Statistik-Tutorial Forum

[speary]

liebe forumsmitglieder,

ich schreibe gerade meine diplomarbeit und möchte dazu datenanalysieren, die alle nominal skaliert sind, aber "glücklicherweise" auch dichotom, denn ich hatte mir überlegt, anstatt mit kreuztabelle und kontingenzkoeffizient o.ä.die daten per log. regression zu bearbeiten.
nun stellt sich mir die frage, ob sich der aufwand überhaupt lohnt, also ich meine hinsichtlich der qualität des ergebnisses (nebenbei erwähnt, habe ich das verfahren auch noch nie angewendet, aber da kann ich mich ja einlesen).

Vielen Dank schon mal für eure Meinungen im voraus.

[PearsonsR]

Hallo Spearmint,
die Frage ob logistische Regression oder Kreuztabelle(n) mit Kontingenzkoeffizienten beantwortet sich eigentlich durch die Gegenfrage multivariat oder bivariat. Möchtest du ein multivariates Modell erstellen, so müsstest du auch die logistische Regression zurückgreifen, ansonstenreichen m.E. Kontingenzkoefizienten vollkommen.
Grüße,
PearsonsR

[guido]

Das kommt wohl auch auf die eigentlich Fragestellung Deiner Arbeit an. Beim Kontingenzkoeffizienten untersuchst Du ja lediglich die Stärke und Richtung des Zusammenhangs der einzelnen Variablen.

Bei multivariaten Verfahren liegt der Schwerpunkt ja meisten darauf, bestimmte Einflüsse und theoretische Sachverhalte aufzudecken, die "hinter" den eigentlichen Variablen liegen bzw. diese erklären oder auch zusammenfassen.

Mehr Aufwand bedeuten die multivariaten Verfahren sicherlich und sie sind i.d.R. auch anspruchsvoller, sowohl was den theoretischen als auch den empirischen Aspekt angeht.

Grüsse
lloy

[speary]

Erstmal möchte ich mich für eure hilfreichen Beiträge bedanken.

Dann werde ich mich wohl doch mal intensiv mit log. Regression befassen müssen.
Irgendwelche Literaturtipps für Menschen, die eigentlich mit Mathematik auf dem Kriegsfuß stehen?

[PearsonsR]

Also für multivariate Verfahren kann ich zum Einstieg

BACKHAUS et al. (2000): Multivariate Analysemehtoden. Eine anwendungsorientierte Einführung. (Springer Verlag)

empfehlen (gibt mittlerweile sicher eine neuere Auflage). Recht einfache Einführung mit ganz wenig Statistik.


Ansonsten geht nix über:

TABACHNICK, B.G. & FIDELL, L.S. (2001): Using Multivariate Statistics, 4th edition (Allyn and Baco)

Ist aber etwas teurer und auf Englisch, wenn's nicht stört. (gibt's auch als Paperback)

[MedDokAss]

Nimm aber auf jeden Fall als Methode die Vorwärts- oder Rückwärtsselektion, dann schmeißt SPSS bei jedem Schritt eine Variable ohne signifikanten Einfluss aus der Analyse, so z. B.:

LOGISTIC REGRESSION VAR=status
/METHOD=FSTEP(COND) cuser bmigp duration age
/CONTRAST (cuser)=Indicator /CONTRAST (bmigp)=Indicator
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .

Geht natürlich auch über´s Menü.

Literaturtip: RRZN-Handbuch "SPSS Fortgeschrittene" rund 6 €, wenn Du Student bist oder an der Uni arbeitest. Gibt es bei Deinem Unirechenzentrum.

MedDokAss

[Larina]

Hallo zusammen

In diesem Zusammenhang möchte ich auch noch gerne eine Frage stellen. Ich habe für meine Arbeit ein Modell mit verschiedenen unabhängigen variablen gebildet und dann aufgrund des modells eine binäre logistische Regression gerechnet, da meine abhängige Variable dichotom ist. Dabei ist eine unabhängige Variable statistisch signifikant.

Ich habe die Variablen dann noch einzeln aufgrund der Hypothesen anahnd von kreuztabellen gerechnet, da habe ich aber ganz andere Ergebnisse bekommen, das heisst ich habe einige signifikante zusammenhänge bekommen. Wem soll ich nun glauben? multivariat oder bivariat?

Danke für eure Hilfe

Viele Grüsse
larina