feedback und Lob! Freut mich, wenn es einen Mehrwert hat. :-) Viele Grüße, Björn.

[@davidostoverschnigg7959]

Hi! Deine Videos sind super!!! Kurze Frage: wenn ich Korrelieren möchte ob Alter und Geschlecht mit der Höhe des systolischen Blutdruckes korrelieren - welchen Test müsste ich dann anwenden? Es handelt sich ja um unterschiedliche Skalenniveaus und mehrere variablen. Vielen Dank im Voraus, lG.

[@StatistikamPC_BjoernWalther]

Hallo David, danke für dein Lob! Du würdest die Pearson-Korrelation verwenden, da paarweise metrisch/metrisch und metrisch/dichotome Korrelationen durch ihn abgedeckt sind. Letzteres wurde unter dem Stichwort punktbiseriale Korrelation von mir schon mal in einem Video erklärt. Viele Grüße, Björn.

[@davidostoverschnigg7959]

@@StatistikamPC_BjoernWalther wow vielen Dank für die ultrarasche Antwort. Hilft mir mega weiter! LG

[@davidfriedl8680]

Hi Björn, wenn ich Fragen auf einer Likert-Skala (1 (Stimme gar nicht zu) - 5 (Stimme voll & ganz zu)) miteinander korrelieren möchte, dann ist das richtige Maß doch Ordinal, oder?

[@StatistikamPC_BjoernWalther]

Hallo David, genau, das sind die. In dem Fall solltest du mit Spearman korrelieren. Viele Grüße, Björn.

[@matzemagmilch]

Danke für dieses hilfreiche Video und alle weiteren Videos von dir! Jedoch eine Frage: Werden Schulnoten, bzw. Benotungs- und Bewertungssysteme nicht der Ordinalskala zugeordnet? In deinem Beispiel ist der Abischnitt als metrische Skala definiert.

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Ja, prinzipiell sind Schulnoten ordinal skaliert. Bildet man aus Ordinalskalen jedoch einen Durchschnittswert, werden diese meist als quasi-metrisch eingestuft und man verwendet für deren Analyse parametrische Verfahren. Das ist v.a. in der Psychologie und den so gemessenen latenten Konstrukten der Fall. Aber auch hier gilt: eine gute Begründung ist die halbe Miete. Wie bei vielem in der Statistik gibt es (Teil-)Disziplinen, die diese Ansicht jedoch nicht teilen. Viele Grüße, Björn.

[@jule7069]

Danke für das wunderbare Video, du rettest mir damit meine Masterarbeit! Eine Frage habe ich aber, vielleicht kann mir das jemand beantworten: Bei der Berechnung von Camers V habe ich einen Wert von bspw. 0,552 raus, was ja grundsätzlich auf einen mäßig starken Zusammenhang hinweist. Wie interpretiere ich denn das näherungsweise Signifikanzniveau? Im Gegensatz zum Beispiel ist das bei mir relativ hoch und selten bei < 0,05, sondern z.B. bei 0,532. Wie bringe ich das mit meinem Cramers V Wert in Zusammenhang? Vielen Dank!

[@andichris333]

Hallo, ich hätte ne Frage zu Korrelationen. Warum gibt Excel eigentlich keine Signifikanz aus, wenn man dort den Pearson-Korr.koeffizienten berechnet? Und nichtsignifikante Korrelationen sind auch Ergebnisse oder? Wenn man bspw. einen Pearson-Korr. koeffizienten von 0,85 herausbekommt, aber bei zweiseitiger Signifikanz einen p-Wert von über 0,05, bspw. 0,064. Kann man dann interpretieren, zwischen den Variablen besteht ein starker positiver Zusammenhang, der jedoch nicht signifikant ist? Also er könnte auch rein zufällig vorliegen? Vielen Dank im Voraus.

[@StatistikamPC_BjoernWalther]

Hallo Christoph, genau, nicht signifikante Korrelationen sind auch ein Ergebnis. Je größer deine Stichprobe ist, desto eher wird das signifikant. Wenn du so ein recht großes r hast, ist deine Stichprobe sicher sehr klein, richtig? Wenn dem so ist, könnte es sehr wohl daran liegen, dass die Korrelation zufällig ist. Warum Excel keine Signifikanz für die Korrelation angibt, ist nicht klar. Du kannst alternativ einen t-Wert berechnen ((r * Wurzel (n-2))/(Wurzel (1- r²))) mit r als Korrelationskoeffizient und n der Anzahl deiner Variablenpaare. Anschließend nimmst du die Funktion "=T.INV.2S" und setzt als x den eben berechneten t-Wert und als Freiheitsgrade n-2 ein. Dann bekommst du deinen p-Wert. Zur besseren Lesbarkeit die Berechnung des t-Wertes zum kopieren in Excel: =B9*WURZEL((B8-2))/WURZEL((1-B9^2)) B8 ist die Stichprobengröße, B9 der Korrelationskoeffizient. =T.VERT.2S(B10;B8-2) B10 ist obiger t-Wert, B8 die Stichprobengröße. Viele Grüße, Björn.

