Hallo zusammen,

ich möchte ein Online-Experiment durchführen bei dem die Teilnehmer 6 Fragen beantworten (Antwort jeweils auf einer Wahrscheinlichkeitsskala). Bei jeder Frage wird eines von X zufälligen Bildern angezeigt. Dieses Bild erfüllt den jeweligen Faktor entweder oder nicht. Die 6 UVs werden also dichotom gemessen.

Das ganze kann man ja m.M.n. mittels einer mehrfaktoriellen Varianzanalyse auswerten?! Jetzt frage ich mich jedoch, wie man den Effekt den bspw. die erste UV auf die zweite UV hat misst. Sprich je nachdem welches Bild bei der 1. Frage angezeigt wird, könnte dies ja Auswirkungen auf die 2., 3. Frage usw. haben. Das wären ja die Interaktionseffekte. Habe ich bei 6 UVs nicht extrem viele Interaktionseffekte und ist dies händelbar?

VG

Als Zusatz: Also im Fragebogen sollen Bilder von Foren gezeigt werden. Ziel ist es zu ermitteln, ob das Erfüllen bestimmter Eigenschaften einen (pos) Einfluss auf das Verhalten der Teilnehmer eines solchen Forums hat. Die abhängige Variable also das Verhalten der Teilnehmer wird auf einer 5-Punkt Skala gemessen.

Öffnet man nun den Fragebogen sieht man das Bild eines Forums, welches Faktor 1 (1. unabhängige Variable), zB das Vorhandensein eines Rankings der aktivsten Nutzer, entweder erfüllt oder eben nicht (welches Bild angezeit wird basiert auf einem Zufallsmechanismus). Und so geht das dann mit den unabhängigen Variablen 2-6 weiter. Hier wird auch immer jeweils ein Bild angezeigt welches den jeweiligen Faktor entweder erfüllt oder nicht.
Zu jedem Bild werden die Teilnehmer gefragt wie wahrscheinlich eine Teilnahme in einem solchem Forum wäre (gemessen auf einer 5 Punk Skala)

0.) Warum 6 UV? Um welche Variablen handelt es sich?

1.) Ich weiß nicht ob du das nur schnell druntergeschrieben hast oder aus Unwissen so geschrieben hast, aber lies dich doch nochmal ein wegen der korrekten Terminologie: Ein Factor im eigentlichen Sinne ist das oben nicht, sondern eher ein Trait.

2.) Die Abhängige Variable/ Ein Konstrukt/ den jeweiligen Factor mit nur 1er Frage zu messen ist bisschen wenig, oder gibt deine Literatur einen 1-Item-Factor für das latente Konstrukt vor?

3.) Wir sagen mal der oben genannte Faktor (welcher eher ein Moderator ist) wäre die Farbe und das 1. Bild ist grün, dann Fragen zur Nutzung, dann das 2. Bild ist rot und dann Fragen zur Nutzung. Das kannst du tatsächlich mit einer einfachen Regression hinbekomme und dann den Interaktionseffekte(oder eher hier Moderation) der Farbe einrechnen. Warum sollten es da "viele Effekte geben? 1 Effekt pro Beziehung UV(s)/AV...

Grüße
St

Danke für die Anwort

0.) 1 UV wäre bspw. Ranking vorhanden: Ja oder nein; 2. UV wäre das Vorhandensein finanzieller Anreize: Ja oder nein usw.

1.) Ok danke

2.) Die AV ist ja die Wahrscheinlichkeit der Teilnahme (auf einer Skala von 1-5). Ich würde dann eben die Gruppe vergleichen die UV1 Ranking:ja gesehen hat und die die UV1 Ranking : Nein gesehen hat und gucken ob sich die Wahrscheinlichkeit der Teilnahme auf der Skala untersheidet