Hallo Veasna,
da kannst Du statt die z-Transformation zu verwenden einfach die standardisierten Regressionskoeffizienten verwenden und vergleichen.
LG
Daniela

ich möchte im Rahmen meiner Bachelorarbeit u.a. folgende Hypothese prüfen: Stehen auditorische Cues in größerem Zusammenhang mit kristalliner als fluider Intelligenz.

Ich möchte also zwei Zusammenhänge auf einen signifikanten Unterschied testen. Da dachte ich an die Fisher-Z-Transformation.

Die Zusammenhänge, um die es geht, sind jedoch multiple Korrelationen (ich teste also „kristalline I. ~ cue 1 + cue 2 + cue 3″ gegen “ fluide I. ~ cue 1 + cue 2 + cue 3″). Ich nutze also zwei Multiple Korrelationskoeffizienten, die ich durch lineare Regressionen ermitteln kann, und möchte diese dann Z-transformieren. Wäre dies „mathematisch zulässig“?

Vielen Dank für die Hilfe
Veasna

Hallo Lena,
es gibt die Möglichkeit, sich auf für ICCs die Konfidenzintervalle zu berechnen, ja. Wie und wo kommt auf die verwendete Software an. Alternativ eben die Formeln dafür verwenden.
Schöne Grüße
Daniela

kann das oben beschriebene Verfahren auch angewendet werden, um die Signifikanz zwischen zwei Intra-Klassen-Koeffizienten zur berechnen? Bei meinen berechneten ICCs handelt es sich um: two-way random, Average measures, absolute agreement. Oder existiert eine andere Möglichkeit zu Berechnen, ob eine sig. Differenz vorliegt?

Vielen Dank schon einmal für die Hilfe und viele Grüße
Lena

Hallo Alexandra,
ich würde die Korrelationskoeffizienten erst mit der Fishers-z-Transformation transformieren und dann zusammen fassen.
Schöne Grüße
Daniela

im Rahmen eines Modulprojekts möchte ich den Zusammenhang von der Suizidrate in europäischen Ländern mit dem GDP per capita in Verbindung bringen – da meine Daten nicht normal verteilt sind, nutze ich dafür den Spearman-Rangkorrelationskoeffizienten. Nach der Berechnung dieses mittels SPSS für die 26 Länder über die einzelnen Jahre, habe ich für jedes Land einen Korrelationskoeffizienten. Hieraus möchte ich den gewichteten (leider habe ich je Land unterschiedliche Anzahlen von Jahren) gepoolten Korrelationskoeffizienten bestimmen. Dies kann man meines Erachtens mittels einer einfachen Formel (Summe aus (xi*yi)/yi) mit Excel berechnen, wobei xi der Korrelationskoeffizient ist und yi die Anzahl der Jahre (n). Somit habe ich den gewichteten gepoolten Koeffizienten.Stimmt dies so und kann man für diesen Koeffizienten nun auch einen P-Wert berechnen, dass man feststellen kann, ob der Wert stat. signifikant ist oder geht dies bei gepoolten Korrelationskoeffizienten nicht?

Über eine zeitnahe Rückmeldung würde ich mich sehr freuen.

Viele Grüße,

Alexandra

Hallo Manfred,
suchst du den kleinsten und größten Wert, der angenommen werdenkann?

Hallo Giulia,

eventuell hat er eine andere Transformation gemeint? Einfach nochmal genau bei ihm nachfragen!

Schöne Grüße
Daniela

ich bin kürzlich auf Ihren Blog gestoßen, da ich mich für meine Abschlussarbeit gerade mit Statistik beschäftige und Ihr Blog war mir bereits sehr hilfreich. Nun sitze ich vor einer Fragestellung und komme nicht weiter. Ich hoffe, dass Sie mir vielleicht schnell helfen können.

Ich habe folgende Fisher-Transformation r(X,Y) des Korrelationskoeffizienten:
r(X,Y)= ln(1+p(X,Y)) / ln(2-p(X,Y))

Für diesen möchte ich nun den Wertebereich bestimmen. Haben Sie vielleicht eine Antwort für mich?

Danke und viele Grüße,
Manfred

wir sitzen gerade an unserer Examensarbeit. Wir haben einen Test nach Piaget (kognitive Entwicklung) in einem Kindergarten durchgeführt, dazu noch einen Fragebogen über das Verhalten. Unsere Fragestellung ist darauf ausgerichtet, ob sich Verhaltensauffälligkeiten auf die kognitive Entwicklung auswirken.

Jetzt haben wir festgestellt, dass der Verhaltenstest (SDQ) nicht der Normalverteilung folgt, unser Dozent meinte, dass wir dieses Problem mit der Fisher´s z-Transformation lösen können. Aber wir haben ja insgesamt nur eine Korrelation (TEKO Gesamtproblemwert – SDQ Gesamtproblemwert), überall lese ich jedoch, dass man den Fisher´s z-Wert benutzt, um verschiedene Korrelationen zu überprüfen.

Ich weiß jetzt gar nicht, ob wir unser Problem deutlich machen konnten, aber vielleicht können Sie uns helfen?