STATISTIK-FORUM.de

[DerSPSSSpieler]

Hallo zusammen,

In meiner BA untersuche ich im Teil der deskriptiven Statistik mittels Spearman den Zusammenhang zweier Variablen. Die eine ist die geplante AV einer kommenden Regressionsanalyse, die andere die UV. In meinen Hypothesen habe ich einen positiven Zusammenhang (aus der Literatur abgeleitet) vermutet.

Wenn hier nun kein Zusammenhang besteht, entgegen der Hypothese, macht eine Regression denke ich keinen Sinn. Kann ich dann diese Hypothese als widerlegt betrachten? Oder gibt es hier andere sinnvollere Vorgehensweisen?

Auch wenn dieser Zusammenhang nicht besteht, habe ich genug weitere Hypothesen, in denen andere abhängige Variablen mittels multiplen lin. Regressionsmodellen untersucht werden.


Vielen Dank

[bele]

Warum rechnest Du nicht gleich die Regression sondern erst die Korrelation? Mathematisch kann bei Berücksichtigung von Kovariaten noch ein Zusammenhang deutlich werden, ob das in Deinem Kontext relevant oder plausibel ist können wir nicht wissen.

LG, Bernhard

[DerSPSSSpieler]

Deine Aussage hilft mir auf jeden Fall erstmal weiter, dann macht eine Regression durchaus Sinn.

Die Korrelation wollte ich als Teil der deskriptiven Statistik reinbringen. Um direkt bivariate Zusammenhänge beschreiben zu können. Nun habe ich jedoch keinen Zusammenhang, und schon gleich gar keinen linearen, was mich natürlich vor die Frage stellt, wie ich eine Regressionsanalyse durchführen kann. Ohne Zusammenhang gibt es doch normal keine Regression

[bele]

Hallo!

Die Korrelation wollte ich als Teil der deskriptiven Statistik reinbringen.

Ok, dagegen spricht nichts.

Ohne Zusammenhang gibt es doch normal keine Regression

Ich würde das anders herum sehen: Eine Regression kann man immer rechnen und die Rechenergebnisse sagen uns dann, ob wir da einen Zusammenhang finden.

Nun habe ich jedoch keinen Zusammenhang, und schon gleich gar keinen linearen, was mich natürlich vor die Frage stellt, wie ich eine Regressionsanalyse durchführen kann.

Wenn es keinen Zusammenhang gibt, dann kann die Regression nichts fruchtbares finden. Wenn es nicht-lineare Zusammenhänge gibt, dann sollte man nicht-lineare Regressionsverfahren erwägen. Einfache kurvilineare Zusammenhänge kann man mit Transformationen angehen, solche mit Richtungswechsel mit quadratischen Termen, komplexe kurvilineare Zusammenhänge mit Generalisiert-Additiven-Modellen (GAM) und ganz wilde Zusammenhänge mit Maschinenlernverfahren wie
RandomForests, XGBoosting oder neuronalen Netzen. Das geht dann nicht mehr nach Schema F sondern erfordert viel Wissen über das zugrundeliegende Problem und hängt natürlich auch von Deinem Ausbildungsstand in Sachen Statistik ab.
Wenn man Dir im Studium "nur" einfache multiple lineare Regression beigebracht hat dann kann man auch nur das in Deiner Bachelor-Arbeit erwarten.
Wenn Du Dir Deinen Eingangspost nochmal anschaust, dann ist der doch sehr abstrakt/allgemein. Wirklich konkrete Problemhilfe können wir nur bei konkreter Problembeschreibung liefern.

LG,
Bernhard