Statistik

Liebe Experten,

ich schreibe momentan meine Masterthese und bin noch nicht so ganz fit im Statistik Teil. Vielleicht könnt ihr mir ja helfen?! Ich schreibe über Employer Branding, also die Arbeitgebermarke, und habe folgendes Problem: fast alle meine Fragen haben eine Likert Skala bzw. ein Ranking.
Meine Hypothese 1 besagt, dass Employer Branding Aktivitäten einen signifikant positiven Einfluss auf das Arbeitgeberimage haben.
Dazu habe ich zehn Unternehmen befragt und Punkte vergeben für die jeweiligen Aktivitäten, die diese Unternehmen haben, heisst es gibt Punkte von 2 (kaum Aktivitäten in diesem Bereich) bis 28 (sehr starke Aktivitäten). Zusätzlich habe ich Studenten gebeten, diese 10 Unternehmen zu ranken, 1= Unternehmen, in dem sie am liebsten arbeiten würden und 10= nicht so attraktiver Arbeitgeber). 88 Antworten habe ich bekommen.

Nun meine Frage: wie kann ich diese beiden Resultate vergleichen? Ist es möglich, aus diesem Unternehmensranking die Mediane zu nehmen und diese weiter zu vergleichen? Spielt dann die N=88 noch eine Rolle oder kann ich sie für die weiteren Rechnungen vergessen?
MUss ich die Normalverteilung dann checken?

Habt ihr sonst noch irgendwelche Tipps?

Tausend Dank für eure Hilfe!

LG, Thinka

Hi thinka,

jedes Unternehmen hat einen Aktivitätsindex (zwischen 2 und 28) und ist 88 Mal als pontentieller Arbeitgeber bewertet worden (zwischen 1 und 10). Wenn du recht mit deiner Hypothese hast, dann würde eine Aktivität = a_0 + a_1*Arbeitgeber gelten und a_1 müsste negativ sein. Das wäre dann eine klassische Regression auf metrischen Daten.
Hier kannst du dann auch die Parameter a_0 und a_1 auf Unterschied von 0 testen und das dann interpretieren.
Aber auch schon hier müsste man Normalverteilung annehmen.
Nichtparametrisch könntest du einen Friedmann-Test verwenden um Unterschiede zwischen den Unternehmen bezüglich Arbeitgeber zu sein zu untersuchen.
Grafisch würde es sich lohnen, das alles noch weiter aufzudröseln und weitere Einflüsse (Geschlecht, Beruf, Alter, …) mit einzubeziehen.
Grüße,
JPL