Zuerst MANOVA rechnen dann Regression?

Hallo zusammen!

Ich bin mir nicht ganz sicher, wie ich weiter vorgehen soll und es wäre schön, wenn mir jemand einen Hinweis hätte.

Ich habe mittels 2 5stufigen Items erhoben. Ich möchte nun herausfinden, dass diejenigen, die die Items positiver bewertet hatten, auch bei den Tests besser abgeschnitten hatten.
Meine erste Überlegung war, die 5 Stufen in 2 aufzuteilen, was problemlos möglich ist, und dann ein MANOVA auf Unterschiede der beiden Gruppen zu berechnen.
Eine gute Freundin meinte aber vor Kurzem, dass ich durch die 5 Stufen mehr Informationen hätte, ich solle doch eine multiple Regression rechnen, indem ich diese beiden Items als Prädiktoren verwende. So kann ich nicht nur Unterschiede, sondern auch die Richtung und Stärke angeben. Soweit, so gut.

Mein Problem ist jetzt, dass z.B. das Punktdiagramm nicht wirklich nach einer lineare Regression aussieht (ich habe die Items hier mal einzeln angeschaut) und auch die Gütekriterien für die ganz Regression und für die Koeffizienten sind ganz schön dürftig.

Hier die Frage :wink:: Macht es Sin zuerst diese 2 stufige MANOVA zu rechnen und dann die dort signifikanten Ergebnisse durch die Regression zu schicken? Mit der Begründung so zusätzliche Infos über Stärke und Richtung zu bekommen? Und bei den schwache Gütekriterien auf vorsichtige Interpretation hinweisen?

Vielen lieben Dank und viele Grüße,
ILEB

Hi Inés,

prinzipiell hat deine Freundin recht. Erstens ist eine Dichtotomisierung ein Informationsverlust, zweitens trifft es - wenn ich das richtig verstanden habe - die Fragestellung besser. Wenn die Regression nicht nach linear aussiht, dann kannst du auch (beliebige) andere Funktionen verwenden: quadratische, kubische, gemischte …
Zu bedenken bei all den Analysen ist aber, dass du die Daten mehrfach verwendest. Von daher wäre natürlich eine MANOVA besser, weil sie gleich alle Daten einmal verwendet. Du müsstest dann aber das Modell so aufsetzen, dass die Hypothese „höhere Items => besserer Test“ da irgendwie mit abgebildet wird.
Grüße,
JPL

Hallo JPL,

vielen Dank für die Antwort.
Sie war wirklich sehr hilfreich :smile:!

Viele Grüße :smile: