SPSS-FORUM.DE

[Marius98]

Hallo zusammen,

ich bin gerade dabei die Daten für meine Masterarbeit auszuwerten (Thema: Fairnessempfinden vom dynamische Ticketpreisen im Profifußball). Ich möchte gerne mit SPSS eine multiple Regression rechnen, in denen ich meine uVs in verschiedenen Blöcken hinzufüge.
1. Block: Soziodemographie
2. Block: Emotionale Bindung zum Verein
3. Block: Vertrautheit mit dynamischen Preisen
4. Block: Wahrgenommenes Motiv (Kostensteigerung)
5. Block: Transparenz der Informationen über Dynamische Preise
6. Block: Corporate Social Responsibility

In Block 4-6 wurden die Probanden in Gruppen eingeteilt. Es gab zusätzlich zu der KG also 4 Gruppen. Die uVs in Block 4-6 sind theoretisch so gedacht, dass sie die Fairnesswahrnehmung erhöhen sollen. Als ich in das alles in SPSS eingegeben habe, wird mir immer folgendes angezeigt:
"In der aufgeteilten Datei $bootstrap_split=1153 sind keine gültigen Werte für Modelle mit der abhängigen Variablen Fairness_2_ZSM vorhanden. Statistiken können nicht berechnet werden.
Es wurden keine gültigen Werte in der aufgeteilten Datei $bootstrap_split=1153 gefunden. Die Gleichungsbildung wurde übersprungen.
Bei Modellen mit der abhängigen Variablen Fairness_2_ZSM sind die folgenden Variablen in der aufgeteilten Datei $bootstrap_split=1153 Konstanten oder weisen fehlende Korrelationen auf: Geschlecht, Einkommen, EmotionaleBindung_FC_ZSM, Vertrautheit_DP_ZSM, Motiv_ZSM, Transparenz_ZSM, CSR_ZSM. Sie werden aus der Analyse gelöscht.
Für Modelle mit der abhängigen Variable Fairness_2_ZSM verbleiben weniger als 2 Variablen in der aufgeteilten Datei $bootstrap_split=1153. Statistiken können nicht berechnet werden."

Ich habe alles ausprobiert, in dem ich die KG hinzugefügt habe etc.... Was mache ich falsch?

Wäre euch denkbar, wenn ihr Tipps habt.

Liebe Grüße

Marius

[ponderstibbons]

ich bin gerade dabei die Daten für meine Masterarbeit auszuwerten

Wie groß ist die Stichprobe?

In Block 4-6 wurden die Probanden in Gruppen eingeteilt. Es gab zusätzlich zu der KG also 4 Gruppen.

Verstehe ich leider nicht so recht.

Die Variablen dieser drei Blöcke wurden als Grundlage genommen, eine kategoriale Variable mit 5 Stufen zu bilden? Also dann 4 dummy-Variablen in der Regression? Oder wie ist es gemeint?

Als ich in das alles in SPSS eingegeben habe,

Und zwar wie?

wird mir immer folgendes angezeigt:
"In der aufgeteilten Datei $bootstrap_split=1153

Wieso und wozu bootstrap?

Und wird das lineare Regressionsmodell nicht trotzdem berechnet?

Mit freundlichen Grüßen

PonderStibbons

[Marius98]

Hey,
danke für die schnelle Antwort!

Wie groß ist die Stichprobe?

Die Stichprobe ist 158 groß. Die 4 Gruppen bestehen aus jeweils 38-40 Personen. Die Daten wurden mit Unipark erhoben.

In Block 4-6 wurden die Probanden in Gruppen eingeteilt. Es gab zusätzlich zu der KG also 4 Gruppen.

Verstehe ich leider nicht so recht.

