Hallo,
ich habe Fragen zur Datenauswertung meiner Studie.
Wir wollen untersuchen, ob die Bezeichnung einer in einem kurzen Szenario beschriebenen Person (1. „Person“, 2. „homosexuelle Person“, 3. „lesbische oder schwule Person“ oder 4. „schwule oder lesbische Person“) einen Einfluss auf das Geschlecht (1. Mann oder 2. Frau) der vorgestellten Person hat.
Darüber hinaus wollen wir die Moderatorvariable Kontext untersuchen mit den Ausprägungen 1. männlich-lesbisch, 2. männlich-orientierungsneutral, 3. weiblich-schwul, 4. weiblich-orientierungsneutral und 5. geschlechtsneutral-orientierungsneutral. Den Kontext manipulieren wir durch das Berufsfeld der bezeichneten Person. Jeder der fünf Kontexte soll durch drei Berufsfelder operationalisiert werden, z. B. „eine homosexuelle Person aus dem Berufsfeld Modedesign“ oder „eine lesbische oder schwule Person aus dem Berufsfeld Informatik“.
Um mehr Power zu bekommen, haben wir bisher geplant, dass jede Versuchsperson die Beschreibung von drei Personen aus verschiedenen Berufsfeldern bekommt. Die Bezeichnung soll dabei between manipuliert werden, d. h. jede Vpn bekommt nur eine der vier möglichen Personenbezeichnungen. Kontext soll hingegen within manipuliert werden, indem jede Vpn aus drei zufällig ausgewählten Kontexten je ein zufällig ausgewähltes Berufsfeld vorgesetzt bekommt.
Wäre es möglich, dass wir die Daten in diesem Fall komplett als Between-Design auswerten können (d. h. als Analyseeinheit nicht die Person, sondern die einzelne Geschlechtereinschätzung verwenden können) da die Wahrscheinlichkeit, dass zwei Personen die gleiche Bedingungskombination bekommen, sehr gering ist. Es gibt innerhalb jeder Bezeichnungsbedingung (between) für jede Person 15 within-Bedingungen (5 Kontexte x 3 Berufsfelder), von denen sie zufällig drei bekommt, d. h. 15!/[(15-3)! * 3!] = 455 mögliche Kombinationen.
Zwar ist es durchaus möglich, dass es innerhalb einer Person Abhängigkeiten hinsichtlich der abhängigen Variable (Geschlecht der vorgestellten Person) gibt, z. B. weil eine Person unabhängig von der Versuchsbedingung mehr an Männer denkt und eine andere mehr an Frauen. Da aber fast jede Person eine andere Kombination aus Bedingungen vorgelegt bekommt (die unabhängigen Variablen also unabhängig von der Ebene Person sein sollten), sollte sich diese Abhängigkeit nicht auf die Ergebnisse auswirken.
Wie soll vorgegangen werden?
- Z. B. eine Analyse als Mixed-Design und nur dann als Between-Design, wenn im Mixed-Design die Personenebene keine Varianz erklärt, d. h. die Intercepts von Ebene 1 nicht signifikant streuen?
- bietet sich ein linear mixed model (lme4) an? Ist die Analyseeinheit dann das individuelle Geschlechtsrating (wie beachte ich die logit links und wie kontrollier ich die Messwiederholung?
- Muss der Faktor Berufsfeld (genestet im Faktor Kontext) immer mit in die Analysen einbezogen werden auch wenn uns seine Effekte nicht interessieren?
- Wie soll die Prüfung der spezifischen Hypothesen als Kontraste zwischen bestimmte Versuchsbedingungen getestet werden?
