STATISTIK-FORUM.de

Hallo!

Folgende Situation:
Ich habe eine Reihe von Prädiktoren und ich möchte deren Einfluss auf mein Kriterium untersuchen.
Nun habe ich im ersten Schritt alle Prädiktoren mit dem Kriterium korreliert. Davon sind allerdings nur wenige signifikant geworden.
Jetzt möchte ich eine multiple lineare Regression rechnen. Ich bin mir unsicher, welche Prädiktoren ich in mein Modell aufnehmen sollte. Theoretisch hergeleitet habe ich alle.

Meine Fragen:

1) Sollte ich nur Prädiktoren in meine multiple lineare Regression aufnehmen, die signifikant mit dem Kriterium korrelieren?
2) Verwerfe ich dann automatisch die Hypothese, dass die anderen (nicht-signifikanten) Prädiktoren einen linearen Einfluss auf das Kriterium haben?

Vielen Dank!

Nun habe ich im ersten Schritt alle Prädiktoren mit dem Kriterium korreliert.

Wenn man das zur Variablenselektion macht, ist das ein Fehler.
Man packt nur die "statistisch signifikanten" Variablen ins Modell,
nur dass dieser Umstand nicht vom Modellberücksichtigt werden
kann, sodass sich falsche p-Werte und ein überangepasstest Modell
ergeben, dessen Generalisierbarkeit auf die Grundgesamtheit
fraglich ist.

Worum geht es in der Studie, wie lautet die konkrete Fragestellung,
welche Variablen sind Prädiktoren und wieviele sind es, wie groß ist
die Stichprobe?

Mit freundlichen Grüßen

PonderStibbons

Hi PonderStibbons, danke für deine schnelle Antwort!

Zu deinen Fragen:

Die Forschungsfrage lautet: "Welche Personenmerkmale hängen mit dem Annehmen von akkuraten bzw. inakkuraten Ratschlägen zusammen?"
Es gibt 7 Prädiktoren (die Big 5, spezifische Selbstwirksamkeit und Expertise). Die Hypothesen sind mit "Je höher Prädiktor X, desto höher/niedriger der Weight of Advice" formuliert.
Insgesamt gibt es N = 141 Versuchspersonen, der Datensatz ist allerdings in zwei Gruppen geteilt (akkurate vs. inakkurate Ratschläge). Pro Gruppe ist n = 70 bzw. n = 71.
Für beide Gruppen wollte ich jeweils eine multiple lineare Regression rechnen.

Wie könnte ich hier am besten vorgehen?

Multiple binär-logistische Regression (oder ist annehmen/nicht annehmen eventuell
nicht binär?), mit den unabhängigen Variablen: Gruppe, den 7 Prädiktoren und den
7 Wechselwirkungen Gruppe*Prädiktor.

Mit freundlichen Grüßen

PonderStibbons

Danke!

Annehmen/ nicht annehmen ist nicht binär (Weight of Advice = Zu wie viel Prozent nehme ich den Ratschlag an).

Die binär-logistische Regression ist für Prozentzahlen zwischen 0 und 100% (also Werte zwischen 0 und 1) sehr gut zu gebrauchen und allgemein üblich. Die abhängige Variable muss keines falls binär sein

LG,
Bernhard