Kennst du schon die beliebteste statistische Methode zur Dichotomisierung von Variablen? Nein? Dann lass uns den Median-Split genauer unter die Lupe nehmen. Dabei wird eine Variable entlang des Medians in zwei Gruppen eingeteilt. Klingt interessant? Wir zeigen dir, wie es funktioniert und diskutieren die kritischen Meinungen dazu.
Wie funktioniert der Median-Split?
Bei einem Median-Split wird eine Variable in zwei (meist gleichgroße) Gruppen aufgeteilt. Doch warum sollte man das tun? Ganz einfach: Der Median-Split bietet eine Möglichkeit, kontinuierliche Variablen zu vereinfachen und leichter analysierbar zu machen. Der Rechner hilft dir dabei, die entsprechenden Cut-Off Werte für die Einteilung in zwei oder auch drei Gruppen zu berechnen und den SPSS-Syntax automatisch zu generieren.
Einfache Anwendung
Für den Median-Split musst du lediglich deine Daten in SPSS auswählen und kopieren. Dann fügst du sie in das Textfeld des Rechners ein und schon kannst du die Berechnung durchführen. So einfach ist das!
Kritik am Median-Split
Natürlich gibt es auch kritische Stimmen zum Einsatz des Median-Splits. Hier werden häufig zwei Argumente genannt:
Informationsverlust durch den Median-Split
Bei der Dichotomisierung gehen Informationen verloren. Stell dir vor, du möchtest das Spielverhalten von Teilnehmern untersuchen und die Anzahl der Stunden erfassen, die sie jede Woche mit Computerspielen verbringen. Nach dem Median-Split werden Personen, die 7 Stunden spielen, in dieselbe Gruppe gesteckt wie solche, die 34 Stunden spielen. Dadurch gehen Nuancen verloren und die Stichprobe wird nicht mehr adäquat abgebildet. Eine mögliche Lösung ist die Aufteilung in drei Gruppen, wobei die mittlere Gruppe bei der Analyse nicht berücksichtigt wird. Allerdings geht dadurch ein Drittel der Stichprobe verloren.
Powerverlust durch den Median-Split
Ein weiteres Problem ist der mögliche Powerverlust. Durch den Informationsverlust kann es sein, dass nachfolgende Analysen weniger wahrscheinlich sind, Unterstützung für Hypothesen zu finden. Effektgrößen und statistische Power können reduziert werden. Studien haben gezeigt, dass sich Korrelationskoeffizienten nach dem Median-Split deutlich verringern.
Fazit
Trotz der Kritikpunkte bleibt der Median-Split eine beliebte Methode. Es gibt Wissenschaftler, die den Einsatz von Median-Splits weiterhin empfehlen, solange unkorrelierte unabhängige Variablen verwendet werden. Wie bei vielen statistischen Methoden gibt es Vor- und Nachteile, die man abwägen muss.
Quellen:
- Cohen, J. (1983). The Cost of Dichotomization. Applied Psychological Measurement, 7(3), 249-253.
- Humphreys, L. G. (1978). Doing research the hard way: Substituting analysis of variance for a problem in correlational analysis. Journal of Educational Psychology, 70(6), 873-876.
- Iacobucci, D., Posavac, S. S., Kardes, F. R., Schneider, M. J., & Popovich, D. L. (2015a). Toward a more nuanced understanding of the statistical properties of a median split. Journal of Consumer Psychology, 25(4), 652-665.
- Iacobucci, D., Posavac, S. S., Kardes, F. R., Schneider, M. J., & Popovich, D. L. (2015b). The median split: Robust, refined, and revived. Journal of Consumer Psychology, 25(4), 690-704.
- Lagakos, S. W. (1988). Effects of mismodelling and mismeasuring explanatory variables on tests of their association with a response variable. Statistics in Medicine, 7(1-2), 257-274.
