Ich habe folgende Hypothesen aufgestellt:
Nullhypothese:
H0: Traumatische Ereignisse jeglicher Art während des Fluchtverlaufes führen zu einer geringeren Investition in benötigtes Humankapital für die Sozialintegration in die Ankunftsgesellschaft.
Gegenhypothese:
H1: Traumatische Ereignisse jeglicher Art während des Fluchtverlaufes führen zu einer erhöhten Investition in benötigtes Humankapital für die Sozialintegration in die Ankunftsgesellschaft.
Unabhängige Variablen: Raub, Betrug, sexuelle Belästigung, körperliche Übergriffe, Schiffbruch, Erpressung, Gefängnisaufenthalt. Für die einzelnen Variablen gilt 1=ist mir passiert; 0=ist mir NICHT passiert
Abhängige Variable: Maßnahme. 1=Teilgenommen; 0=nicht teilgenommen
N=1928
Aufgrund, dass alle Variablen nominal sind und ich den Einfluss meiner unabhängigen Variablen auf meine abhängige Variable überprüfen möchte, habe ich eine binär logistische Regressionsanalyse gemacht. Das Verfahren stimmt doch oder?
Nun die Frage: Prüfe ich mit meiner Methode und den entsprechenden Kodierungen H1, statt H0?
Ich habe folgende Ergebnisse bei der Regressionsanalyse erhalten:
- Code: Alles auswählen
Call:
glm(formula = Maßnahmen ~ Betrug_Ausbeutung + Sexuelle_Belaestigung +
Koerperliche_Uebergriffe + Schiffbruch + Raubueberfall +
Erpressung + Gefaengnisaufenthalt, family = binomial(), data = Sprache)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.493 -1.050 -1.029 1.310 1.556
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.30749 0.05389 -5.706 1.16e-08 ***
Betrug_Ausbeutung 0.31949 0.13642 2.342 0.019181 *
Sexuelle_Belaestigung -0.14650 0.35759 -0.410 0.682042
Koerperliche_Uebergriffe -0.30333 0.17116 -1.772 0.076367 .
Schiffbruch -0.24668 0.17231 -1.432 0.152256
Raubueberfall -0.06831 0.18053 -0.378 0.705137
Erpressung 0.62810 0.17360 3.618 0.000297 ***
Gefaengnisaufenthalt 0.07613 0.14981 0.508 0.611329
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2646.7 on 1927 degrees of freedom
Residual deviance: 2618.8 on 1920 degrees of freedom
AIC: 2634.8
Number of Fisher Scoring iterations: 4
Folgende Ergebnisse beim Ausrechnen der OR:
- Code: Alles auswählen
OR 2.5 % 97.5 %
(Intercept) 0.7352911 0.6614010 0.8170039
Betrug_Ausbeutung 1.3764224 1.0534320 1.7990114
Sexuelle_Belaestigung 0.8637295 0.4235745 1.7394245
Koerperliche_Uebergriffe 0.7383581 0.5263072 1.0303701
Schiffbruch 0.7813887 0.5557244 1.0930461
Raubueberfall 0.9339680 0.6545560 1.3295188
Erpressung 1.8740524 1.3360410 2.6407396
Gefaengnisaufenthalt 1.0791017 0.8038531 1.4469776
Dies würde man doch dann so interpretieren, dass die die Wahrscheichlichkeit an einer Maßnahme teilzunehmen um 1,38 höher ist, wenn man einen Betrug erfahren hat?
Und damit hätte ich ja H1 was die UV Betrug angeht, bestätigt und nicht H0
Liebe Grüße