Generell geht es ja darum wie sich die Einführung von dynamischen Ticketpreisen bei einem Fußballverein auf das Fairnessempfinden von Fans auswirkt und wie man das Fairnessempfinden steigern kann
Meine Studie handelt in einem ersten Schritt davon, wie sich statische Preise in der Fairnesswahrnehmung von dynamischen Preisen unterscheiden. Dazu habe ich einen t-Test gemacht. Zusätzlich habe ich untersucht (am Beispiel eines Fußballvereins) wie die emotionale Bindung der Fans mit der Fairnesswahrnehmung korreliert und ob es Unterschiede (t-Test) in dieser Fairnesswahrnehmung gibt (Nicht-Fans / Fans). Als drittes habe ich den Zusammenhang der bisherigen Erfahrungen(Vertrautheit mit dynamischen Preisen) und dem Fairnessempfinden der dynamischen Preise untersucht. Das war quasi der erste Teil meiner Erhebung.
Mit dem zweiten Teil wollte ich schauen, wie sich die Fairness steigern lässt. Die Probanden wurden einer von vier Gruppen (KG, Motiv, Transparenz, CSR) zugeteilt und sahen einen Screenshot, in dem quasi stand, dass der Fußballverein ab jetzt dynamsiche Tickets einführt und dann halt noch jeweils die gruppenspezifischen Stimuli. Einmal lässt sich Fairnesswahrnehmung steigern, in dem man den Grund für die Änderung der Preisstrategie von statisch auf dynamisch angibt (Motiv Kostensteigerung). Zweitens durch Transparenz, also Offenlegung, wie sich der Preis zusammensetzt und wie dynamische Preise genau funktionieren. Und drittens lässt sich die Fairness theoretisch steigern, in dem man sagt, dass ein Teil des Mehrgewinns aus den dynamischen Preisen gespendet wird (CSR).
Das sind die drei interessierenden Gruppen. Zusätzlich habe ich noch eine KG gehabt, die nur über die Einführung von dynamischen Preisen informiert hat. Danach gabs einen Manipulationscheck der uVs und das Fairnessempfinden (aV) wurde abgefragt

Und diese drei interessierenden Gruppen, wollte ich hierarchisch in die Regression aufnehmen, um jeweils zu schauen, wie hoch das R^2 und die inkrementelle Varianz der verschiedenen Gruppen ist. Ist das so verständlicher?

Und zwar wie?

Wieso und wozu bootstrap?

Als aV das Fairnessempfinden (als neue aV aufsummiert aus den einzelnen Gruppen)
Und dann die jeweiligen Blöcke (listenweise). Bis zu Block 3 funktioniert es, also es muss eigentlich an Block 4-6 liegen. Achso und die Schritte haben wir mal von einer Dozentin aus Bachelorzeiten aufgeschrieben bekommen, an die habe ich mich gehalten. Deshalb auch das Bootstrapping. Sie meinte wir sollen das so machen. Habs aber auch ohne Bootsrapping gemacht und hat auch nicht funktioniert.
Hier mal eine Syntax die ich versucht habe (es gab viele, immer wurde das gleiche angezeigt):

BOOTSTRAP
/SAMPLING METHOD=SIMPLE
/VARIABLES TARGET=Fairness_2_ZSM INPUT= Geschlecht Einkommen EmotionaleBindung_FC_ZSM
Vertrautheit_DP_ZSM Motiv_ZSM Transparenz_ZSM CSR_ZSM
/CRITERIA CILEVEL=95 CITYPE=BCA NSAMPLES=1000
/MISSING USERMISSING=EXCLUDE.
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Fairness_2_ZSM
/METHOD=ENTER Geschlecht Einkommen
/METHOD=ENTER EmotionaleBindung_FC_ZSM
/METHOD=ENTER Vertrautheit_DP_ZSM
/METHOD=ENTER Motiv_ZSM
/METHOD=ENTER Transparenz_ZSM
/METHOD=ENTER CSR_ZSM
/SCATTERPLOT=(*ZRESID ,*ZPRED)
/RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID)
/CASEWISE PLOT(ZRESID) OUTLIERS(3).

Und wird das lineare Regressionsmodell nicht trotzdem berechnet?

Nein, mir wird maximal eine leere Tabelle angezeigt. und sonst können alle Gleichungen und Schritte nicht berechnet werden.


Hilft das, mir weiterzuhelfen?

Viele Grüße

Marius

[strukturmarionette]

Hi,

Fairnessempfinden (aV)

- Wie ist die Kriteriumavariable bei dir operationaliisert?
- Sind deine (latenten) Prädiktorvariablen messfehlerfrei?
- Zustandekommen der Stichprobe(n)
- Jeweilige Ziel-Population(en)

Gruß
S.

