Ordinaler Prädiktor in multipler Regression

Alle Verfahren der Regressionanalyse.

Ordinaler Prädiktor in multipler Regression

Beitragvon Merhavelbs » Mi 7. Sep 2022, 21:57

Hallo Zusammen

Ich hab folgende Frage: Ich berechne aktuell den Einfluss von mehreren Prädiktoren auf eine intervallskalierte AV. Nun habe ich einen ordinalen Prädiktor, den sozioökonomischen Status (4 Stufen, unterschicht-oberschicht), bei dem ich nicht sicher bin, ob ich ihn dummy-codieren muss. Normalerweise ist es ja bei kategorialen Variablen nötig, aber meine Recherchen im Internet zeigen bei ordinalen Variablen ein unklares Bild. Entweder man behandelt sie wie intervallskalierte Variablen oder man führt die dummy-codierung durch. Warum und wann man das eine oder das andere macht habe ich jedoch noch nicht herausgefunden. Das ganze sollte mit SPSS berechnet werden. Könnt ihr mir vielleicht weiterhelfen?
Beste Grüsse
Merhavelbs
Einmal-Poster
Einmal-Poster
 
Beiträge: 1
Registriert: Mi 7. Sep 2022, 21:36
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Ordinaler Prädiktor in multipler Regression

Beitragvon PonderStibbons » Mi 7. Sep 2022, 22:54

Da gibt es überhaupt kein unklares Bild. SES ist ordinal und kann bei bestem Willen nicht als quasi-intervallskaliert behandelt werden.
PonderStibbons
Foren-Unterstützer
Foren-Unterstützer
 
Beiträge: 11228
Registriert: Sa 4. Jun 2011, 15:04
Wohnort: Ruhrgebiet
Danke gegeben: 49
Danke bekommen: 2467 mal in 2451 Posts

Re: Ordinaler Prädiktor in multipler Regression

Beitragvon Holgonaut » Fr 9. Sep 2022, 07:38

Hi,

man dummy-kodiert, wenn der Verlauf der Y-Erwartungswerte über die Kategorien hinweg nicht-linear ist. Das wird bei der dummy-Kodierung herauskommen (über unterschiedliche Effekte der dummy-Variablen), während ein Nutzen der Variable als quantitativ den Effekt/die Regressionsgerade verzerren würde --wobei das Ausmaß natürlich vom Ausmaß der Nicht-Linearität abhängt. Kannst ja mal die Y-Mittelwerte plotten, als Entscheidungsgrundlage. Alternative wäre ein GAM zu rechnen, was in R simpel ist:
model <- mgcv::(y~ s(socStat) + <andere Prädiktoren>, data = <Datenfile>)

Hier ist s(x) ein "smoothing Parameter", der einen nicht-linearen Effekt ergibt.
Das kannst du mit dem linearen Modell vergleichen, in dem du s(x) mit x ersetzt.

Grüße
Holger
Holgonaut
Foren-Unterstützer
Foren-Unterstützer
 
Beiträge: 767
Registriert: Do 2. Jun 2011, 18:20
Danke gegeben: 3
Danke bekommen: 207 mal in 198 Posts

Re: Ordinaler Prädiktor in multipler Regression

Beitragvon bele » Fr 9. Sep 2022, 08:17

Kurze Fußnote zu Holgers Beitrag
Holgonaut hat geschrieben:model <- mgcv::(y~ s(socStat) + <andere Prädiktoren>, data = <Datenfile>)

Ich glaube, da fehlt der Funktionsname und es müsste richtig heißen:

model <- mgcv::gam(y ~ s(socStat) + <andere Prädiktoren>, data = <Datentabelle>)

Dazu muss man dann noch sagen, dass mgcv nicht mit R ausgeliefert wird, sondern nach der Installation von R einmalig mit
install.packages("mgcv")
installiert werden muss. SPSS selbst konnte (Stand vor 2,5 Jahren) keine GAM, aber man kann R von SPSS aus aufrufen: https://www.ibm.com/support/pages/does- ... odels-gams

LG,
Bernhard
----
`Oh, you can't help that,' said the Cat: `we're all mad here. I'm mad. You're mad.'
`How do you know I'm mad?' said Alice.
`You must be,' said the Cat, `or you wouldn't have come here.'
(Lewis Carol, Alice in Wonderland)
bele
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 5748
Registriert: Do 2. Jun 2011, 23:16
Danke gegeben: 15
Danke bekommen: 1342 mal in 1329 Posts

folgende User möchten sich bei bele bedanken:
Holgonaut


Zurück zu Regressionanalyse

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 2 Gäste