SPSS Items zu Skala zusammenfassen (Index(aggregierten)

Question

Hallo zusammen,

ich habe eine Frage. Ich habe in meinem Fragebogen ausschließlich Ordinale Items verwendet, welche ich nun zu einer Variablen zusammenfassen muss. Dies ist in SPSS erstmal kein Problem mittels Variable berechnen/ Mittelwert oder Summe - jedoch ist die aggregierte Variable hinterher laut SPSS metrisch? Aber ich habe doch nur Ordinate Items einbezogen , dann dürfte doch die aggregierte Variable auch metrisch sein? Dies wirkt sich ja darauf aus, wie damit weiter gerechnet werden muss/ soll/darf...

Gerne Rückmeldungen, bin am verzweifeln weil man so vieles liest

Answer 1

jedoch ist die aggregierte Variable hinterher laut SPSS metrisch?

Arithemtische Operationen können Sie nur auf intervallskalierte Werte anwenden - heißt, in dem Moment, in dem Sie eine Summe bilden, gehen Sie bereits davon aus, dass Ihre Messung näherungsweise intervallskaliert ist.

bin am verzweifeln weil man so vieles liest

Besser a bisserl mehr lesen und nachdenken als Daten blind auswerten. Aber de-facto ist es so, dass Skalenitems in aller Regel als intervallskaliert behandelt werden. Alleine die Frage, wie man die Abstände zwischen den Ausprägungen misst, wird schnell erkenntnistheoretisch - insofern ist die Annahme auch nur schwer zu falsifizieren. Es gibt einige Items und Skalenbeschriftungen, bei denen man grobe Abweichungen von der Äquidistanz-Voraussetzung findet ("wie oft haben Sie schon einen Fernseher aus dem Fenster geworfen? 0, 1, 2, 3-mal oder häufiger"). Aber in aller Regel ist der Fehler recht klein, den man begeht, wenn man ein Skalenitem als intervallskaliert betrachtet.

Comments

Vielen Dank erstmal für die schnelle Rückmeldung!
Heißt ich gehe bereits beim aggregieren davon aus, dass die items metrisch sind. Dies würde ich darauf zurückführen, dass bei einer fünfstufigen beschrifteten Likiert-Skala (trifft gar nicht zu bis trifft völlig zu) anzunehmen ist, dass die Abstände "gleich groß" sind.
Verstehe ich das richtig?

Wenn ich dann mit den zusammengefassten/ aggregierten Variablen weiter auswerten möchte (z.B. Korrelation), spielt es ja aber eine Rolle ob ich Spearmen´s Rho (AV ordinal und UV ordinal) heranziehe oder nach Pearson berechne (AV ordinal und UV metrisch). Deshalb frage ich, ob ich dann nach dem Mittelwert bilden mehrere  Ordinalen Items zu einer neuen aggregierten Variable diese im Anschluss als metrisch behandle oder nicht? Sollte ich dann eher mit der aggregierten Summe Weiterrechnen oder dem aggregierten Mittelwert?

---

> dass bei einer fünfstufigen beschrifteten Likiert-Skala (trifft gar nicht zu bis trifft völlig zu) anzunehmen ist, dass die Abstände "gleich groß" sind. Verstehe ich das richtig?

Ob es anzunehmen "ist" kommt auf die Formulierung der Items an. Aber wenn Sie einen Mittelwert berechnen, nehmen sie es an.

> spielt es ja aber eine Rolle ob ich Spearmen´s Rho (AV ordinal und UV ordinal) heranziehe oder nach Pearson berechne

Wenn beide Koeffizienten nahe beisammen liegen, ist das ein Hinweis darauf, dass die Annahme intervallskalierter Werte nicht ganz falsch ist. Aber nachdem Skalenindizes immer intervallskaliert sind (s.o.) würden Sie normalerweise Pearson's verwenden.

> Deshalb frage ich, ob ich dann nach dem Mittelwert bilden mehrere  Ordinalen Items

Nochmal: Sie können (!) ordinalskalierte Items nicht mittels arithmetischer Operationen aggregieren. Sobald Sie es tun, nehmen Sie bereits an, dass Sie es mit intervallskalierten Werten zu tun haben. Ob das im Einzelfall richtig ist, ist nicht so einfach zu prüfen. Meistens ist die Annahme insofern akzeptabel, dass man nur einen relativ geringen Fehler verursacht.

