Ordinales oder nominales Skalenniveau?

Question

Liebes Sosci-Team,

ich habe im Rahmen meiner Lerntagebuchstudie die Häufigkeit der Nutzung unterschiedlicher Lernaktivitäten erfragt. Von diesen habe ich dann die Summenwerte gebildet und sie dann folgendermaßen dichtomisiert: 0= Keine Nutzung 1= Nutzung. Ich bin nun unsicher, ob es sich dabei um ein Nominal- oder Ordinalskalenniveau handelt? Aufgrund der nicht gegebenen Normalverteilung habe ich nicht-parametrische Unterschiedsanalysen (Mann-Whitney- U und Kruskal-Wallis) durchgeführt und diese setzen ein Ordinalskalenniveau voraus. Über eine kurze Einschätzung würde ich mich freuen.

Viele Grüße

Answer 1

Dichotome Variablen haben sowohl nominales, als auch ordinales und kardinales Skalenniveau. Das bedeutet allerdings nicht, dass deshalb alle statistischen Verfahren damit möglich sind, denn die Verteilung ist ja ... nun ja ... manche Verfahren erwarten in manchen Aspekten Normalverteilung.

habe ich nicht-parametrische Unterschiedsanalysen (Mann-Whitney- U und Kruskal-Wallis) durchgeführt und diese setzen ein Ordinalskalenniveau voraus.

Verwenden Sie die Nutzungshäufigkeit als unabhängig eoder als abhängige Variable? Und was ist (welches Skalenniveau hat) jeweils die andere Variable?

Falls die dichotome Nutzunshäufigkeit die AV ist, könnte eine logistische Regression oder ein einfacher Chi²-Test besser geeignet sein.

Comments

Die Nutzungshäufigkeit ist meine AV. Die UV sind kategoriale Variablen (Geschlecht, Schulabschluss, Erwerbsstatus etc.). Bei zwei Gruppen habe ich den Mann-Whitney-U-Test durchgeführt und bei mehr als zwei Gruppen den Kruskal-Wallis-Test durchgeführt. Wäre es vielleicht ein besseres Vorgehen, wenn ich die Nutzungshäufigkeit durch Teilung am Median dichotomisieren würde (1= seltene Nutzung, 2 = häufige Nutzung). Ich habe leider keine Zeit mehr, um stattdessen noch log. Regressionen durchzuführen.

---

Meines Erachtens ist der geeignete Test für die statistische Prüfung eines Zusammenhangs zwischen zwei nominalen Variablen der Chi²-Test. Das ist nicht besonders fancy - dafür aber gut zu interpretieren.