Output R lineare Regressionsmodelle

Fragen und Diskussionen rund um die Statistik und deren Anwendung.
Antworten
Alegría
Beiträge: 1
Registriert: 12.05.2021, 15:57

Output R lineare Regressionsmodelle

Beitrag von Alegría »

Hallo zusammen,
ich beschäftige mich gerade mit linearen Regressionsanalysen in R und habe derzeit einen Knoten im Kopf, den ich einfach nicht gelöst bekomme.
Hintergrund: Ich habe eine intervallskallierte Outcome-Variable, die Prädiktoren sind teilweise intervallskalliert (z.B. Alter) und zum Teil kategorial (w/m oder Ausprägung 0/1/2/3). Ich habe die Voraussetzungen für die Analyse geprüft. Ich habe keine z-Standardisierung für die intervallskalierten Variablen vorgenommen.
Meine Fragen:
    1. Beschreibt denn nun das "Estimate" in R für die Variable ß oder b?
      2. In Papern wird ja immer von ß gesprochen. Mir ist bewusst, dass ß eine Vergleichbarkeit von den Effekten der Prädiktoren ermöglicht. Dafür müsste ich doch eigentlich die intervallskallierten Variablen z-standardisieren oder? Und wie gehe ich dann mit den kategorialen Variablen um -die kann ich ja nicht z-standardisieren. Lasse ich die so im Modell? Und falls ja, inweifern kann ich dann die Effekte mit der von intervallskallierten Variablen vergleichen?
        3. Bei den Papern, die ich gelesen habe wurde nie etwas zur z-Standardisierung erwähnt aber eben dann ß genannt für die Prädiktoren. Ist dann automatisch davon auszugehen, dass vorher z-standardisiert wurde? Bringe ich hier gerade irgendetwas komplett durcheinander?

        Ich wäre froh, wenn mir hier jemand helfen könnte, meinen Knoten im Kopf zu lösen 🙂
        dutchie
        Beiträge: 2767
        Registriert: 01.02.2018, 10:45

        Re: Output R lineare Regressionsmodelle

        Beitrag von dutchie »

        Hallo Alegria,

        die estimates sind b unstandardierte Reg. Koeffizienten.

        Weil, wenn du die Variablen standardisierst ändern sich die estimates zu ß,
        d.h. sie waren vorher b.

        Wären die estimates ß würden sie sich durch die Standardisierung nicht ändern.

        Normal muss man nicht selber standardisieren, um ß zu erhalten, hängt aber, wie es scheint, von der software ab.

        also:
        1. b
        2. Variablen standardisieren, neu rechnen ß
        3. Standardisierung bei kategorialen Variablen unsinnig, das spiegelt dann nur die Häufigkeiten wieder.
        4. Um die Effekte zu vergleichen über R2 gehen, Zuwachs an R2 wenn die Variable ins Modell kommt.
        5. 0/1/2/3 ? Likert = intervall

        gruß
        dutchie
        Anzeige:Statistik und SPSS: Die besten Bücher
        Als Buch oder E-Book - Jetzt bestellen
        spss datenanalyse
        SPSS - Moderne Datenanalyse - Jetzt bestellen!
        statistik datenanalyse
        Statistik - Der Weg zur Datenanalyse - Jetzt bestellen!
        Antworten