Archief - Hulp bij Ordinale logistische regressie analyse via SPSS

Hoi,

Ik ben een masterstudent aan de UGent. Voor mijn masterproef onderzoek ik beïnvloedende factoren voor de regulering van dierenwelzijn in de Europese Unie.
Ik ben doorverwezen naar dit forum via een kennis die hier regelmatig met jullie meeleest en mij wist te vertellen dat iemand van jullie mij misschien kan helpen.

Om mijn onderzoeksvraag te beantwoorden stel ik 3 hypotheses:
1) Beleid inzake dierenwelzijn is meer gelinkt aan inkomensgelijkheid dan aan inkomen.
2) Er is een strenger dierenwelzijnsbeleid in landen met een hoger niveau van democratie.
3) Er is een strenger dierenwelzijnsbeleid in landen met een sterker maatschappelijk middenveld.

Mijn afhankelijke variabele (dierenwelzijn) is ordinaal (Animal Protection Index 2020)
De onafhankelijke variabelen zijn continu: GINI coëfficiënt, BNI per capita PPP constante 2011$ prijzen, Democracy Index 2019 (Economist Intelligence Unit) en Enabling Environment Index (CIVICUS).
Ik heb slechts 10 onderzoekseenheden (Europese landen), en het is niet mogelijk om dat uit te breiden. (Er is slechts voor 10 EU lidstaten informatie voorhanden betreffende de afhankelijke variabele).

De enige passende methode van data-analyse leek mij ordinale logistische regressie analyse. Maar ik heb mij laten vertellen dat je dit niet kunt doen met slechts 10 cases.
Wanneer ik dit invoeg in SPSS bekom ik ook geen significante resultaten (p>0.05). (wat verrassend is, aangezien andere gelijkaardige onderzoeken wél significante resultaten bekomen).
Op zich zou dit geen probleem zijn. Wat wel een probleem zou zijn, is als ik inderdaad geen ordinale logistische regressie analyse mag/kan uitvoeren met slechts 10 cases, en de resultaten dáárom niet significant/betrouwbaar/valid zijn.

Ik ben zelf een leek in statistiek en SPSS. Ik heb mijn kennis de afgelopen weken proberen bij te schaven via het boek over SPSS Statistics van Andy Field.
Maar nu begin ik toch stilletjes aan te panikeren.
Ik zoek iemand (eventueel professioneel) die SPSS kent als z'n broekzak, en weet hoe je een correcte ordinale logistische regressie analyse uitvoert.
Of die mij kan helpen bij het uitvoeren van een andere methode van data-analyse.

Ik wil heel graag slagen voor mijn opleiding, want ik ben het studeren moe
Alvast tienduizend keer dubbeldik merci voor alle tips/doorverwijzingen/hulp!

Die gelijkaardige onderzoeken die wel significante verschillen rapporteerden, hadden die ook een steekproef van slechts 10 eenheden?

Nope, het onderzoek waar ik mij hoofdzakelijk op baseer gebruikt dezelfde afhankelijke variabele (en gelijkaardige onafhankelijke variabelen), maar hadden een steekproef van 50 eenheden

Oh oké.
Anderen mogen mij verbeteren, maar het is perfect doenbaar om je onderzoeksresultaten weer te geven zoals ze eruit komen. Belangrijker dan de statistische uitkomst is hoe je het kadert. Als je dus zegt dat je steekproef te klein is en niet uit te breiden is, dan is dat oké.

Andere data analyses lijken me niet méér nuttig dan andere omwille van die kleine steekproef. Ik denk dat het misschien beter was om van in het begin het anders aan te pakken, maar nogmaals, dat is op zich allemaal niet zo erg.

Bovendien heb ik de indruk dat statistiek etc niet echt deel uitmaakt van je standaard curriculum, dan zou ik me zeker niet te veel zorgen maken. Zolang je alles kan uitleggen en kan kaderen zal je ook al ver komen.

Ik zou je resultaten en bevindingen eens doorsturen naar je promotor en vragen hoe hij/zij erover denkt, tenslotte zijn die mensen er wel om je te helpen met dit soort zaken.

10 is inderdaad vrij klein, zeker omdat je ook nog eens 3 variabelen + intercept + variantie moet schatten. Zoals hierboven is gezegd, is het helemaal niet erg om je resultaten zo te vermelden en erbij te zetten dat je een te kleine steekproef had. Maar ik zou dit wel overleggen met je promotor!

Naast wat whitecollar hierboven aangeeft moet je ook niet vergeten de assumpties van je model te testen. Dat vergeten veel studenten nogal vaak. Er zijn vaak ook richtlijnen wat je moet doen als bepaalde assumpties geen steek houden.

Verder kun je mss is in de paper kijken waar ze 50 variabelen gebruiken. Gegeven het aantal variabelen + De verschillende categorieën van de afhankelijke variabele twijfel ik toch of zelfs 50 genoeg was.

Wat betreft uw alpha (p waarde) die je vindt: Met een niet significantie p-waarde kan je argumenteren dat het voor toekomstig onderzoek interessant kan zijn om bv een dummy variabele voor europa in hun model te steken. Zo kan bv blootgelegd worden of het mss eerder de cultuur is die invloed heeft op de index.
Vergeet ook niet dat je naast je alpha ook een beta hebt (ookwel de 'power' van uw test genoemd). Kleine sample zal zorgen voor een lagere power. Als dit je niet direct iets zegt moet je in je statistiekcursus nog eens lezen over type 1 en type 2 fouten.

Ook nog iets niche, weet niet of het toepasbaar is op jou, maar als luxemburg bij je data hoort: smijt die er uit. Dat land geeft miserie bij zowat alle multivariate data analyse, naar mijn ervaring.

Toen vooral dat je genoeg moeite hebt gedaan en opties hebt bekeken naar je promotor toe.