[@andrinadehnhard5773]

Die Übersicht im Video war sehr hilfreich. Dennoch eine Frage: Gibt es tatsächlich nur den Chi-Quadrat für den Zusammenhang zwischen ordinal- und nominalskalierten Daten? Beispielsweise möchte ich den Zusammenhang zwischen dem Alter (1-unter 30, 2-30-50 und 3-über 50) und der Teilnahme an einer Veranstaltung darstellen (1-sehr wahrscheinlich, 2-wahrscheinlich, 3-unwahrscheinlich, 4-sehr unwahrscheinlich). Das Alter ist entsprechend nominal und die Teilnahme ordinal. Ist das korrekt und geht das nur über den Chi-Quadrat?

[@StatistikamPC_BjoernWalther]

Hallo Andrina, danke für dein Lob! Chi² geht eigentlich immer. Für nominal/ordinal wäre das aber das einzige, was mir soweit bekannt ist. Man könnte alternativ aus der ordinalen noch eine nominale Variable machen und dann damit Phi/Cramer V rechnen, nimmt aber einen Informationsverlust in Kauf. Viele Grüße, Björn.

[@estherb185]

Hallo Björn, danke für die tollen Videos! Könntest du mir vielleicht auch weiterhelfen? Ich habe mehrere Zusammenhangshypothesen, die alle diesem Muster folgen: "A steht in einem positiven Zusammenhang zu B." Sowohl A als auch B (beide latent) wurden mit einer 5-stufigen Likert-Skala gemessen (trifft überhaupt nicht zu - trifft voll und ganz zu). Trotz einer Stichprobe von 204 Personen konnte ich keine Normalverteilung feststellen. Ich habe also den Korrelationskoeffizienten nach Spearman berechnet (leider keine starken Zusammenhänge). Gibt es noch weitere Auswertungsmöglichkeiten? Eine reine nichtparametrische Korrelationsanalyse scheint mir irgendwie nicht "gut genug" für eine Masterarbeit. Ich kenne mich mit Statistik aber leider kaum aus. LG und vielen Dank im Voraus!

[@StatistikamPC_BjoernWalther]

Hallo, wenn die Daten so sind wie sie sind, kann man auch keine parametrischen Tests herzaubern. Hast du grafisch auf Normalverteilung getestet? Du kannst für Pearson höchstens noch einen BCa-Methode-Bootstrap durchführen und die Konfidenzintervalle heranziehen. Ansonsten ist bei Zusammenhangsgypothesen neben einer Korrelation meist wenig möglich. Man könnte noch eine Kreuztabelle erstellen, da du aber die Items für die latententen Konstrukte wohl summiert oder gemittelt hast, wirst du sehr viele Ausprägungen haben und eine sehr unübersichtliche Tabelle erhalten. Viele Grüße, Björn.

[@estherb185]

@@StatistikamPC_BjoernWalther Danke für die Antwort! Die Grafiken sehen bei mir aufgrund der Likert-Skala leider etwas komisch und wenig aufschlussreich aus. Eine Regressionsanalyse, um eine genauere Aussage über den gefundenen Zusammenhang treffen zu können, kann ich wahrscheinlich dann auch nicht machen oder? Die Voraussetzung der Zufallsstichprobe erfülle ich schon mal nicht.

[@vivih5935]

Vielen Dank für Deine super Videos! Insbesondere die Tabelle "Korrelationsmaße für Skalenpaare in SPSS" extrem weitergeholfen. Hast Du da eventuell ein Buch als Quelle, das Du mir nennen könntest? LG und vielen Dank! :)

[@lindaeitelberger7146]

Super Videos, vielen Dank! Eine Frage: Hier in der Tabelle führst du chi^2 als Test für nominale + ordinale Variablen auf. In deinem Video zu chi^2 sagst du aber, dass die Voraussetzung für den Test ist, dass beide Variablen nominal sind. Was ist richtig?

[@StatistikamPC_BjoernWalther]

Hallo Linda, danke! Man kann Chi² (Rückfalltest) auch für ordinal skalierte bzw. eine Mischung aus nominal und ordinalen Variablen rechnen. Allerdings ist es im Rahmen der Kreuztabelle recht schnell unübersichtlich, wenn es viele Ausprägungen bei der ordinalen Variable gibt. Das hat auch zur Folge, das die Zellhäufigkeiten schnell mal unter 5 rutschen und dann kein asymptotischer Test mehr gerechnet werden kann und zwingend ein exakter benötigt wird. SPSS hat manchmal die unangenehme Eigenschaft, den nicht berechnen zu können. Daher ist er in meinen Augen und aus meiner Erfahrung heraus nur bedingt bei nominal/ordinal nutzbar. Probieren kann man es aber dennoch. Viele Grüße, Björn.

[@lindaeitelberger7146]

@@StatistikamPC_BjoernWalther Vielen Dank für die Antwort! Welcher Test wäre denn stattdessen für die Kombination von ordinaler und nominaler Skala zu empfehlen?

[@StatistikamPC_BjoernWalther]

Hallo Linda, Phi oder Cramer V könnte man noch verwenden. Viele Grüße, Björn.

[@dominikbuki6967]

Welchen Test nehme ich bei metrisch skalierten Variablen, bei denen einige nicht normalverteil sind. Die Stichproben der Variablen sind recht klein (zwischen 12 und 21).

[@StatistikamPC_BjoernWalther]

Hallo Dominik, wenn du auf einen Mittelwertvergleich anspielst, dann einen nichtparametrischen. In Abhängigkeit, ob du verbundene Stichproben oder nicht und wie viele Gruppen du hast, jeweils ein anderer. Hier gibt es die Antwort: kzbin.info/www/bejne/pIfFqICkqdWfiqM Viele Grüße, Björn.

