STATISTIK-FORUM.de

Hallo zusammen,
Zur Auswertung meines Masterarbeitsthema rechne ich ANCOVAs und hierarchische Regressionen. Da meine UV Variable nicht normalverteilt ist, habe ich sie ln-transformiert. Muss ich dann auch die kovarite transformieren? Und ähnlich bei der Regression, auch hier muss ich meine UV transformieren, da ich im zweiten Schritt 4 UVs habe, ist meine Frage, ob ich dann auch alle UVs transformieren muss oder es reicht nur die nicht normalverteilt UV zu transformieren.
Und als letzte Frage, können ln logarithmiere Daten in die gleiche Richtung wie die rohdaten interpretiert werden?
Ich würde mich riesig freuen, wenn mir jemand weiterhelfen könnte.

Schönen Sonntag euch noch.

Hi,

Da meine UV Variable nicht normalverteilt ist, ..

- die kann niemals NV-verteilt sein
- ...
- N?

Masterarbeitsthema

- ?

Gruß
S.

Da meine UV Variable nicht normalverteilt ist

Das ist irrelevant.

Vielen Dank für die schnellen Antworten.
Bei der ANCOVA transformiere ich natürlich die AV und dann muss ich ja die kovariate nicht zwingend auch transformieren.
Sollte ich jedoch bei der Regression die UV transformieren, da sie die Annahme der linearität nicht erfüllt. Müsste ich dann die anderen UVs auch transformieren?

Abhängige Variablen müssen nicht normalverteilt sein.

Und was ist mit "UV transformieren, da sie die Annahme der linearität nicht erfüllt." gemeint?


Mit freundlichen Grüßen

PonderStibbons

Ok und die AV muss nicht normalverteilt sein, da die ANOVA Robust gegen Verletzungen der NV ist? Ist es nicht trotzdem besser durch Transformation eine NV herzustellen?
Für die Regression ist ja eine Vorraussetzung, die lineare Beziehung zwischen den Variablen. Ist diese nicht erfüllt, ist eine Möglichkeit die Transformation des prädiktors. Oder gibt es eine bessere Vorgehensweise um diese Annahme zu erfüllen?

Ok und die AV muss nicht normalverteilt sein, da die ANOVA Robust gegen Verletzungen der NV ist?

Nein, die AV muss nicht normalverteilt sein, weil sie nicht normalverteilt sein muss.
Es geht nicht um die Verteilung der AV, sondern um die Verteilung der Modellfehler
(Residuen). Diese sollten vorzugsweise aus einer normalverteilten Grundgesamtheit
stammen. Wenn die Stichprobe groß genug ist, ist diese Voraussetzung aber entbehrlich.

Für die Regression ist ja eine Vorraussetzung, die lineare Beziehung zwischen den Variablen. Ist diese nicht erfüllt, ist eine Möglichkeit die Transformation des prädiktors. Oder gibt es eine bessere Vorgehensweise um diese Annahme zu erfüllen?

Je nach Sachlage. Transformieren sollte man vorzugsweise, wenn es sachlich
interpretierbar bleibt. Eine Log-Transformation z.B, von zeitbezogenen Messungen
oder Einkommeverteilungen und dergleichen ergibt häufig auch inhaltlich Sinn.
Anderes vielleicht nicht. Anscheinend nicht-lineare Beziehungen zwischen
Vorhersagemodell und abhängiger Variable kann man mitunter durch Hinzufügen
von weiteren Prädiktoren linearisieren, z.B. x². Da Inhalt und Fragestellung
und Variablen und Design und Stichprobengröße Deiner Studie nicht vorgestellt
wurden, ist die Möglichkeit, hierzu etwas beizutragen, zwangsläufig leider sehr
eingeschränkt.

Mit freundlichen Grüßen