Hilfe bei multipler Regression

[OpossumJack]

Liebe Community,

im Rahmen meiner Masterarbeit teste ich 6 Hypothesen, in welchem der Zusammenhang zwischen einer abhängigen und jeweils einer unabhängigen Variable getestet werden soll. Ich habe mich dafür entschieden, die eine abhängige und die 6 unabhängigen in einem Regressionsmodell zu testen um zu sehen, inwieweit jede einzelne UV mit der AV zusammenhängt. Wie erwartet wird im Modell zwar eine signifikante Korrelation jeder unabhängigen Variablen mit der abhängigen Variablen erreicht, alle zusammen korrelieren jedoch auch untereinander verschieden stark und so eignen sich nicht alle Variablen signifikant laut Regression für die Vorhersage der AV. Nun meine Fragen:

Zunächst einmal gilt zu sagen, dass die abhängige Variable aus fünf und die unabhängigen aus 3-8 Items bestehen, welche alle mittels einer 7-stufigen-Likertskala erfasst wurden. Ich habe im ersten Schritt also die Items jeder Variablen zusammengefasst, um den Zusammenhang der Variablen als ganzes zu testen. Hierzu habe ich einmal gelernt, dass man die Variable zusammenfasst, indem man den Mittelwert oder die Summe der einzelnen Items mittels SPSS berechnet. Ich habe mich für den Mittelwert entschieden. Seht ihr hierbei einen Fehler?

Als nächstes habe ich eine multiple Regression berechnet. Gehe ich richtig in der Annahme, dass ich nun zunächst sagen kann, dass alle sechs UVs einen gewissen Prozentanteil der Varianz im Hinblick auf die AV erklären. Und kann ich anschließend dann die Ergebnisse jeder einzelnen UV erläutern, um somit meine 6 Hypothesen zu beantworten? Ich würde so vorgehen, dass ich zunächst aufführe, dass die Korrelationsstatistik ein Indiz liefert, dass jede UV mit der AV in gewisser Form zusammenhängt, da es signifikante Korrelationen gibt. Betrachtet man aber die Regressionsstatistik fällt auf, dass sich nur vier der sechs UVs signifikant zur Vorhersage der AV eignen. Dann würde ich erklären, woran das liegen kann (Stichwort teil und partielle Korrelationen, Multikollinearität liegt nicht vor). Ist das Vorgehen eurer Meinung nach plausibel?

Liebe Grüße und ein schönes Restwochenende

[dutchie]

Hallo

ass jede UV mit der AV in gewisser Form zusammenhängt

nicht in gewisser Form, sondern linear, mit der Größe r2.
Mitelwert oder Summe, wenn keine Werte fehlen ist das egal, aber mittelwert finde ich auch besser

Multikollinearität liegt nicht vor

.
Auch wenn da irgendein Kriterium (VIP <>XY oder so ähnlich) nicht erfüllt ist
korrelieren die UV, das ist bei Multiko keine Entscheidung über ja oder nein, sonder wieviel!!!
Deine UV korrelieren und zwar in den Ausmaß, dass die KoKos ein anderes Bild liefert als die
Regression.
Du stellst erstmal sachlich nüchtern fest, dass das so ist.
Dann gehst du erstmal auf die Inhalte der Variablen ein, die aus der Gleichung geflogen sind,
das muss ja was mit den Korrelationen mit den anderen Uvs zu tun haben.
Aber was da wie korreliert ist schwer herauszufinden.

dass die Korrelationsstatistik ein Indiz liefert, dass jede UV mit der AV in gewisser Form zusammenhängt

Vorsicht! Das ist nicht unbedingt richtig!!! Das kann auch anders sein.
oder was willst du mit "gewisser Form" sagen
a korreliert mit b, weil beide von c abhängen! korreliert a in gewisser Form mit b?
Das Ergebniss der Regression ist den KoKos vorzuziehen, denn die Reg. Gewichte beschreiben den Einfluss von x
unabhängig von anderen UVs.

gruß
dutchie