[@dominikbuki6967]

Ich habe 4 AV und 2 AV und soll eine mögliche Korrelation herausfinden, einige Variablen sind nicht normalverteilt. Mein Professor meinte ich sollte die Daten z-Verteilen und dann statt der multiplen Regression eine Korrelation durchführen (vermutlich Pearson r). Jetzt habe ich nachgelesen Kandalls-Tau wäre auch möglich für kleinere Stichproben, ohne die z-Werte zu errechnen. Was ist sinnvoller oder aussagekräftiger? Und kann ich dann einfach die z-Werte in Spss ausgeben lassen per deskriptive Datenanalyse und diese z-Variablen bei der Pearsons r Korrelation einfügen? Vielen Dank für die Hilfe.

[@dominikbuki6967]

Die Variablen sind metrisch.

[@StatistikamPC_BjoernWalther]

Hallo Dominik, wie groß die Stichproben sind, ist bei der Korrelation unerheblich. Du hast 6 AV und keine UV? Ich versehe nicht so richtig, was du untersuchen willst. Bzgl. z-standardisieren empfehle ich dir folgendes, da klärt sich so einiges auf: de.wikipedia.org/wiki/Korrelationskoeffizient#Korrelationskoeffizient_f%C3%BCr_Zufallsvariablen Viele Grüße, Björn.

[@dominikbuki6967]

@@StatistikamPC_BjoernWalther Verzeihung hab 4 abhängige und 2 unabhängige variablen, habe mich vertippt 😅

[@JJ-282]

Erstmal super Video ;) nur hätte ich eine Frage: ich habe eine nominale String Variable Geschlecht und würde gerne auf Korrelation mit metrischen Variablen testen. Daher habe ich mit Hilfe deines Videos ETA ausgewählt. Ergebnis: Die ETA-Statistik ist nur für nummerische Variablen verfügbar! Welchen statistischen Test kann ich dann auswählen? vielen dank und liebe grüße

[@StatistikamPC_BjoernWalther]

Hallo Thomy, danke für dein Lob! Die nominal skalierte Variable muss natürlich mit Zahlen codiert sein, wo die textuellen Informationen dahinter liegen. Dann sollte es keine Fehlermeldung mehr geben. Viele Grüße, Björn.

[@m.r.7907]

Hallo! Sehr coole Videos zu SPSS. Einen Großteil habe ich verstanden. Ich habe nun auf Normalverteilung geprüft, es kam aber nicht bei jeder Dimension (Variablen) der beiden Fragebögen eine Normalverteilung raus. Folglich, kann ich die Variablen nicht als metrisch bezeichnen, soweit habe ich es (glaube ich) verstanden. Wie kann ich aber jetzt die Korrelation berechnen, wenn eine Variable/Dimension normalverteilt und die anderen nicht normalverteilt ist? Muss ich die Skalenniveaus vor dem Berechnen der Korrelationen noch verändern (von metrisch zu ordinal, weil nicht normalverteilt?) ? Ich wäre wirklich über Hilfe dankbar :)!

[@StatistikamPC_BjoernWalther]

Hallo Mina, Normalverteilung hat mit dem Skalenniveau nichts zu tun bzw. ich schließe nicht von der Normalverteilung auf metrisch oder nicht metrisch. Schau hierzu bitte mal hier nach: kzbin.info/www/bejne/kIHSioCcrZWUf7s Du kannst tendenziell auch ab einer Stichprobengröße von 30 auf die Prüfung der Normalverteilung mit Verweis auf den zentralen Grenzwertsatz verzichten. Abweichungen von der Normalverteilung wirken sich nämlich dann nicht mehr verzerrend auf die Schätzung aus: Döring, Bortz (2016) Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften, machst du nichts falsch. S. 640-641 amzn.to/2WzE4SC Der Vollständigkeit halber kann man eine Korrelation nach Spearman auch mit metrisch skalierten Variablen rechnen. SPSS kommt damit zurecht. Ich würde aber an deiner Stelle prüfen, ob der zentrale Grenzwertsatz anwendbar ist. Viele Grüße, Björn.

[@m.r.7907]

@@StatistikamPC_BjoernWalther Vielen, vielen Dank! ! :)

[@lena2471]

Vielen Dank für das super Video!! ich soll für meine Bachelorarbeit eine Korrelationstabelle mit allen Variablen anfertigen. Ich habe allerdings ordinale, nominale und metrische Variablen. Gibt es eine Möglichkeit wie man diese alle zusammen in einer Tabelle berechnen kann?

[@StatistikamPC_BjoernWalther]

Hallo Selena, leider gibt es da keine ein-Klick-Lösung. Man muss die Variablen mit unterschiedlichen Skalenniveaus jeweils mit dem richtigen Verfahren korrelieren und dann die Tabelle leider händisch selbst bauen. Zusatzergänzung zum Video: Dichotom und metrisch geht auch über Pearson-Korrelation - da wird automatisch "punktbiserial" von SPSS korreliert. Viele Grüße, Björn.

