STATISTIK-FORUM.de

Hallo zusammen,

ich stehe vor folgendem Problem:
Ich will die verschiedenen Einflüsse meiner Variablen auf meine abhängige Variable untersuchen. Da die Variablen verschiedene Einheiten haben, habe ich sie standardisiert.
Wenn ich nun meine Regression durchführe ist mein Intercept nahezu 0 und nicht signifikant. (pValue=1)
Ich habe nun nachgelesen, dass man bei der Regression mit standardisierten Variablen das Intercept weglassen sollte.
Wenn ich dies also mache und meine Regression ohne Intercept durchführe, ändert sich aber mein Bestimmtheitsmaß.

Kann mir das jemand erklären bzw. sagen, ob ich richtig oder falsch handle?
Oder ist es besser, das (nicht signifikante) Intercept im Modell zu lassen?
Bei anderen Variablen die nicht signifikant sind bin ich immer so vorgegangen, dass ich sie gelöscht habe und die Regression dann erneut durchgeführt habe.

Falls es hilft, ich nutze Matlab.

Vielen Dank und viele Grüße

Hi,

- Du musst zunächst alle deine relevanten Sachverhalte ( N, UVs AVs u.sw.) zunächst hier darlegen.
- Falls es Dir um MaLab- Anwendung geht, möglichst ein spezielles Programmierforum nutzen.

Gruß
S.

Adam75 hat geschrieben:Da die Variablen verschiedene Einheiten haben, habe ich sie standardisiert.

An der Stelle hast Du mich verloren. Kann schon sein, dass das standardisieren richtig ist, aber das geschriebene ist noch keine ausreichende Begründung dafür.

Ich habe nun nachgelesen, dass man bei der Regression mit standardisierten Variablen das Intercept weglassen sollte.

Und doch verändert sich Dein Bestimmtheitsmaß, die Regression ist also eine andere, ohne Intercept. Hast Du eigentlich die Zielvariable auch standardisiert?

Wenn ich dies also mache und meine Regression ohne Intercept durchführe, ändert sich aber mein Bestimmtheitsmaß.

Änder sich das oder das adjustierte ? Ändert es sich bedeutsam, oder geringfügig?

Kann mir das jemand erklären bzw. sagen, ob ich richtig oder falsch handle?

Deine Anfrage ist falsch. Zunächst einmal stellt sich die Frage, was Du mit der Regression anfangen willst. Regressionen können Zusammenhänge beweisen, Regressionen können Vorhersagen machen, Regressionen können Zusammenhänge vereinfachen und so weiter. Je nach Ziel ergeben sich unterschiedliche Anforderungen.
Manchmal hat das hier geholfen: nutzung-des-forums-f44/das-musste-mal-gepostet-werden-t6682.html

Bei anderen Variablen die nicht signifikant sind bin ich immer so vorgegangen, dass ich sie gelöscht habe und die Regression dann erneut durchgeführt habe.

Was zu einer Überanpassung der Regressionsgleichung an Deine Stichprobe führen dürfte - hier hängt es wieder von der eigentlichen Fragestellung ab, ob das vielleicht ausnahmsweise mal sinnvoll sein kann.

Falls es hilft, ich nutze Matlab.

Ist hier im Forum eher unüblich, sollte aber kein Problem sein. Erst die Statistik klären, dann die Umsetzung in Software.

LG,
Bernhard

Hallo,

ja, die Zielvariable habe ich auch standardisiert.
Der Zweck meiner Regression ist den Einfluss meiner Variablen auf die Zielvariable zu untersuchen.
Es ändern sich sowohl das normale als auch das adjustierte Bestimmtheitsmaß (wird um ca. 0,08 besser).
Bei meinen Daten handelt es sich um Zeitreihen, N ist ca. 15000.

Viele Grüße

Dass das adjustierte Bestimmtheitsmaß besser wird liegt einfach daran, dass ein nicht-hilfreicher Prädiktor weggelassen wird, denn das adjustierte Bestimmtheitsmaß bestraft für eine hohe Zahl von Prädiktoren. Wenn ein Prädiktor bei 15000 nicht signifikant wird, dann spielt er wirklich keine Rolle.
Wenn es Dir darum geht, den Einfluss einzelner Variablen zu beurteilen, warum ist es dann erforderlich, nicht-signifikante Prädiktoren aus dem Modell zu nehmen? Warum rechnest Du nicht einfach eine Regression mit allen infrage kommenden Prädiktoren?

LG,
Bernhard

Auch hier.

Hi,

- welches Zeitreihen Modell willst Du anwenden?

Gruß
S.

Hi,

es handelt sich um eine multiple lineare Regression.