STATISTIK-FORUM.de

Hallo! In einer Studie, in der ich multiple lineare Regressionen rechne, hätten ich einige kategoriale Variablen (z.B. Diagnose Depression; nein = 0 / ja = 1) als Prädiktoren interessiert. Allerdings sind bei einigen dieser Prädiktoren die Antwortoptionen sehr ungleichverteilt besetzt (z.B. 86% nein oder 94% nein). Ab welchre Prozentzahl würde man eine Variable als Prädiktor ausschließen? Was für einen bias würde das verursachen und wie heißt die entsprechende Voraussetzung die verletzt wurde?

Du brauchst den Prädiktor nicht auszuschließen. solange seine Varianz nicht 0 ist. Die Kontrolle kommt nachher durch die Standardabweichung des Koeffizienten bzw. die Signifikanzprüfung.

LG,
Bernhard

Lieber Bernhard, danke für die schnelle Antwort! Könntest Du mir das vielleicht nochmal genauer erläutern? Signifikanzprüfung des Modells oder des Regressionsgewichts des einzelnen Prädiktors? Ich bin irgendwie davon ausgegangen, dass ein Modell mit solchen Prädiktoren nicht reliabel sein kann, warsch. keine Power hat o.Ä.?

Hi,

dass ein Modell mit solchen Prädiktoren nicht reliabel sein kann, warsch. keine Power hat o.Ä.?

- Was meinst Du damit?
- Was modellierst Du (insgesamt ) mit Deiner Regression unter welcher Fragestellung?
- Wie ist die Stichprobe entstanden? Was ist Zielpopulation?

Gruß
S.

JohannaSch hat geschrieben:Könntest Du mir das vielleicht nochmal genauer erläutern? Signifikanzprüfung des Modells oder des Regressionsgewichts des einzelnen Prädiktors? Ich bin irgendwie davon ausgegangen, dass ein Modell mit solchen Prädiktoren nicht reliabel sein kann, warsch. keine Power hat o.Ä.?

Hallo Johanna,

so ein Prädiktor bringt wahrscheinlich wenig Information ins Modell (wer weiß, vielleicht ist es ganz anders, und genau der lässt Dein R^2 auf 100% ansteigen). Wenn er wenig Information einbringt, dann gibt es wenig Information über die Größe seines Regressionsgewichts und dann ist dessen Signifikanz schwerer zu zeigen. Das ändert alles nichts daran, dass Du einen solchen Prädiktor erstmal mit ins Modell nehmen und sehen kannst, was dann passiert. Du musst ihn nicht bei einem bestimmten Cut-off rausschmeißen, solange er nicht ganz ohne Varianz ist.

LG,
Bernhard

'Hi,

- Was modellierst Du (insgesamt ) mit Deiner Regression unter welcher Fragestellung?
- Wie ist die Stichprobe entstanden? Was ist Zielpopulation?
. N?

Gruß
S.