[@lena2471]

@@StatistikamPC_BjoernWalther oh wow vielen lieben Dank für deine schnelle Antwort! Das bedeutet, ich würde sozusagen immer einzelne Korrelationen je nach Skalenniveau und Verfahren berechnen und sie dann in eine Korrelationstabelle eintragen, sodass ich alle Felder gefüllt habe, oder? und zur Korrelation dichotom und metrisch: Entscheidet sich hier SPSS bei der dichotomen Variable für eine Ausprägung als 1 und eine als 0, sodass z.B. ein Koeffizient von 0.8 bedeuten würde, dass eine hohe Ausprägung auf der metrischen Variable eher mit Ausprägung 1 der dichotomen Variable zusammenhängt? (Entschuldige meine weniger fachlichen Ausdrücke :p)

[@mariposaazul3205]

Vielen Dank!

[@dominiquedelaluz8740]

Hi Björn, danke für deine hilfreichen Videos. Hab eine Frage. Gibt es nun überhaupt einen wirklichen Unterschied zwischen Unabhängigkeitstests (wie in diesem Video) und Homogenitätstests zweier Stichproben (z.B T-Test oder Mann Whitney U) ? Weil bei beiden vergleicht man ja eine bestimmte Variable zwischen zwei Gruppen und schaut, ob es signifikante Unterschiede gibt.

[@StatistikamPC_BjoernWalther]

Hallo Dominique, in diesem Video zeige ich ja nur am Rande Unabhängigkeitstest (Chi²). Die schauen, ob zwei Merkmale (Steuerklasse, Bildungsniveau) statistisch unabhängig voneinander sind. Bei einem t-Test schaust du dir eine Variable an (z.B. Gewicht) und schaust, ob sich diese zwischen zwei Gruppen (z.B. Mann/Frau) unterscheidet. Viele Grüße, Björn

[@dominiquedelaluz8740]

@@StatistikamPC_BjoernWalther Hi Björn, danke für deine Antwort. Aber wenn man die 2 Gruppen nun als Merkmal (Geschlecht) auffasst, dann käme das doch auf das gleiche heraus oder?

[@lorenal7468]

Hallo Björn, danke für dein tolles Video. Ich habe folgende Situation: Abhängige Variable: ETF investment (nominal) Unabhängige Variable: Financial literacy (ordinal) Kontrollvariable 1: Gender (nominal) Kontrollvariable 2: Age (ordinal) Kontrollvariable 3: Income (ordinal) Kontrollvariable 4: Education (nominal) Ich habe verstanden, dass ich je nach Skalenniveau unterschriedliche Korrelationstests machen muss. Meine Frage ist, muss ich ALLE Variablen paarweise testen? Oder nur die Kontrollvariablen untereinander? Die Kontrollvariablen und die unabhängige Variable? Die Kontrollvariable und die abhängige Variable? Vielen Dank, Lorena

[@StatistikamPC_BjoernWalther]

Hallo Lorena, danke! Was du machst, hängt von deinem Untersuchungsziel ab. Wenn du auf Multikollinearität im Rahmen der Regression testen möchtest, korrelierst du die UV jeweils miteinander und schaust, ob die Korrelationen unter 0,8 sind. Hast du konkrete bivariate Zusammenhangshypothesen, korrelierst du nur die Variablen, für die du Hypothesen hast. Wenn du aber eine logistische Regression hast (mein Tipp) mit AV und den UV, dann musst du eigentlich gar nichts korrelieren. Du rechnest dein Modell und kannst Multikollinearität auch mit den VIF-Werten aus der linearen Regression kontrollieren. Viele Grüße, Björn.

[@LS-sy7xb]

Vielen Dank für das tolle Video. Ich habe eine Frage zum Eta-Koeffizienten. Ab wann besteht denn eine mittelstarke bzw. eine starke Korrelation (ab welchen Werten jeweils)?

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Eta ist zwischen 0 und 1 definiert. Korrelationsmaße zwischen 0,1 und 0,3 stehen für eine schwache Korrelation, 0,3-0,5 stellt eine mittelstarke Korrelation dar und alles über 0,5 ist eine starke Korrelation. Cohen (1988) Statistical Power Analysis, S. 79-80. Viele Grüße, Björn.

[@viviennekochanowski352]

Wann ist es bei einer Rangkorrelation besser Spearman oder Kendalls Tau zu nehmen? Gibt es eine Logik dahinter?

[@StatistikamPC_BjoernWalther]

Hallo Vivienne, wie immer kann man das so argumentieren, wie man es gerade braucht. Meist sind die Werte von Kendalls Tau geringer als bei Spearman. Kendalls Tau wird auch lieber bei kleinen Stichproben verwendet, weil er gegen Ausreißer-Rangpaare nicht so anfällig ist. Die genaue Logik erschließt sich eher bei der Betrachtung der Berechnung - ein sehr mühsamer Prozess. ;-) Viele Grüße, Björn.

[@viviennekochanowski352]

hi Björn, vielen Dank. Ich dachte es gibt, ähnlich wie bei Phi und Cramers V auch dort eine "festgelegte" Logik :)

[@steffenherbrik9519]

Hallo, vielleicht kann mir hier jemand weiterhelfen, ich habe widersprüchliche Informationen hierzu: Müssen bei einer Korrelations-Berechnung von zwei metrischen Variablen (Zwei Likert-Skalen), beide Skalen die gleichen Antwortstufen haben? Oder kann ich bspw. Eigenschaft X als Skala mit 12 Items und 5 Antwortstufen messen und das korrelieren lassen mit meinen Werten meiner Messung von Fähigkeit Y mit 20 Items und 7 Antwortstufen? Freue mich auf Rückmeldung. Lg, Steffen

[@StatistikamPC_BjoernWalther]

Hallo Steffen, wenn es lediglich um die einfache Korrelation geht, ist der Wertebereich der Skala oder die Anzahl an Items aus denen sie sich zusammensetzt egal. Es geht ja nur um den Zusammenhang - statistisch signifikant positiv oder negativ und dessen Stärke. Wenn es einen guten Grund dagegen gibt, lass ich mich gerne eines besseren belehren. ;-) Viele Grüße, Björn.

