Funktion Kurvenanpassung

[RaGusa]

Hallo!

In SPSS gibt es doch so eine Funktion Kurvenanpassung. Weiss jemand, wie man hier den Output interpretiert? Was macht man z.B. wenn zwei Kurventypen signifikant werden? Und wenn ich das aus der Statistik-Vorlesung richtig im Kopf habe, dann ist es bei Polynominalkontrasten so, dass z.B. quadratisch die Daten immer besser abbildet als linear, kubisch immer besser als quadratisch etc. Das wird wohl bei der Kurenanpassung auch der Fall sein, oder? Wenn ja, wie kann ich mich denn beispielsweise zwischen einem linearen und einem quadratischen Zusammenhang entscheiden, ich nehme an, ich sollte mich nicht einach immer für den quadratischen entscheiden, auch wenn dieser die Daten immer besser fittet, oder ?

Liebe Grüsse und vielen Dank für die Hilfe!

RaGusa

[Generalist]

Lass das Koks in Zukunft weg printe Deine Frage auf DinA0Format aus hänge es Dir über Dein Bett schau es Dir täglich an und denke darüber nach wer das verstehen soll bitte danke

[drfg2008]

wir sollten uns auf dieser Plattform darauf einigen, unabhängig von der Qualität der Beiträge diese immer sachlich, ggf. freundlich, oder gar nicht zu beantworten.

Gruß

[RaGusa]

Lieber Generalist

Ich bin ja durchaus kritikfähig, aber leider teilst du mir in deiner Antwort nicht mit, was an meiner Frage nicht verständlich ist, so dass ich auch nicht weiss, was ich umformulieren soll.

Lieber Gruss

RaGusa

[drfg2008]

@RaGusa

Manche Fragebeiträge wirken aber auch wenig zielgerichtet. Zunächst sollte man sich selbst im Klaren darüber sein, was eigentlich Gegenstand des Interesses ist. Dann sollten die Fragen so präzise wie möglich gestellt werden. Nicht zuletzt kann eine solche Plattform nicht die eigene Arbeit abnehmen.

So ist z. B. für mich unklar, worum es in dieser Frage geht: um Polynomialkontraste ?

Dann findet sich die Antwort eventuell hier:
http://www.ndsu.edu/ndsu/horsley/Polycnst.pdf

Oder einfach nur um die Frage, welche Funktion am besten geeignet ist, einen Datensatz abzubilden.

Wenn ja, wie kann ich mich denn beispielsweise zwischen einem linearen und einem quadratischen Zusammenhang entscheiden, ich nehme an, ich sollte mich nicht einach immer für den quadratischen entscheiden, auch wenn dieser die Daten immer besser fittet, oder

Das muss in der Substanzwissenschaft geklärt werden. Wenn ich weiß, dass ein Zusammenhang linear sein muss, dann kann ich eventuell zwar eine bessere Anpassung über andere Modelle erreichen, das wäre allerdings inhaltlich nicht zielführend. Und wenn ich substanzwissenschaftlich weiß, dass ein Zusammenhang nicht linear sein kann (wie etwa bei Verzinsungen), dann brauche ich mir über Linearität auch keine Gedanken zu machen.

Gruß

[RaGusa]

Okay, ich versuche mal, das etwas genauer zu erklären.

Also die Literatur ist sich eben nicht einig darüber, ob der Zusammenhang linear ist oder nicht. Das ist der Grund, weshalb ich das überprüfen möchte. Ich habe mich entschlossen, eine Kurvenanpassung durchzuführen, da diese im Gegensatz zum Polynominal-Kontrast den Vorteil hat, dass ich nicht Kategorien bilden muss.

Somit geht es also bei meiner Frage um die Kurvenanpassung und die Interpretation der Resultate der Kurvenanpassung.

Weil aber auch die Polynominalkontraste das ziel haben, zu bestimmen, welcher Funktion sich die Kurve annähert, dachte ich, dass sich bei der Kurvenanpassung vielleicht dasselbe Problem ergibt wie bei den Polynominalkontrasten, nämlich dass z.B. quadratisch in jedem Fall schneller signifikant wird als linear (ausser es ist ein perfekter linearer Zusammenhang).

Nun, der Ansatz, mit dem Problem umzugehen, ist wohl, dass man sowohl den Graphen, als auch die Werte anschaut, aber ich finde halt, das tönt etwas unprofessionell, wenn ich einfach sage, die Kurve sieht aus wie eine quadratische Funktion, deshalb gehe ich nun davon aus, dass es das ist.... Toll wäre somit, wenn es eine Regel gäbe, wann ich mich für welche Funktion entscheiden sollte, oder einen statistischen Test, der die Werte vergleicht. Dazu habe ich aber leider in keinem Buch etwas gefunden und meine Hoffnung war nun, dass mir hier im Forum jemand weiterhelfen kann.

Lieber Gruss

RaGusa

[drfg2008]

kann ich selbst leider wenig zu betragen, außer dass Art und Qualität der Zeitreihen aus der Substanzwissenschaft heraus begründet werden müssen. Polynome höherer Ordnung können Daten besser interpolieren (innerhalb der vorliegenden Daten), jedoch zu falschen Extrapolationen (außerhalb der vorliegenden Daten) führen (falls das bei den Zeitreihen-Experten die richtige Terminoloige ist). Daher würde ich generell zu geringeren Ordnungen tendieren, insbesondere je weiter extrapoliert werden soll und je schwächer die Datenlage ist.

Gruß

[RaGusa]

okay... könnte das vielleicht erklären, weshalb ich bei gewissen Variablen bei quadratisch und kubisch ein höheres R-Quadrat bekomme als bei linear, jedoch trotzdem bei linear eine Signifikant habe, bei quadratisch und kubisch jedoch nicht...? Dann würde das heissen, dass ich mehr auf die Signifikanz achten muss als aufs R-Quadrat, oder?
Und eine weitere Frage in dem Zusammenhang... Was wenn die aV nicht normalerteilt ist...? Darf ich nach dem Durchführen einer Log-Transformation eine Kurvenanpassung durchführen oder lasse ich da die Transformation lieber weg?