Welches Verfahren?

[etoile]

Hallo zusammen,

ich habe wirklich alles getan, um euch nicht mit meinen Fragen zu belästigen, aber weder Statistik-Wälzer noch Google oder die Suche in diesem Forum haben mich wirklich weitergebracht.

Zunächst meine Untersuchung:
- eine Stichprobe N=102
Ich habe eine AV: das subjektive Wohlbefinden(SWB) (intervallskaliert, normalverteilt)
Ich habe mehrere UV:
- Einkommen (ordinalskaliert)
die weiteren UV waren als Items ordinalskaliert, wurden aber zu einer Variable zusammengefasst und sind danach normalverteilt und intervallskaliert:
- Ausgaben für Freizeit
- Häufigkeit der Durchführung von Freizeitaktivitäten
- Ausgaben für Unterhaltungsgüter
- Ausgaben für körperbezogene Produkte
- Ausgaben für Haushaltswaren

Nur Unterhaltung und SWB liefern eine schwache Korrelation von r = .22 (p < .05).

Nun weiß ich, dass ich eine Varianzanalyse machen sollte (weil mir das gesagt wurde.. ^^)
1. Mir ist aber nicht ganz klar, was das für meine Arbeit bedeutet. Was sagt mir eine Varianzanalyse?

2.Der Unterschied zwischen Regression und Varianz ist mir nicht ganz klar.
Ich weiß dass das r² aussagt, wieviel % der AV durch die UV erklärbar ist.

3. Regression:
Ich habe eine multiple lineare Regression durchgeführt.
Aber was genau bedeutet F? Und in Zusammenhang mit dem F die Signifikanz?


Ich hätte noch einige weitere Fragen, aber ich schätze das reicht erstmal

Riesen Dank im Voraus für jede Hilfe!

[drfg2008]

Nun weiß ich, dass ich eine Varianzanalyse machen sollte (weil mir das gesagt wurde.. ^^)
1. Mir ist aber nicht ganz klar, was das für meine Arbeit bedeutet. Was sagt mir eine Varianzanalyse?

Nichts Gutes.

3. Regression:
Ich habe eine multiple lineare Regression durchgeführt.
Aber was genau bedeutet F? Und in Zusammenhang mit dem F die Signifikanz?

F steht für Forsicht. Und p ist die Wahrscheinlichkeit des Scheiterns.

Liebe(r) etoile, hier eine gute Literatur für den Einstieg: Backhaus [1]

Schon mal als Hinweis: Eine Varianzanalyse wird es wohl eher nicht werden, da deine Prädiktoren von der Skalierung her eher für eine Regression sprechen. Richtig, das R-Quadrat ist der Anteil der (durch das gesamte Modell !!) erklärten Varianz an der gesamten Varianz. In sofern ist die Regression also auch ein 'varianzanalytisches' Modell und kennt auch den F-Wert (der sich aus der F-Verteilung ergibt). Regression und Varianzanalyse gehen im Allgemeinen Linearen Modell (ALM) in einander über. Also könnte auch ein ALM berechnet werden (siehe Varianzanalyse). Das kann schon mal zur Verwirrung führen.

Im Rahmen eines Regressionsansatzes wäre folgendes Modell:

AV: das subjektive Wohlbefinden(SWB) (intervallskaliert, normalverteilt)

Diese wird erklärt durch:

- Einkommen
- Ausgaben für Freizeit
- Häufigkeit der Durchführung von Freizeitaktivitäten
- Ausgaben für Unterhaltungsgüter
- Ausgaben für körperbezogene Produkte
- Ausgaben für Haushaltswaren

Ordinale Skalierung ist hier ein kleines Problem. Und wie das angeblich in N~verteilte ZV überführt worden sein soll, ist nicht klar.

Gute Beispiele, wie gesagt, im Backhaus. Alternative für Einsteiger ohne Mathematik-Kenntnisse auch der Achim Bühl (SPSS) [2]. Da geht es denn um den CPITN-Wert, der im Rahmen eines multiplen Regressionsverfahrens durch eine solche kunterbunte Mischung aus Skalierungen und Variablen erklärt werden soll.


[1]
http://www.amazon.de/Multivariate-Analysemethoden-anwendungsorientierte-Einf%C3%BChrung-Springer-Lehrbuch/dp/3642164900/ref=sr_1_1?ie=UTF8&qid=1330189564&sr=8-1

[2] gibt es schon für 1,95 Euro sehe ich gerade.

http://www.amazon.de/Einf%C3%BChrung-moderne-Datenanalyse-unter-Windows/dp/3827371171/ref=sr_1_5?s=books&ie=UTF8&qid=1330190193&sr=1-5

[etoile]

Hallo und vielen Dank für die Antwort.

Ich habe, wie gesagt, schon so einen Wälzer da.. aber es spricht nicht eindeutig mit mir ^^

Ich habe gelesen, dass eine multiple lineare regression voraussetzt, dass die Prädiktoren mit dem Kriterium korrelieren.
Von den von mir aufgeführten UV korreliert aber nur eine mit der AV. Und das nicht gerade hoch. Heißt das, ich kann nur diese, und evtl weitere Moderatorvariablen, die eine signifikante korrelation aufweisen, mit in die regression aufnehmen?

Wenn nicht, also wenn ich alle UV mit aufnehmen kann: Die ordinalskalierte UV habe ich in dummy variablen transformiert.
Anderes Problem: 2 UV und 2 moderatorvariablen korrelieren untereinander(laut Korrelationsmatrix). Ich habe gelesen, dass Voraussetzung für eine multiple lineare Regression ist, dass die Prädiktoren untereinander nicht korrelieren. In der Kollinearitätsstatistik sind die Werte aber ok (unter 0,1 soll es ja kritisch sein?).

Außerdem werden UV, die eine signifikante Korrelation mit der AV aufweisen bei der Regression ausgeschlossen. Kann ich nun trotzdem sagen, dass es da einen Zusammenhang gibt, oder verwirft die Regression quasi wieder diesen Zusammenhang?

Jetzt bin ich ratlos.