[@TineandGeorgia]

Lieber Björn, wieder einmal ein klasse Video! Da kann ich den anderen nur recht geben. Ich frage mich allerdings, wie ich mit der Null- und der Alternativhypothese umgehe, wenn ich eine gerichtete H1 habe - sagen wir, diese postuliert eine negative Korrelation - aber in der Hypothesenprüfung eine signifikant positive Korrelation festgestellt wurde? Aufgrund der Signifikanz würde ich die H0 verwerfen. Allerdings habe ich bei Andy Field im Buch gelesen, dass er sagt, dass man das Ergebnis ignorieren sollte, da meine Alternativhypothese ja mehr oder weniger auch nicht angenommen werden kann. Ignorieren kann ich das Ergebnis nun in meiner Masterarbeit nur schwer. Hast du da einen Tipp? Vielen Dank!!

[@StatistikamPC_BjoernWalther]

Hallo, vielen dank für dein Lob! Andy Field hat (wie so häufig) vollkommen recht. Wenn du eine negative Korrelation unterstellst, aber eine statistisch signifikante positive Korrelation erhältst, ist die Nullhypothese dennoch nicht zu verwerfen, weil du "in die andere Richtung" prüfst. Du musst es aber definitiv diskutieren, da es ja sogar das Gegenteil deiner Vermutung ist und Gründe hierfür wünschenswert sind. Viele Grüße, Björn.

[@liebelle806]

Super Video! Aber kann ich auch einen Eta-Koeffizient-Test durchführen, wenn keine Normalverteilung vorliegt?

[@StatistikamPC_BjoernWalther]

Hallo Lie Belle und danke für dein Lob! Ja, der Eta-Koeffizient braucht keine Normalverteilung der metrisch skalierten Variable. Viele Grüße, Björn.

[@Max-xc6no]

Ist es nicht so, dass der Phi-Koeffizient nur bei einer Vierfeldertafel verwendet wird, sodass in dem Beispiel (Wohnsituation und Akademikerhaushalt) nur der Cramer-V Sinn macht? Danke für das sehr übersichtliche Video übrigens!

[@StatistikamPC_BjoernWalther]

Hallo Max, ja, Phi für 2x2 Kreuztabellen, wobei ich als Maß für Kreuztabellen am liebsten Cohens w nehme, was in dem Fall aber identisch mit phi ist. Viele Grüße, Björn.

[@theresatrost7406]

Sehr gut erklärt :) ich verstehe nur nicht welchen Wert man beim Chi2-Test betrachten muss, wenn es um Korrelation geht? Dachte der wäre nur für die Signifikanz

[@StatistikamPC_BjoernWalther]

Hallo Thereas und danke für dein Lob! Der Chi²-Test ist nur eine hilfsweise Korrelation, wenn man überhaupt so weit gehen will. Er zeigt dir die Häufigkeiten gewisser Auspräungen und ob die beobachteten und erwarteten Häufigkeiten voneinander abweichen. Ist das der Fall (bei Signifikanz) spricht man von einem Zusammenhang, nicht unbedingt von einer Korrelation. Viele Grüße, Björn.

[@silviakelch5062]

@@StatistikamPC_BjoernWalther Hallo Björn. Auch ich bin begeistert von deinen verständlichen Videos. Vielen Dank dafür. Aber was ist der Unterschied zwischen einer Korrelation und Zusammenhang?

[@TB-bh8pl]

Mir gefällt die von dir aufgezeigte Tabelle. Kann man diese in dem von dir aufgeführten Buch nachlesen oder kannst du dafür ein anderes Buch empfehlen?

[@StatistikamPC_BjoernWalther]

Hallo, die Tabelle zu den Koeffizienten der bivariaten Korrelation ist ein Eigenkonstrukt. Es gibt sicher in einem der vielen Statistikbücher eine ähnliche Abbildung, mir ist aber keines aus dem Stehgreif bekannt. In Schulze, Porath (2012) werden wie oben geschrieben nur die Koeffizienten und deren Voraussetzungen diskutiert, woraus man so eine Tabelle erstellen kann. Viele Grüße, Björn.

[@janh9030]

Hallo Björn, mir ist in dem Video aufgefallen, dass es bei Signifikanz 2 und 1 wertig gibt. Welches ist für meine Wandstärke und Toleranz sinnvoll? Viele Grüße Jan

[@StatistikamPC_BjoernWalther]

Hallo Jan, zweiseitig heißt, das von einem ungerichteten Zusammenhang ausgegangen wird. Gehst du von einem gerichteten Zusammenhang aus, musst du unter Optionen einseitig auswählen. Die Frage kannst allerdings nur du beantworten aber wirst wohl zu gerichtet tendieren, oder? Viele Grüße, Björn.

