STATA-FORUM.DE

[Lisa.Beckmann]

Hallo Zusammen,

ich würde gerne eine ANOVA rechnen. Ich habe eine unabhängige kategorielle Variable (Nachhaltigkeit Ausprägung ja=1, Ausprägung nein=1) und zwei abhängige Variablen (Kundenloyalität und Kundenbindung). In das Modell würde ich gerne Consumer characteristics als Moderator aufnehmen. Ich habe dabei zwei Moderatoren: Altruismus und Egoismus.

Ich habe folgenden Befehl probiert: anova Loyalität_mean Nachhaltigkeit Nachhaltigkeit#ALTRUISMUS_mean

Hierbei bekomme ich diesen Fehler:factor variables may not contain noninteger values.

Was bedeutet das bzw. was habe ich falsch gemacht und wie würde es richtig funktionieren? Und wie packe ich auch gleichzeit noch die 2. Moderatorvariable und die 2. abhängige Variable rein?

Danke!!

[Staxa]

Grundsätzlich würde ich bei mehreren Moderatoren oder Interaktionstermen zwei getrennte Modelle rechnen anstatt alles zusammenzupacken, das kann schnell kompliziert werden. Du solltest Faktorvariablen benutzen und daran denken, dass zu einer Interaktion immer auch ein Haupteffekt gehört, also ## statt nur #. Das sieht dann etwa so aus:

Code: Alles auswählen

anova Loyalität_mean i.Nachhaltigkeit##c.ALTRUISMUS_mean

Unter der Annahme, dass ALTRUISMUS eine kontinuierliche Variable ist. Nach beliebigen kannst du jetzt weitere Variablen hinzufügen und alle gewünschten Interaktionen einbauen. Auch 3-fach Interaktionen sind denkbar, wenn auch meistens nicht empfehlenswert.

[Lisa.Beckmann]

Vielen Dank!!
Wieso muss ich i. und c. vor die Variablen setzen? Und kann ich dann direkt die ANOVAs einzeln mit dem jeweiligen Moderator rechnen?

[Staxa]

Jede kontinuierliche Variable enthält das Präfix c., alle binären, ordinalen oder sonstigen kategorialen Variablen das Präfix i. Somit weiß Stata, wie die Variablen zu behandeln sind. Und ja, damit kannst du nun jede ANOVA getrennt rechnen. Mehr Infos bekommst du, wenn du nach Stata regress suchst. ANOVAs und Regressionen sind prinzipiell identisch was die Statistik angeht.

[Lisa.Beckmann]

müsste ich dann nicht auch ein c. for meine abhängige Variable setzen? Also vor die Variable Loyalität_mean?
Und wird bei einer ANOVA nicht sowieso angenommen, dass die Variablen kategorial sind, sodass man das i. nicht unebdingt setzten muss?

[Staxa]

Für die AV musst du das nicht setzen, die muss ja bei einer ANOVA metrisch sein.

Stimmt, die genaue Syntax ist laut helpfile wie folgt:

Code: Alles auswählen

        anova varname [termlist] [if] [in] [weight] [, options]

    where termlist is a factor-variable list with the following additional
    features:

        o Variables are assumed to be categorical; use the c. factor-variable
            operator to override this.
        o The | symbol (indicating nesting) may be used in place of the #
            symbol (indicating interaction).
        o The / symbol is allowed after a term and indicates that the
            following term is the error term for the preceding terms.

help anova

Nur wenn du eben mit Interaktionen arbeitest empfiehlt es sich immer das explizit zu setzen.

[Lisa.Beckmann]

Hallo nochmal,

ich hätte nochmal eine Frage zu meinem Anliegen von oben.
Ich habe mich mittlerweile gegen die ANOVA entschieden und eine Regression gerechnet. Auch hier habe ich ein c. vor meine Variable gesetzt. Die Variable ist intervallskaliert/metrisch (7er Likert Skala). Kann ich dann sicher davon ausgehen, dass sie kontinuierlich ist?
Ich habe noch eine weitere Variable mit in das Modell genommen. Bei der Variable handelte es sich um die Frage "Was waren die Gründe für den Kauf?" auch auf einer 7er Skala. Wenn ich diese als Kontrollvariable aufnehmen möchte, muss ich diese auch als c.Kauf Variable aufnehmen oder?

Meine AV und Moderator variable ist zudem standardisiert. Muss ich dann auch meine Kontrollvariablen standardisieren?

Danke!

[Staxa]

Streng genommen ist eine Likert Skala nie metrisch, da sie ja per Definition nicht intervallskaliert ist, die Abstände also nicht zwingend das gleiche bedeuten müssen. Gemacht wird es dennoch häufig. Dieses Problem wirst du in deiner Arbeit diskutieren müssen. Ob du Variablen standardisierst oder nicht ändert im Prinzip deine Ergebnisse nicht, sondern nur die Art der Interpretation. Online findest du hierzu sicher mehr Infos.