STATISTIK-FORUM.de

[hircar2]

Hallo ihr Lieben,

um Zusammenhänge zwischen unabhängigen Variablen und der Variable Inanspruchnahme ja/nein (AV) zu überprüfen habe ich Kreuztabellen und Chi²-Tests erstellt. Mit den Variablen, die signifikant sind würde ich dann ein binär logistisches Regressionsmodell erstellen. Die UV sind nominal und ordinal skaliert.
Da ich ja mehrere Tests durchführe, müsste ich dann das Signifikanzniveau anpassen?
Wenn ja mit welchem Test, da die UV's nominal und ordinal und die AV nominal skaliert s ind?

Vielen Dank im Voraus

[bele]

Hallo hircar,

das mit der Korrektur für Alphafehlerkorrekturen ist nicht leicht und es gibt keine eindeutigen Antworten, sondern jeweils Meinungen zum Einzelfall. Es geht dann vor allem um Fallzahlen und eine Abwägung, ob ein Alphafehler schlimmer oder ob ein Betafehler schlimmer wäre, denn jede Korrektur für multiples Testen macht den Betafehler wahrscheinlicher.

Gegenfrage: Käme es für Dich auch in Frage, anstelle dieser ganzen Vortests gleich ein logistisches Modell mit ganz vielen Prädiktoren zu berechnen?

Wenn Du große Fallzahlen hast, wäre das wahrscheinlich besser und wenn Du kleine Fallzahlen hast, dann machst Du Dir mit so vielen Tests und Alphafehlerkorrektur auch jede Signifikanz kaputt.

LG,
Bernhard

[hircar2]

Hey,

ich dachte, dass die Güte eines Modells mit weniger Variablen besser wäre.
Muss ich noch andere Tests mit den Variablen durchführen? (z.B. Korrelationen etc. zwischen den UV's untersuchen?)

LG

[PonderStibbons]

Mit den Variablen, die signifikant sind würde ich dann ein binär logistisches Regressionsmodell erstellen. Die UV sind nominal und ordinal skaliert.

Leider verbreitet, aber fehlerhaft. Das logistische Regressionsmodell "weiß" nicht, dass Variablen vorselektiert wurden. Die resultierenden Standardfehler und Signifikanzwerte sind verzerrt, die Generaliserbarkeit des solcherart den Stichprobendaten über-angepassten Modells ist fraglich. Wie andernorts angemerkt, bilde kein Modell auf Basis einer mechanischen Vorauswahl, sondern anhand inhaltlicher, theoretisch fundierter Überlegungen und/oder praktisch relevanter Variablen. Stichprobengröße und Zahl der potenziallen Prädiktoren wurden leider nicht genannt.

Mit freundlichen Grüßen

PonderStibbons

[hircar2]

Es wurden insgesamt um die 400 Variablen erhoben. Davon kämen ca. 50 in Frage.
Die Stichprobe umfasst 4.000 Probanden.

Muss man bei einer logistischen Regression kategoriale Variablen Dummy-kodieren?

LG

[PonderStibbons]

Es wurden insgesamt um die 400 Variablen erhoben. Davon kämen ca. 50 in Frage.
Die Stichprobe umfasst 4.000 Probanden.

Welches sind denn die Fragestellung(en) und der praktische Zweck der Studie?

Muss man bei einer logistischen Regression kategoriale Variablen Dummy-kodieren?

Ja.

LG

wtf

Mit freundlichen Grüßen

PonderStibbons

[hircar2]

Es geht darum, Faktoren zu identifizieren, die einen Einfluss auf die Inanspruchnahme einer Leistung (z.B. Krebsvorsorge) haben..

[bele]

4000 Beobachtungen sind doch mal ein solider Einstieg. Ja, kategoriale Variablen werden in der linearen Regression und damit auch in der logistischen Regression dummycodiert, aber wenn man nicht allzuviele Dummys pro Item braucht, könnte man 50 Variablen auch an 4000 Leuten direkt testen. Wenn man mehrere Dummys pro Item braucht, wie wäre es dann mit folgendem Vorgehen: Du verwendest die Daten von 2000 Patienten und reduzierst über eine schrittweise Regression ein Set von heißen Kandidaten und rechnest dann mit den übrigen 2000 Patienten und den heißen Kandidaten eine saubere logistische Regression?

LG,
Bernhard

[strukturmarionette]

Dummycodierung ist nur eine Möglichkeit der Codierung Deiner kategorialen UVs, keinesfalls ein Muss.