[@janh9030]

Hallo Björn,Danke für die Rückmeldung. Ja eigentlich ist der Zusammenhang gerichtet, da eine größere Wandstärke eine größere Toleranz produziert. Den Bearbeitungsschritt kann ich ja nicht rückwärts laufen lassen, dass eine große Toleranz eine Große Wandstärke macht. In der vorherigen Anova habe ich ja auch eine unabhängige und abhängige Variable. Die Korrelation nach Bravais-Pearson ist dann immer noch richtig?Viele Grüße Jan.

[@StatistikamPC_BjoernWalther]

Hallo Jan, genau, wenn beide Variablen metrisch skaliert sind, ist Bravais-Pearson zu wählen. Viele Grüße, Björn.

[@anistrauch5036]

Eine Verständnisfrage: Wieso ist das Signifikanzniveau in dem Beispiel bei 0,01? Sagt man nicht immer, dass es bei 0,05 liegt?

[@StatistikamPC_BjoernWalther]

Hallo Ani, das SIgnifikanzniveau legt man meist selbst fest. 0,05 ist typisch, bei Korrelation wird in SPSS standardmäßig 0,01 mit ** ausgewiesen. Viele Grüße, Björn.

[@NellyDiedrich]

Vielen Dank für die verständliche Erklärung. Leider habe ich trotzdem noch eine dumme Frage: Ich möchte eine korrrelation zwischen zwei Prozentwerten untersuchen. In meinem Fall "Anzahl der Facebook Likes eines Posts" und "Anzahl der Daumen hoch unter dem dazugehörigen KZbin Video" Das sind ja erstmal ganz normale Zahlen. Die kann ich ja aber nicht direkt miteinander vergleichen weil sie bisher nichts miteinander zu tun haben. Ich könnte doch aber den Prozentualen Anteil der Likes an den gesamten Reaktionen (Likes, Herzen, Traurig Wütend ...) mit dem Anteil der "Daumen hoch" an der gesamten Daumenanzahl (also hoch und runter) untersuchen, oder? Falls ich da richtig gedacht habe nun meine Frage : sind das dann metrische werte ?

[@StatistikamPC_BjoernWalther]

Hallo Nelly, Prozentwerte sind metrisch skaliert. Prinzipiell kannst du die Werte korrelieren, die Frage ist nur, ob sie auch was miteinander zu tun haben werden. Facebook und KZbin sind ja unterschiedliche Plattformen. Wenn du das selbe Video auf beiden Platfformen und die jeweiligen Prozentwerte wie du sie beschrieben hast ermittelst und dann korrelierst, sollte das meiner Meinung nach ziemlich hoch korrelieren. Beantwortet das in etwa deine Frage? Viele Grüße, Björn.

[@NellyDiedrich]

Ja, ich weiß im Nachhinein auch nicht mehr warum ich so verwirrt war. Vielen lieben Dank für deine schnelle Antwort. Du hast mir durch diese Bestätigung jetzt echt geholfen :)

[@niklaseggeling552]

Super Video! Eine Frage zur Interpretation der Korrelation: Woher weiß ich denn, dass die Korrelation negativ oder positiv ist? (Unterschiede pos. und neg. Korrelation: de.statista.com/statistik/lexikon/definition/77/korrelation/) Im Beispiel mit den Variablen "Abiturschnitt" und "IQ" könnte die signifikante Korrelation doch auch positiv sein. Sprich: Umso höher der IQ, desto höher der Abiturschnitt (2:34). Natürlich wäre diese Interpretation nicht logisch, aber ausschließen kann ich sie mittels der dargestellten Korrelation in der Tabelle auch nicht...oder? Freue mich auf eine Rückmeldung :) Besten Dank im voraus !!!

[@niklaseggeling552]

Frage geklärt: Bei einer negativen Korrelation würde entsprechend ein negatives Vorzeichen vor dem Korrelationswert stehen.

[@StatistikamPC_BjoernWalther]

Hallo Niklas, genau. Negatives Vorzeichen des Korrelationskoeffizient ist der entscheidende Punkt hierbei. Viele Grüße, Björn.

[@svler91]

Vielleicht noch als Ergänzung eines Spezialfalls: Die Korrelation zwischen einer abhängigen dichotomen (bspw.: 0;1) Variable und einer unabh. metrischen Variable kann mit der punktbiserialen Korrelation berechnet werden. Diese wird in SPSS automatisch als solche erkannt und als KorKoef nach Pearson berechnet.

[@StatistikamPC_BjoernWalther]

Hallo Revmatch, danke für den Hinweis! Ich glaube, ich muss noch ein kleines zusätzliches Video zur Korrelation machen und neben deinem Hinweis auch noch mal deutlich betonen, dass auch die Normalverteilung der Daten eine Rolle bei der Wahl spielt. ;-) Viele Grüße, Björn.

[@bonehalt8062]

@@StatistikamPC_BjoernWalther Hallo Björn und Rematch, erkennt SPSS die punktbiserale Korrelation durch Pearson oder auch bei der punktbiseralen RANGkorrelation und biseralen RANGkorrelation? Liebe Grüße und Danke für die Antwort im voraus!