[ponderstibbons]

Die 3 Gruppenzugehörigkeiten außer KG sind als dummy-Variablen vorliegend nehme ich an.
Lass das "schrittweise" bleiben und gib alle Variablen in einem Schritt ein.
Bootstrap musst Du sein lassen, wenn Dir nicht klar ist, wofür es ist.

Du kannst es alterativ auch als Kovarianzanalyse rechnen.

Mit freundlichen Grüßen

PonderStibbons

[Marius98]

Hey,

- Wie ist die Kriteriumavariable bei dir operationaliisert?

Über 4 Items (siebenstufig, 1= stimme überhaupt nicht zu bis 7 = stimme voll und ganz zu) --> Daraus habe ich eine neue Variable (Mean) berechnet.

- Sind deine (latenten) Prädiktorvariablen messfehlerfrei?

Ja

- Zustandekommen der Stichprobe(n)

Über Fan-Foren, aber auch der eigene Bekanntenkreis, falls das damit gemeint war

- Jeweilige Ziel-Population(en)

Fußball-Fans

Viele Grüße

Marius

[Marius98]

Danke schon einmal für die Hilfe!

Die 3 Gruppenzugehörigkeiten außer KG sind als dummy-Variablen vorliegend nehme ich an.

Meinst du damit, wie ich sie erhoben habe? Ich habe die ja zusätzlich über Items abgefragt (siebenstufig, Likert) und zu einer neuen Variable (Mean) codiert. Sie liegen also als uV intervallskalliert vor. Und diese intervallskallierte uV habe ich dann in den jeweiligen Regressionsblock eingefügt.

Lass das "schrittweise" bleiben und gib alle Variablen in einem Schritt ein.

So sehe ich dann aber nicht, welche uVs mehr Varianz erklären als andere oder?

Viele Grüße

Marius

[ponderstibbons]

Die 3 Gruppenzugehörigkeiten außer KG sind als dummy-Variablen vorliegend nehme ich an.

Meinst du damit, wie ich sie erhoben habe? Ich habe die ja zusätzlich über Items abgefragt (siebenstufig, Likert) und zu einer neuen Variable (Mean) codiert. Sie liegen also als uV intervallskalliert vor. Und diese intervallskallierte uV habe ich dann in den jeweiligen Regressionsblock eingefügt.

Ich verstehe das Design jetzt leider nicht mehr. Du hast Messungen dieser Items, aber nur in jeweils einer Gruppe?

Lass das "schrittweise" bleiben und gib alle Variablen in einem Schritt ein.

So sehe ich dann aber nicht, welche uVs mehr Varianz erklären als andere oder?

Wieso das nicht?

Mit freundlichen Grüßen

PonderStibbons

[Marius98]

Ich verstehe das Design jetzt leider nicht mehr. Du hast Messungen dieser Items, aber nur in jeweils einer Gruppe?

Ich wollte nicht allen Probanden aus Zeitgründen alle 4 Gruppen zumuten und habe deshalb die Probanden deshalb in die Gruppen eingeteilt. Die haben dann jewels einen Screenshot gesehen und haben dann die Items zur jeweiligen beantwortet und zum Fairnessempfinden (aV). Ich habe gedacht, dass ich dann die Werte des Prädiktors in die Regression der Kriteriumsvariable mit aufnehme.
Im SPSS-Datensatz sind dementsprechend auch nur Werte in den jeweiligen Gruppen für die Personen eingetragen, die auch in der Gruppe ware. Für alle anderen, die in einer anderen Gruppe zugeteilt sind steht ein Punkt (.) In der Zelle.
Dachte zuerst auch ich müsste dann nur die Leute auswählen, die auch der Gruppe zugeteilt wurden, aber weiß nicht genau wie...

Wieso das nicht?

Also meinst du alles in einen Block packen?

Sorry, das ist meine erste multiple Regression...

Viele Grüße

Marius

[ponderstibbons]

Im SPSS-Datensatz sind dementsprechend auch nur Werte in den jeweiligen Gruppen für die Personen eingetragen, die auch in der Gruppe ware. Für alle anderen, die in einer anderen Gruppe zugeteilt sind steht ein Punkt (.) In der Zelle.

Damit hat jeder Proband drei missing values und fällt aus der Analyse.

Es gehen demnach nur getrennte Regressionen, für jede Gruppe eine eigene, mit ihrem spezifischen Prädiktor.

Mit freundlichen Grüßen

PonderStibbons