Regressionsmodell erläutern - Fachkenntnis wird benötigt

[dchrist1]

Hallo zusammen,

ich habe ein Problem bei der Interpretation der nachfolgenden Tabelle. Hier: http://www.bilder-space.de/show_img.php ... e=original

Ein Beispiel:
Laut Text erhöhen bspw. eine steigende Interdependence und eine steigende Task variety die email-work-importance? Aber warum ist das so? Könnt ihr mir vielleicht ganz kurz sagen was genau beta=0,21 und p<0,001 sowie beta=0,13 sowie p=0,006 bedeuten? Bzw. wie genau man das interpretieren muss? Oder benötigt man für die Interpretation noch mehr angaben?

Dann würde mich interessieren, was ein beta=0,08 ; 0,07 oder 0,02 bedeutet.. Das sieht man in der Spalte Model 2. Dort ist ja nichtmal p gegeben...

Als letzte Frage hätte ich noch, was das r-squared ganz unten in der tabelle genau bedeutet? Bzw. wie man das interpretieren kann?


Ich bin leider kein Statistik-Genie, muss aber leider diese Tabelle erläutern können. Ich wäre euch sehr dankbar, wenn ihr mir kurz weiterhelfen könntet. Dann würde ich zumindest die Tabelle schonmal halbwegs verstehen.

Viele Grüße
D. Christ

[dchrist1]

Hallo zusammen,

kann mir keiner von euch weiterhelfen? Leider habe ich nicht allzuviel Ahnung davon.

VG

[Silversurfer]

Zum Thema Regression gibt es ja hier im Forum viele Beiträge, daher sei hier nur das wichtigste erklärt:

- Beta-Gewichte sind standardisierte Regressionskoeffizienten, anhand derer man die einzelnen Prädiktoren eines Regressionsmodell direkt miteinander vergleichen kann. Ein p kleiner gleich 0.05 gilt dabei als signifikant, d.h. der Prädiktor klärt im Hinblick auf die vorherzusagende Variable einen bedeutenden Anteil an Varianz auf. Je nach Vorzeichen stehen Prädiktor und abhängige Variable in einem entsprechenden Zusammenhang.

- R-Squared (R-Quadrat) ist der Gesamtanteil an Varianz der abhängigen Variable, der durch die unabhängigen Variablen aufgeklärt wird. Wertebereich: 0.00 (0%) - 1.00 (100%). Deine Modelle bewegen sich zwischen 0.14 und 0.26 und erklären damit bestenfalls nur 26% der Varianz der abhängigen Variable, was wenig ist. Wahrscheinlich handelt es sich bei deinem R-Squared bereits um die korrigierte Version.

Was diese Ergebnisse inhaltlich bedeuten und warum das so ist, liegt an dir es herauszufinden.

Viele Grüße

[dchrist1]

Ich denke, dass die Hypothese H1 (Also Interdependence hat positiven Einfluss auf Work Importance) zwar angenommen werden kann. Aber der beta-wert von 0,21 doch sehr gering ist. Oder ist so ein Wert normal? Ich meine, gut ist dabei ja, dass der P-Wert so gering ist odeR? Das unterstützt die Aussage der Annahme doch oder? In dem Zusammenhang sind glaube ich Vokabeln wie "kausaler Zusammenhang; hoch niedrig" und "signifikant" von Bedeutung oder?

Dann würde ich gerne wissen, was die oberste Zeile intercept bedeutet? Könnt ihr mir das sagen?

Und vorallem, warum Model 3 und Model 4 beides E-Mail Overload und zudem noch unterschiedliche werte? Verstehe das nicht. Im Text steht folgendes:

"We measured individuals’ feelings of email overload using the “Email Overload” scale shown in Table 1. We used standard least squares regression to predict email overload from job characteristics, email importance and volume of email communication. Model 3 of Table 2 shows the results. As expected, we found that autonomy significantly decreased feelings of email overload. Because job autonomy has been shown in other research [15] to significantly decrease feelings of general job stress, including autonomy in the model allowed us to control and account for its influence on stress more generally. The perceived importance of email for work, number of meetings per week, number of subordinates, overall email volume, and percent of messages that are spam all significantly increased feelings of email overload in Model 3.

To examine the direct influence of email management tactics on feelings of email overload, and to see if the use of particular email management tactics mediated the relationship between email volume and overload, we added tactic items in Model 4 of Table 2. With email management tactics in the model, number of meetings per week and number of subordinates no longer influenced feelings of email overload."

Was haben die bei den beiden Modellen unterschiedliches gemacht?

Viele Grüße