[@Dibafxx]

Hey super Video alles gut erklärt :) Hab eine Frage für meine Bachelorarbeit vllt kannst du mir ja helfen: Ich habe eine gerichtet zusammenhangshypothede erstellt. Erfahrung mit XYZ, führt zu einer Akzeptanz von XYZ. Erfahrung lässt sich im Fragebogen mit Ja/Nein beantworten. Akzeptanz ist ja/eher ja/eher nein/nein. Meine Frage ist jetzt wie kann ich die Hypothese testen, also mit welcher Methode ? Und wie kann ich es beweisen im Sinne von das ich auch bestätige das es einen Zusammenhang gibt im positiven Sinne und nicht einfach nur einen Zusammenhang? Des weiter wollte ich noch wissen welche Methode würde sich eignen wenn ich beides mal die Skalierung ja/eher ja/eher nein/nein hätte. Vielen Dank :)

[@StatistikamPC_BjoernWalther]

Hallo Dibafxx und danke für dein Lob. Eins vorweg: Beweisen kann man mit Statistik leider gar nichts. Man kann eine begründete Vermutung bekräftigen, indem man das Gegenteil mit einer gewissen Wahrscheinlichkeit verwirft. Nicht, dass dein Gutachter dir da einen Strick draus dreht. ;-) So wie du es ausdrückst, solltest du eine Korrelation nicht rechnen und stattdessen eine Regression rechnen. Das macht man deswegen, weil wenn du schon eine Hypothese hast, die eine zielgerichtete Aussage ist ("je größer Erfahrung, desto größer ist die Akzeptanz") und einen Zusammenhang ausdrückt. Wenn die Voraussetzungen erfüllt sind (kzbin.info/www/bejne/g6OkgZSCgceNh6c), kannst du eine einfache lineare Regression rechnen: kzbin.info/www/bejne/a2HEZpt8fq2beM0 Vermutlich wird es aber auf eine ordinale Regression hinauslaufen, wozu noch ein Video kommen wird. Viele Grüße, Björn.

[@Dibafxx]

Statistik am PC vielen Dank für die schnelle Antwort :) werde mir die Videos gleich anschauen :)

[@Dibafxx]

Noch eine kurze Frage zu deiner Antwort. Die ordinale Regression entspricht der logistischen Regression wenn ich mich nicht Täusche oder ?

[@StatistikamPC_BjoernWalther]

Die logistische Regression untersucht wie eine nominal skalierte abhängige Variable auf deren Einflüsse. Die ordinale Regression macht dies für eine ordinal skalierte AV. Die "normale" (lineare) Regression macht dies für metrisch skalierte AV. Da du eine Likert-Skala für die AV hast, kommt streng genommen nur eine ordinale Regression infrage. Für manche ordinal skalierten Variablen (z.B. Notenskalen) gibt es aber auch Befürworter, für die lineare Regression. Alles eine Auslegungssache an manchen Stellen. ;-) Nummer sicher ist aber die ordinale Regression in deinem Fall. Viele Grüße, Björn.

[@Dibafxx]

Super du hilfst mir grad sehr weiter :) ich bin grad Einsteiger in dem Thema also hab mich damit noch nie zuvor befasst :) AV bedeutet vermutlich Ausgangsvariable?

[@MegaGoze1]

Super Videos! Ich nutze sehr viele davon um bei meiner Diplomarbeit voran zu kommen, da ich das meiste Wissen aus den Statistikvorlesungen bereits verdrängt habe :) Ich hätte jedoch eine Frage bezüglich den Korrelationen und bin mir nicht sicher welches Korrelationsmaß ich verwenden soll: Ich möchte gerne wissen ob eine Reihe von Laborparametern mit einer bestimmten Medikamentengabe (ja,nein) bzw. mit der Anzahl an Komorbiditäten (1-10) korrelieren.

[@StatistikamPC_BjoernWalther]

Hallo Daniele, du hast nominal und metrisch, da würde ich den Eta-Koeffizienten empfehlen: kzbin.info/www/bejne/fKipc6yeaJugbrs Viele Grüße, Björn.

[@artnoveau577]

Das mit dem Signifikanztesten vom Eta über eine Varianzanalyse hast du schön unter den Tisch fallen lassen, oder? :(

[@StatistikamPC_BjoernWalther]

Hallo, ja, das hätte man noch zusätzlich rechnen können, hätte aber de Rahmen des ohnehin schon recht langen Videos gesprengt. Das Vorgehen ist aber so, wie du beschreibst. ANOVA rechnen und die erhaltene Signifikanz für die Korrelation angeben. Viele Grüße, Björn.

[@susannesinger5860]

Super erklärt! Danke. Gibt‘s auch Grenzwerte für schwach,Mittel,stark (mit Literaturquelle dazu)? Danke vielmals!

[@StatistikamPC_BjoernWalther]

Hallo Susanne, es gibt gerade bei der Korrelation keine wirklichen Grenzwerte. Das ist je nach Disziplin verschieden, was als niedrig, mittel oder stark einzuordnen ist. Mein Bauchgefühl sagt mir bis 0,2 eine schwache Korrelation, bis 0,6 eine mittlere und darüber hinaus eine starke Korrelation - das ist aber höchst subjektiv. Viele Grüße, Björn.

[@ohyeahnahui2706]

Was bedeutet significant

[@StatistikamPC_BjoernWalther]

Hallo, signifikant bedeutet, dass etwas unter einer Fehlerwahrscheinlichkeit von z.B. 5% oder 1% liegt und damit auf einen nicht zufälligen Effekt hindeutet. Vuiele Grüße, Björn.

[@ohyeahnahui2706]

@@StatistikamPC_BjoernWalther vielen Dank für die schnelle Antwort!

