Viele statistische Analyseverfahren setzen ein metrisches Skalenniveau voraus, so beispielsweise die multiple Regressionsanalyse. Sollen nun nominalskalierte Variablen in eine solche Analyse einfließen, können sogenannte Dummy-Variablen gebildet werden.
Bei Dummy-Variablen handelt es sich um binäre Variablen, also um Variablen, die nur die Werte 0 und 1 annehmen können. Eine dichotome Variable (eine Variable mit lediglich zwei Ausprägungen) lässt sich durch eine einfache Transformation leicht in eine Dummy-Variable überführen: Liegt eine festgelegte Ausprägung vor, nimmt die Variable den Wert 1 an, liegt sie dagegen nicht vor, so nimmt die Variable den Wert 0 an.
Dazu ein Beispiel: Ein Marktforscher untersucht die Auswirkungen unterschiedlicher Verpackungsdesigns auf das Kaufverhalten, wobei auch die Farbgestaltung der Verpackung als Einflussgröße miteinbezogen werden soll. Die Dummy-Variable q1 nimmt nun für rote Verpackungen den Wert 1, für nicht-rote Verpackungen den Wert 0 an. Liegen nur zwei mögliche Ausprägungen vor (beispielsweise rot und grün), so lassen diese sich in einer einzigen Dummy-Variable abbilden. Für weitere Farben lassen sich weitere Dummy-Variablen definieren, so dass auch nicht-dichotome Sachverhalte ausgedrückt werden können.
Dabei ist zu beachten, dass eine nominale Variable mit n Ausprägungen stets durch n-1 Dummy-Variablen abgebildet werden kann, da sich der Wert für die „letzte“ Ausprägung aus den anderen Dummy-Variablen ergibt. Soll beispielsweise neben Rot und Grün noch die Farbe Gelb betrachtet werden, sind dafür nur zwei statt drei Dummy-Variablen erforderlich, da bei q1 = 0 und q2 = 0 klar ist, dass q3 = 1 also die Verpackung gelb wäre.
Dummy-Variablen sind vorsichtig und mit Verstand einzusetzen. Es ist nicht sinnvoll, zehn nominalskalierte Variablen in Dummy-Variablen umzuwandeln und damit in ein Analyseverfahren einzusteigen, welches metrisch skalierte Daten voraussetzt. Neun metrisch skalierte Variablen dagegen durch eine fachlich sinnvolle Dummy-Variable zu ergänzen, ist methodisch als angemessener zu betrachten. Die Information, ob Dummy-Variablen verwendet wurden und, wenn ja, wie sich diese zusammensetzen, gehört in jeden Analysebericht.
Quellen[]
C. Reinboth: Multivariate Analyseverfahren in der Marktforschung, LuLu-Verlagsgruppe, Morrisville, 2006.
Brosius, F. (2002). SPSS 11. Bonn: mitp-Verlag.