---

Eine andere Möglichkeit, Ordinate Items zusammenzufassen habe ich aber ja nicht- oder?
Also wenn ich z.B. die Mitarbeiteorientierung (M_gesamt)  erfassen möchte, diese aber in 3 Items (M1,M2;M3) im Fragebogen abgefragt wird?

---

Bei 3 fünfstufigen items gibt es theoretisch 5^3=125 Möglichkeiten, zu antworten. Im Prinzip könnte man diese 125 Möglichkeiten in eine logische Reihenfolge bringen, und dann weiter mit ordinalen Daten arbeiten.

Also ... Möglichkeiten gibt es immer. Aber die o.g. Möglichkeit ist halt in 99,9% der Fälle nicht hilfreich. Zumal Sie dann wahrscheinlich noch 3 Methodenstudien bräuchten, um die Reihenfolge der Antwortkombinationen zu ermitteln.

---

Wirklich vielen Dank für Ihre Hilfe!
Eine kleine Frage hätte ich dennoch: Kann es in SPSS vorkommen, dass bei der Berechnung des Cronbach Alphas bei einigen Skalen heute ein minimal anderes Ergebnis rauskommt als vor 2 Tagen (vor 2 Tagen lag der Wert bei 0,723 und heute bei 0,716)? Vielleicht auf Rundungsfehler der Software zurückzuführen? Eigentlich habe ich genau das selbe gemacht wie vor 2 Tagen, auch in der Syntax sehe ich keinen Unterschied. Prinzipiell tippe ich, dass  diese minimal Abwandelung nicht schlimm ist, da es ja an der Aussage nichts ändert, dass die Reliabilität über 0,7 für den Augenblick akzeptabel ist.

---

Nein, das scheint mir extrem unwahrscheinlich. Wahrscheinlicher ist, dass zu einerm der beiden Zeitpunkte fehlende Daten nicht korrekt verarbeitet wurden (wenn eine -9 als solche in die Berechnung eingeht, verzerrt das natürlich den Wert) oder dass es eine kleinere öder größere Anzahl Fälle war (Filter oder Gewichtung aktiv).

Lassen Sie sich für jede Variable vor der Berechnung immer die deskriptive Statistik ausgeben. Dann haben Sie sowohl die Fallzahlen als auch die Minima/Maxima im Output, und können abgleichen.

---

Versuche ich mal- Herzlichen Dank! Ohne Sie und SoSciSurvey wäre ich hoffnungslos verloren gewesen in meiner empirischen Studie meiner Masterarbeit! :)
Ich hoffe, ich komme eine Weile ohne Probleme klar..

---

Neuer Gedankengulasch: Ich habe mehrere UV, die ich in die Regression einbeziehe. Manche UV bestehen jedoch aus mehreren Items, weshalb ich sie wie oben bereits beschrieben per Mittelwert aggregiert habe, Manche UV sind allerdings Single-Items- hier nehme ich die UV wie sie ist, da Mittelwert bilden ja keinen Sinn macht? Also ich kann in die Regression sowohl aggregierte als auch nicht-aggregierte UV´s einbeziehen?

---

Wenn Sie näherungsweise davon ausgehen können, dass die Single-Item-Messungen intervallskaliert sind, dann können Sie diese in die Regression mit aufnehmen.

Natürlich sollten Sie vor der Analyse auf Multikollinearität prüfen. SIngle-Item-Messungen sind da u.U. ein wenig anfälliger als Skalenindizes (gerade wenn es viele UVs sind).

---

MERCI!!
Die Single-Items sind ordinal skaliert.
Ich hatte vor, eine Ordinale Regression durchzuführen, da meine AV Ordinal ist und die UV Single-Items auch ordinal, die restlichen aggregierten UV sind metrisch. Das passt ja dennoch bei der Ordinalen Regression (dachte ich zumindest...:)).

---

Soweit ich mich erinnere, ist eine ordinale Regression dann geeignet, wenn die abhängige Variable ordinal skaliert ist - die unabhängigen Variablen müssen zumindest für die einfache ordinale Regression intervallskaliert sein. Allerdings umfalls der Begriff "ordinale Regression" unterschiedliche Modelle ... vielleicht meinen Sie ein anderes?