[@sabrinad.7221]

Ich versteh immer noch nicht, was ich machen soll xD Ich habe bestimme Werte zu 3 Zeitpunkten und soll das zb. mit BMI, Alter und Geschlech vergleichen, aber da kommt nur Müll raus? ich hab das Programm seit einem Tag und mein Prof hat mir in 2 Minuten so ungefähr erklärt, wo ich klicken muss. Den Rest muss und werde ich alleine schaffen, nur wie... Und ich hab außerdem vergessen, wie er die Diagramme gemacht hat.

[@StatistikamPC_BjoernWalther]

Hallo Sabrina, was ist denn deine genaue Fragestellung? Hast du eine Korrelation zu rechnen?Viele Grüße, Björn.

[@sabrinad.7221]

@@StatistikamPC_BjoernWalther Hey danke für die Antwort! Wenn ich das wüsste xD das Problem ist glaub ich, dass ich halt wirklich Jemanden bräuchte, der mir das ein bisschen erklärt; dann wäre es bestimmt leicht. Also ich habe eben Alter. Bmi etc. und möchte das mit dem Anstieg von Apoptosefaktoren zu unterschiedlichen Zeitpunkten vergleichen. Aber wenn ich da rum klicke, wird immer auch Alter mit BMI und so untersucht; das möchte ich ja gar nicht. Wie mache ich, dass der Anstieg zwischen T0 und T1 zur Geltung kommt; welche Art der Korrelation eignet sich am besten; wie finde ich das heraus?

[@StatistikamPC_BjoernWalther]

Hallo @@sabrinad.7221, es hört sich so an, als ob du abhängige Stichproben hast und diesen Apoptosefaktor und dessen Änderung untersuchen möchtest. Wenn dem so ist wäre ein t-Test bei abhängigen Stichproben wohl geeignet: kzbin.info/www/bejne/g5CZqaqnrtabjck Die Voraussetzungen hierzu kannst du hier noch mal nachschauen: kzbin.info/www/bejne/pIfFqICkqdWfiqM Viele Grüße, Björn.

[@sabrinad.7221]

@@StatistikamPC_BjoernWalther Wow vielen Dank!!!

[@torbenanschau6641]

Irre gut. Würde gerne wissen wie man mit dichotomen Merkmalen umgeht; wenn die analysiert werden müssen erlaubt SPSS die Korrelation (wohl richtigerweise) erst gar nicht, da es von einer Konstante ausgeht... Man will aber vielleicht doch Zusammenhänge rausfinden.

[@StatistikamPC_BjoernWalther]

Hallo Torben und danke für dein Lob! Dichotome Variablen sind ja genau genommen keine Konstanten, da sie zumindest zwei Ausprägungen haben. Wenn das der Fall ist, kann man auch einen punkt-biseriale Korrelation rechnen. Die wird in neueren SPSS Versionen meines Wissens nach automatisch gerechnet, wenn man Pearson-Korrelation mit einer dichotomen Variable berechnen will. Alternativ kann man auch den ETA-Koeffizienten oder Chi² berechnen. Viele Grüße, Björn.

[@torbenanschau6641]

@@StatistikamPC_BjoernWalther uch glaube das Problem war hier dass due Rohdaten mit 0 für nein und 1 für ja codiert waren und 0 mglw. Als missing value...dann gibts nur eins

[@annaharschlebensraumefurme1239]

leider ist der Bildschirm verschwommen

[@lofiblackbird]

Ob die Abinote metrisch ist, lässt sich allerdings diskutieren

[@StatistikamPC_BjoernWalther]

Ja, das ist umstritten. Bereits die Mittelwertbildung wird bei eigentlich ordinalen Variablen als kritisch angesehen. Aber auch in Journals mit hohem Ranking werden beständig ordinal und metrisch (bewusst) nicht unterschieden, weswegen es häufig eine Tabelle gibt, die oberhalb der Diagonale Korrelation nach Pearson und unterhalb nach Spearman zeigen und sich der Leser sein Urteil selbst bilden kann. Qualitativ ändert sich an den Aussagen außerdem so gut wie nie etwas. Sicherlich gibt es auch Monte Carlo Simulationen, die in besonderen Konstellationen Unterschiede zeigen, so ist es aber bei fast jeder statistischen Methode. Viele Grüße, Björn.

[@sabinesonnenschein30]

Es ist wirklich schrecklich, wie schnell du sprichst ! Warum machst du das ? Wenn man sich ein tutorial ansieht, ist man doch nicht auf der Flucht !

[@StatistikamPC_BjoernWalther]

Hallo Sabine, der typische SPSS-Anwender ist auf der Flucht. ;-) Nnutze gerne die Reduktion der Wiedergabegeschwindigkeit. Viele Grüße, Björn.

[@brausepause7922]

Sorry, aber in diesem Video werden alleine in der ersten Minute so viele statistische Sachverhalte hahnebüchen falsch dargestellt, dass es mir als Statistikprofessor echt die Füße weg haut. Das Video muss dringend überarbeitet werden.

[@StatistikamPC_BjoernWalther]

Sehr geehrter Prof. Dr. "Brause Pause". Ich freue mich über fachlichen Austausch und konkrete Verbesserungsvorschläge. Lassen Sie mir gerne Ihre dienstliche Adresse für diesen Zweck per Privatnachricht zukommen. Viele Grüße