STATISTIK-FORUM.de

[RaGusa]

Hallo!

Ich möchte eine multiple Regression und eine hierarchische Regression rechnen und haqbe verschiedene Kovariablen, die möglicherweise einen Einfluss auf die aV haben könnten (deshalb rechne ich eine multiple Regression und nicht eine einfache lineare Regression). Nun möchte ich aber nur diese Kovariablen einschliessen, welche auch wirklich einen Einfluss haben und meine Frage ist somit: Wie soll ich das bestimmen? Mittels Korrelationen mit der aV? Oder mittels einfacher, linearer Regression (kV-->aV)? oder mittels multipler bzw. hierarchischer Regression? Und falls ich die hierarchische Regression nehme, welche Variablen füge ich denn zuerst ein und welche später?

Vielen Dank schon mal für die Hilfe!

Liebe Grüsse

RaGusa

[PonderStibbons]

Variablen nimmt man in eine multiple Regression auf weil man inhaltliche Gründe dafür hat. Nach statistischen Kriterien aus Kandidatenvariablen auszuwählen bedeutet, dass die nachfolgende Regression von falschen Vorausstzungen ausgeht und daher verfälschte Ergebnisse liefert, vor allem einen unzutreffenden p-Wert für das R² des Gesamtmodells. Die multiple Regression weiß nämlich nicht, dass die eingeschlossenen Variablen bereits Ergebnis einer statistischen Auswahlprozedur sind.

Gruß

P.

[RaGusa]

Vielen Dank für deine Antwort, PonderStibbons!

Also in dem Fall kontrolliere ich einfach für alle Variablen, bei denen ich vermute, dass sie einen Einfluss haben könnten. Ergeben sich dadurch keine Nachteile?

Liebe Grüsse

RaGusa

[PonderStibbons]

Es ist zunächst einmal ein Fallzahlproblem. Gängige Faustregeln besagen, dass für jeden Prädiktor mindestens 10, besser 20 Fälle in der Stichprobe vorliegen sollen. Zudem kann die Interpretierbarkeit der Gleichung bei vielen Prädiktoren leiden, das wird womöglich recht komplex. Aber wie konkret vorzugehen ist hängt vom Studienziel ab (e.g. Theorietestung; Theorieentwicklung; möglichst effektive Vorhersage ohne inhaltliche Interpretation dre Gleichung; möglichst effiziente Vorhersage, etc.) und dem Thema/Inhalt und den Randbedingungen (Fallzahl, Art der Variablen) und den vermuteten Beziehungen der Prädiktoren untereinander (ob zum Beispiel Moderation, Mediation, Suppression vermutet wird, ob einige Variablen nur als "Kontrollvariablen" dienen). Nach "mechanischen" Kriterien statt nach theoretischen Überlegungen ein Regressionsmodell zu bauen, ist aber jedenfalls problematisch.

Gruß

P.

[RaGusa]

Also ich habe das folgende Vorgehen geplant:

1. Bestimmen möglicher Kovariablen
2. Testen, ob diese einen Einfluss haben
3. Diese einschliessen, die einen einfluss haben
4. Berichten, dass ich die anderen weggelassen habe, weil diese keinen Einfluss hatten

Wäre das kein brauchbarer Kompromiss?

Liebe Grüsse

RaGusa

[PonderStibbons]

Ich kenne Deine Studie, ihr Ziel, das Thema, die Fallzahl, die Zahl und Art der Variablen, den Abnehmer nicht. Vorselektion führt zu verzerrten Ergebnissen, wie schon gesagt. Da es aber viele Leute gibt, die sich dessen nicht gewahr sind, könntest Du damit vielleicht durchkommen. Ich als Gutachter würde es so vermutlich nicht akzeptieren, denn es ergeben sich exakt dieselben Probleme wie bei der "stepwise mit automatischer Variablenselektion" Technik. Allenfalls könnte man, bei ausreichender Fallzahl, überlegen, einen Teildatensatz zur Identifikation von geeigneten Prädiktoren zu verwenden und den anderen Teildatensatz zur Berechnug des Regressionsmodells.

Gruß

P.

[RaGusa]

Okay, du hast mich überzeugt