STATISTIK-FORUM.de

[EmilTischbein]

Hallo liebe Leute,

Ich steht gerade vor der Herausforderung, meine multiple lineare Regression der Master-Thesis zu rechnen.
Es geht bei einer Hypothese um den Einfluss von Geschlecht, Alter, Ängsltichkeit und Stress auf den Placeboeffekt.

Dafür bietet sich die multiple Regression an.
Ich bin der Meinung, dass meine Dozentin mal gesagt habe, da sei eine hierarchische Regression angebracht, Geschelcht auf Level 1, der Rest auf level 2.
Die anderen Eigenschaften seien im Geschlecht genestet.

Ich tu mich aktuell schwer, dies zu verstehen, da die hierarchische Methode immer mit einer Gruppenzugehörigkeit erklärt wird. Und in den meisten Beispielen läuft Geschlecht als normale Prädikotrvariable wie alle andern mit.
Das bringt mich eher zu dem Schluss, dass eine andere Methode besser wäre.

Und dann stellt sich die Frage, welches Modell dann?
Field schreibt in seinem Buch, dass man Schrittweise nicht nehmen sollte sondern dann lieber den Einschluss, also alle auf einmal reinpacken.

Auch hier ist aber meine Denkweise wie folgt,ich würde Schrittweise Geschlecht, Alter, Ängsltichkeit, Stress als Reihenfolge nehmen.
Dann werden zB ja alle Unterschiede in der Ängstlichkeit, die auf Alter und Geschlecht zurückzuführen sind schon rausgerechnet und am Ende bleibt eigentlich nur der "reine" Einfluss von Ängstlichkeit au den Placeboeffekt über.

Lange Rede, kurzer Sinn,
Ist die Methode schrittweise in meinem Fall sinnvoll, oder macht man das nicht und Einschluss ist besser (oder doch hierarchisch)?

Liebe Grüße,
Emil

[PonderStibbons]

Ich bin der Meinung, dass meine Dozentin mal gesagt habe, da sei eine hierarchische Regression angebracht, Geschelcht auf Level 1, der Rest auf level 2.
Die anderen Eigenschaften seien im Geschlecht genestet.

Das vermischt zwei unterschiedliche Methoden, den Aufbau eines Regressionsmodell über mehrere
Stufen einerseits mit einem Mehrebenenmodell andererseits. Genestet ist Deiner Skizze nach in
Deiner Studie nichts.

Field schreibt in seinem Buch, dass man Schrittweise nicht nehmen sollte sondern dann lieber den Einschluss, also alle auf einmal reinpacken.

Es gibt "Schrittweise" als Selektionsmethode, im Prinzip wirft man einen Haufen Variablen in
die Regression und lässt den Algorithmus entscheiden, welche Variablen nach und nach
rausgeworfen werden (stepwise backward selection) oder nach und nach reingenommen
werden (stepwsie forward selection). Das sollte man tunlichst sein lassen.

Etwas anderes ist ein hierarchisches schrittweise Vorgehen, bei dem man selbst die Stufen vorgibt,
etwa weil man die Frage hat "Wenn ich erst Geschlecht und Alter reingebe und dann im nächsten
Schritt noch Intelligenz hinzufüge, trägt das wesentlich zur Verbesserung der Modellgüte und
Vorhersageleistung bei?" Das ist anders als die stewise-Prozeduren kein grober Unfug, aber es gibt
auch Stimmen, die es für überflüssig halten. Im Zweifel mache es so, wie Field es schreibt.

Auch hier ist aber meine Denkweise wie folgt,ich würde Schrittweise Geschlecht, Alter, Ängsltichkeit, Stress als Reihenfolge nehmen.
Dann werden zB ja alle Unterschiede in der Ängstlichkeit, die auf Alter und Geschlecht zurückzuführen sind schon rausgerechnet
und am Ende bleibt eigentlich nur der "reine" Einfluss von Ängstlichkeit auf den Placeboeffekt über.

Es gibt leider kein rausrechnen und keinen reinen Einfluss, so schön das auch wäre. Und das Modell
und die Koeffizienten sind am Ende genau dieselben, egal ob hierarchisch oder in einem Schritt gebaut.
Wenn Du keine besondere Fragestellung hast, die hierarchische Vorgehensweise erfordert, dann
ersparst Du Dir mit "Einschluss" überflüssigen Aufwand.

Mit freundlichen Grüßen

PonderStibbons