STATISTIK-FORUM.de

Doch, doch. Alle UV/Kovariate werden gleichzeitig berücksichtigt. Du kannst daher jeden Koeffizienten so betrachten, dass die linearen Effekte der anderen schon berücksichtigt sind. LG, Bernhard

Es sind nur die quadrierten Prädiktoren in dem Modell enthalten, es fehlen die unquadrierten.

Und wieso bootstrapping?

Und wie groß ist überhaupt die Stichprobe?

Hi Ponder Stibbons,

ach muss ich zusätzlich zu UV*UV (das sind SW_Poly, PS_Poly, Partiz_Poly) noch nur UV (das wären SW_MW, PS_MW, Partiz_MW) mit reinnehmen? Also dann so?

REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Einst_MW
/METHOD=ENTER SW_Poly
/METHOD=ENTER PS_Poly
/METHOD=ENTER Partiz_Poly
/METHOD=ENTER SW_MW
/METHOD=ENTER PS_MW
/METHOD=ENTER Partiz_MW
/METHOD=ENTER Geschlecht Alter DummyBZ_1 DummyBZ_1bis2 DummyBZ_3bis5 DummyBZ_5mehr DummyDV_BA
DummyDV_PB DummyDV_Area.

Bootstrapping wollte ich mit reinnehmen, weil die Fehlerwerte nicht normalverteilt sind.

Meine Stichprobe ist n= 130

Die Verteilung der Fehlerwerte ist ohnehin eine weitgehend irrelevante Größe,
und bei ausreichender Stichprobengröße (n > 30) kann sie ignoriert werden.
Bootstrapping kommt vorrangig infrage bei Heteroskedaszität, weil dann
die Standardfehler bei der herkömmlichen Berechnung falsch sind.

Ich verstehe nicht, wieso man hier ein hierarchisches Model rechnen sollte,
zudem mit so vielen Stufen. Am Ende hat man zig Tests von Koeffizienten
und Modellvergleichen und die Koeffizienten ändern sich zwischen den
Modellen, will man das tatsächlich alles interpretieren? Wenn nicht, dann
kann man es auch lassen und gleich das komplette Modell rechnen.

Mit freundlichen Grüßen

PonderStibbons

Alles klar, danke für die Einschätzung! sehr hilfreich!

Und zu den quadrierten und unquadrierten Prädiktoren: müssen alle mit rein richtig?

Also dann so:

REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Einst_MW
/METHOD=ENTER SW_Poly PS_Poly Partiz_Poly SW_MW PS_MW Partiz_MW Geschlecht Alter DummyBZ_1 DummyBZ_1bis2 DummyBZ_3bis5 DummyBZ_5mehr DummyDV_BA DummyDV_PB DummyDV_Area.

noch eine kurze Frage: muss ich bei einer Moderation dann nun auch die quadrierten Prädiktoren nehmen statt die unquadrierten?

Hallo zusammen,

eine weitere Frage bei der polynomialen Regression: muss ich bei der Interpretation der multiplen Regression bei dem Regressionskoeffizient B nun den Wert der Mittelwerts-variable oder den Wert der polynomialen UV*UV-Variable berichten? Selbstwert_Poly ist bei mir B= -.392 und Selbstwert_MW B= 3,173. Welcher wird berichtet?

Danke und lieben Gruß,
felina