Dichotome Variable
In diesem Beitrag
Was versteht man unter einer dichotomen Variable?
Eine dichotome Variable ist eine kategoriale Variable, die genau zwei sich gegenseitig ausschließende Ausprägungen annehmen kann. Sie ist damit der einfachste Sonderfall einer Nominalskala. Typische Beispiele sind:
- Geschlecht: männlich / weiblich
- Testergebnis: bestanden / nicht bestanden
- Erkrankung: ja / nein
- Behandlungsgruppe: Kontrollgruppe / Experimentalgruppe
Für statistische Berechnungen werden die beiden Kategorien häufig mit den Werten 0 und 1 kodiert – man spricht dann auch von einer binären Variable oder einer Dummy-Variable. Diese Kodierung ermöglicht es, dichotome Variablen in vielen Berechnungsverfahren zu verwenden, die eigentlich metrische Daten voraussetzen.
Warum ist die dichotome Variable für statistische Analysen wichtig?
Dichotome Variablen begegnen einem in der empirischen Forschung ständig – sei es als abhängige Variable (z. B. „Hat die Person das Studienziel erreicht: ja/nein?“) oder als unabhängige Variable (z. B. Gruppenzugehörigkeit). Ihre Bedeutung zeigt sich in mehreren Bereichen:
- Flexibler Einsatz in Analyseverfahren: Dank der 0/1-Kodierung lassen sich dichotome Variablen direkt in Regressionsmodellen, t-Tests oder Korrelationsanalysen verwenden.
- Logistische Regression: Ist die abhängige Variable dichotom (z. B. krank/gesund), kommt häufig die binär logistische Regression zum Einsatz – eines der meistgenutzten Verfahren in der medizinischen und sozialwissenschaftlichen Forschung.
- Punkt-biseriale Korrelation: Soll der Zusammenhang zwischen einer dichotomen und einer metrischen Variable berechnet werden, wird die punkt-biseriale Korrelation verwendet, die eng mit dem Pearson-Korrelationskoeffizienten verwandt ist.
Praxisbeispiel zu Dichotome Variable
Angenommen, du untersuchst in deiner Bachelorarbeit, ob ein neues Lernprogramm den Prüfungserfolg von Studierenden beeinflusst. Du erhebst, ob jede Person die Prüfung bestanden oder nicht bestanden hat. Diese Variable kodierst du wie folgt:
| Person | Prüfungsergebnis | Kodierung |
|---|---|---|
| 1 | Bestanden | 1 |
| 2 | Nicht bestanden | 0 |
| 3 | Bestanden | 1 |
| 4 | Bestanden | 1 |
| 5 | Nicht bestanden | 0 |
Mit dieser 0/1-kodierten Variable kannst du nun verschiedene Analysen durchführen: Du könntest beispielsweise einen Chi-Quadrat-Test verwenden, um zu prüfen, ob der Prüfungserfolg mit der Teilnahme am Lernprogramm zusammenhängt. Oder du nutzt eine binär logistische Regression, wenn du zusätzlich weitere Einflussvariablen – wie Lernzeit oder Vorwissen – gleichzeitig berücksichtigen möchtest. Der Mittelwert der kodierten Variable (hier: 0,6) entspricht in diesem Fall direkt dem Anteil der bestandenen Prüfungen in deiner Stichprobe – ein praktischer Nebeneffekt der 0/1-Kodierung.
