Multiple Regressionsanalyse

Fragen und Diskussionen rund um die Arbeit mit SPSS. Für allgemeine Statistik-Themen, die nicht mit SPSS zusammenhängen, bitte das Statistik-Forum nutzen.
Antworten
Cosita
Beiträge: 7
Registriert: 29.05.2010, 17:45

Multiple Regressionsanalyse

Beitrag von Cosita »

Hallo,

ich habe 4 unabhängigen Variablen und 1 abhängige Variable.
Muss ich die unabhängige Variablen alle zusammen in einem Block eintragen oder in 4 Schritte ( erstmal die eine, danach die zweite,danach die dritte, und am letztens die vierte)?

Ich würde mich über jede Hilfe freuen. Danke im Vorraus.
Silversurfer
Beiträge: 165
Registriert: 05.07.2009, 21:10

Beitrag von Silversurfer »

Das kommt ganz auf deinen Geschmack an und die Gedanken, die du dir zu deinem Regressionsmodell gemacht hast. Die Variablen, von denen du aufgrund deiner Vorüberlegung davon ausgehst, dass sie deine abhängige Variable vorhersagen können, würde ich per Einschluss in einem Block zusammenfassen. Die Variablen, bei denen du dir nicht sicher bist, ob sie deine abhängige Variable vorhersagen, würde ich per schrittweisem Verfahren in einem weiteren Block zusammenfassen.
Cosita
Beiträge: 7
Registriert: 29.05.2010, 17:45

Beitrag von Cosita »

Hallo

@ Silversurfer -Vielen dank für deine Antwort.
ich habe die Analyse durchgeführt und zu folgende Ergebnisse gekommen:

R-Quadrat: 0,38

Tabelle Annova
Signifikanz 0,00
F-wert: 14

Tabelle-Koeffizienten
Signifikanz:
Konstante 0,07
1.Prädiktor 0,00
2.Prädiktor 0.02
3.Prädiktor 0,03
4.Prädiktor 0,49

T-Werte
Konstante 1,8
1.Prädiktor 4,8
2.Prädiktor -2,2
3.Prädiktor 2,1
4.Prädiktor 0,6


Da ich das Gefühl habe, dass ich die Werte nicht richtig interpretiere, möchte ich erstmal nachfragen. Ich bitte um Korrektur, wo ich falsche liege

R-Quadrat sagt mir dass 38% der Varianz der Kriteriumsvariable konnte durch die P1,P2,P3,P4 erklärt werden.

Annova:
Wenn der Signifikanz unter 0,05 liegt, sagt das die Arbeitshypothse bestätigt wurde, dass bedeutet dass mindestens eine von den Prädiktoren einen Einfluss auf die Kriteriumsvariable hat (mindestens eine von den Koeffizienten der Prädiktoren verschieden als 0 sein muss)

F-wert konnte ich leider nicht so gut verstehen. Wenn F-wert größer als 1 ist, wie soll ich das interpretieren. In meinem Fall ist 14...
Sagt der F-wert eine Beurtteilung ob die Gleichung richtig ist???

tabelle "Koeffizienten"
signifikanz
Die Konstante hat einen Wert grösser als 0,05. Wie kann ich das interpretieren, ist das schlecht.......

Prädiktor 1, P2,P3 haben einen Wert unter 0,05, das bedeutet dass Sie einen signifikanten Einflüß auf die Kriteriumsvariable haben.

P1 hat einen positiven Einfluß auf die KV
P2 hat einen negativen Einfluß auf die KV
P3 hat einen positiven Einfluß auf die KV
P4 hat keinen Einfluss auf die KV da der Wert grösser als 0,05

T-werte ergeben ob die Koeffizienten der Prädiktoren in der Gleichung richtig eingesetzt werden. Wenn der t-Wert>2 ist oder t-wert <-2 sind die Koeffizienten in der Gleichung richtig.
In meinem Fall das gilt nur für P1,P2;P3.

Bitte korregiren Sie jede Aussage, die ich gemacht habe. Ich habe wirklich das Gefühl dass ich die Sache nicht richtig verstanden habe...
Bitte um Hilfe, Danke im Vorraus.
Silversurfer
Beiträge: 165
Registriert: 05.07.2009, 21:10

Beitrag von Silversurfer »

R-Quadrat sagt mir dass 38% der Varianz der Kriteriumsvariable konnte durch die P1,P2,P3,P4 erklärt werden -> ja

Der F-Wert ist ein Kennwert der dazugehörigen Verteilung, der in der Regression angibt, ob R-Quadrat (das Bestimmtheitmaß der Regression) statistisch bedeutsam von Null verschieden ist. Signifikante Ergebniss zeigen somit einen bestimmten Beitrag des Modells zur Aufklärung der Varianz der abhängigen Variable.

Wenn ein Prädiktor einen p-Wert > 0.05 hat, so geht man davon aus, dass er keinen signifikanten Beitrag zur Erklärung der Varianz der abhängigen Variable leistet.

Die Konstante in der Regression, ist ein Term der Regressionsgeraden, der dem Fall Rechnung trägt, dass die Gerade nicht durch den Urpsprung geht. Eine Konstante findet sich in den meisten Regressionsmodellen, die keinen Anspruch auf eine vollständige Varianzaufklärung erheben.

Liegt ein für einen Prädiktor bestimmter t-Wert über dem kritischen t-Wert, der für p = 0.05 steht, so geht man aufgrund der nunmehr geringen Irrtumswahrscheinlichkeit von einem signifikanten Prädiktor aus.

Weitere Infos zu Regressionen kann man gegenwärtigen Lehrbüchern entnehmen.
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