STATISTIK-FORUM.de

PonderStibbons hat geschrieben:

Aber müsste dann nicht eher umgekehrtes der Fall sein? Also müssten dann die t-Tests nicht eher signifikant werden als die Prädiktoren bei der Regression?

Ja, da hatte ich den umgekehrten Fall vor Augen.

Die logistische Regression ist mir immer noch ein Rätsel, nichtmal
ob es eine multiple oder mehrere Einzelregressionen waren, ist
zweifelsfrei, für letzteres spircht dass jeweils für eine Variable
ein R² angegeben ist, für ersteres wieder andere Aussagen.

Falls es sich um eine multiple Regression handelt, und was auch
immer sonst noch da eingeflossen sein mag, dann wäre es ganz
alltäglich, wenn sich die Beziehungen ändern. Hinsichtlich
"vorher war's nicht signifikant, jetzt isses" wäre zunächst an
einen möglichen => Suppressoreffekt zu denken, aber wie gesagt,
das Vorgehen ist mir unklar und was da noch mit eingegangen ist.

Mit freundlichen Grüßen

P.

Ich muss gestehen, dass ich selbst nicht weiß, ob das multipel war oder nicht. Ich dachte in eine binäre logistische Regression gehen immer mehrere Variablen ein. ICh habe das bei SPSS über "Binäre logistische Regression" mit AV = Rückfall/kein Rückfall und Kovariaten = metrische Variablen und viele dummykodierte, kategoriale Variablen gemacht.
Vielleicht hilft ja noch meine Syntax?
LOGISTIC REGRESSION VARIABLES dB024_31
/METHOD=FSTEP(LR) dAUSBILDno dAL1 dAL2 dLEDIG dHEIRAT dGESCHIE dKIND1 dSCHUL_HSO
dSCHUL_REAL dSCHUL_ABI dAMB dTEILSTAT dSTAT dICD1004 GESCHL ZUVOR_REH_SUM ZUVOR_SUM ZUVOR ICD1002 ICD1005 ADAUER dICDPSY
ALTBEIAUF ADAUER*ALTBEIAUF ALTBEIAUF*GESCHL
/CONTRAST (dAUSBILDno)=Indicator(1)
/CONTRAST (dAL1)=Indicator(1)
/CONTRAST (dAL2)=Indicator(1)
/CONTRAST (dWOHN1)=Indicator(1)
/CONTRAST (dWOHN2)=Indicator(1)
/CONTRAST (dLEDIG)=Indicator(1)
/CONTRAST (dHEIRAT)=Indicator(1)
/CONTRAST (dGESCHIE)=Indicator(1)
/CONTRAST (dSCHUL_HSO)=Indicator(1)
/CONTRAST (dSCHUL_REAL)=Indicator(1)
/CONTRAST (dSCHUL_ABI)=Indicator(1)
/CONTRAST (dSCHULDEN)=Indicator(1)
/CONTRAST (dAMB)=Indicator(1)
/CONTRAST (dTEILSTAT)=Indicator(1)
/CONTRAST (dSTAT)=Indicator(1)
/CONTRAST (ZUVOR)=Indicator(1)
/CONTRAST (dICD1004)=Indicator(1)
/CONTRAST (GESCHL)=Indicator(1)
/SAVE=PRED PGROUP COOK LEVER DFBETA ZRESID
/CLASSPLOT
/CASEWISE OUTLIER(2)
/PRINT=GOODFIT ITER(1) CI(95)
/CRITERIA=PIN(0.05) POUT(0.10) ITERATE(20) CUT(0.5).
EXECUTE.

Vielleicht kommt die Verwirrung wegen der schrittweisen Selektion?

So wie es aussieht, gibt es wie angedeutet kein grundsätzliches Problem.
Ein Ergebnis aus einem einfachen t-Test und ein Prädiktorgewicht in einer
multiplen Regressionsanalse sind zwei verschiedene Paar Schuhe. Wie
gesagt kannst Du Dir einmal den Begriff Suppressor(-effekt) ansehen.

Mit freundlichen Grüßen

P.

Es ist schon mal schön, zu hören, dass sich das statistisch erklären lässt (Habe mir den Suppressoreffekt angeschaut und der erscheint mir passend). Danke auf jeden Fall für die Mühe und Geduld mich zu verstehen.
Die Frage ist für mich noch, wie ich das dann inhaltlich interpretiere. Vor diesem Hintergrund würde ich jetzt denken, dass Vorbehandlungen und Konsumtage alleine nicht mit dem Auftreten eines Rückfalls zusammenhängen. Wenn ich aber quasi viele mögliche Variablen mit dem Kriterium Rückfall in Zusammenhang setze, sagen Vorbehandlungen und Konsumtage unter diesen einen Rückfall am ehesten voraus. ? So ungefähr? :-/

Ich habe jetzt mal eine Partialkorrelation der verdächtigen Variablen mit meiner Outcomevariable unter Konstanthaltung meines vermuteten Suppressors berechnet. Und dann wird der Zusammenhang der Variablen mit dem Outcome jeweils signifikant! Ich glaub, das erklärts! Es macht auch inhaltlich Sinn!