SPSS Korrelationsmatrik - was bedeutet .b?
Hallo allerseits,
in SPSS habe ich Korrelationen von 7 dichotomen Variablen berechnet (Ausprägung 0 & 1 für ja & nein). In der Korrelationsmatrix erscheint nun bei drei Korrelationen ein .b (. hoch b). SPSS gibt hierzu an, dass .b nicht berechnet werden kann, da mindestens eine der beiden Variablen eine Konstante ist. Das könnte ich verstehen, wenn ich bei diesen Variablen immer nur eine Ausprägung (immer nur 0 oder immer nur 1) hätte - dies ist aber nicht der Fall. Es gibt immer mindestens eine Antwort der anderen Ausprägung.
Kennt jemand diesen Fall, weiß was das zu bedeuten hat und wie ich eventuell trotzdem eine Korrelation zwischen diesen Variablen berechnen kann bzw. oder ob ich das in meiner Arbeit genau so berichten soll?
Schonmal ein Dankeschön für alle Anworten.
LG, Tiziana
1 Antwort
Dem Statistikprogramm ist das Inhaltliche deiner Daten ja gleichgültig. Es würde immer etwas berechnen, solange es etwas zu berechnen gibt. Eine fehlende Korrelation in deiner Matrix ist ein Indiz dafür, dass mit diesen Daten die Berechnung nicht möglich ist.
Der Pearsonsche Korrelationskoeffizient berechnet sich aus s(xy) / (s(x) x s(y)). Wenn einer der beiden Faktoren (Streuung(x) oder Streuung(y)) im Nenner Null ist, läßt sich r nicht berechnen (Division durch Null). Ansonsten kommt immer ein Ergebnis heraus. Dass das Programm einen Fehler macht ist eher unwahrscheinlich, deswegen würde ich die Daten noch einmal überprüfen. Wenn beide Streuungen oder Varianzen NICHT Null sind, dann wäre mir das Ganze rätselhaft.
Alternativ kannst du den Spearmanschen Rangkorrelationskoeffizienten berechnen. Den würde man auch verwenden, wenn die Voraussetzung der angenäherten Normalverteilung der Daten nicht erfüllt wäre. Zunächst würde ich aber nachschauen, warum offensichtlich eine der beiden Varianzen in zwei Fällen Null ist.
Für dichotome Variablen den Korrelationskoeffizienten nach Pearson bzw. Spearman berechnen zu wollen, ist gelinde gesagt Unsinn. Richtigerweise sollte man den Kontingenzkoeffizienten oder Cramer's V berechnen
MfG, Garibaldi