Hallo zusammen,
es wäre nett, wenn mir jemand helfen könnte. Ich bin leider in SPSS noch nicht so sehr bewandert.
Ich habe in SPSS 20 zwei Datensätze mit jeweils knapp 200 Variablen. Ich würde nun gerne univariate lineare Regressionsanalysen automatisiert und mehrfach durchführen.
D.h. es soll eine Regressionsanalyse von Variable 1 des ersten Datensatzes mit Variable 1 des zweiten Datensatzes durchgeführt werden. Danach von Variable 2 des ersten Datensatzes mit Variable 2 des zweiten Datensatzes, dann von Variable 3 des ersten Datensatzes mit Variable 3 des zweiten Datensatzes usw.
Wie kann ich diese 200 Regressionsanalysen durchführen lassen und den Mittelwert daraus bestimmen, ohne jeweils separat per Hand jede einzelne durchzuführen?
Vielen Dank für Eure Antworten.
Viele Grüße
Christina
Wiederholte, automatische Regressionsanalyse
-
chrissy88
- Beiträge: 2
- Registriert: 11.07.2012, 04:16
-
drfg2008
- Beiträge: 2391
- Registriert: 06.02.2011, 19:58
re
doch, das ist ganz einfach.
1. Eine lineare Regression zwischen zwei Variablen wäre äquivalent der Korrelation nach Pearson (r = beta), falls auf den Intercept verzichtet werden kann.
2. Die Mittelung (arithm. Mittel) der 200 r-Werte setzt eine zuvor durchgeführte Fisher Z Transformation voraus.
3. Es wird eine Schlüsselvariable benötigt, die beide Datensätze ein-eindeutig verbindet.
4. Die Durchführung ist mit einem Makro oder mit Python möglich. Makro wäre hier eventuell etwas einfacher.
5. Die r-Werte müssen innerhalb des Makros dann mit dem OMS-Befehl ausgelesen werden.
6. Alternativ dazu ließe sich auch mit den Befehlen aggregate arbeiten. Zwar lassen sich die Korrelationskoeffizienten nicht direkt über aggregate berechnen, aber -über einige kleinere Umwege- die Kovarianz und die Produkte der Standardabweichungen von x und y (und damit lässt sich dann r berechnen).
Ganz einfach also.
1. Eine lineare Regression zwischen zwei Variablen wäre äquivalent der Korrelation nach Pearson (r = beta), falls auf den Intercept verzichtet werden kann.
2. Die Mittelung (arithm. Mittel) der 200 r-Werte setzt eine zuvor durchgeführte Fisher Z Transformation voraus.
3. Es wird eine Schlüsselvariable benötigt, die beide Datensätze ein-eindeutig verbindet.
4. Die Durchführung ist mit einem Makro oder mit Python möglich. Makro wäre hier eventuell etwas einfacher.
5. Die r-Werte müssen innerhalb des Makros dann mit dem OMS-Befehl ausgelesen werden.
6. Alternativ dazu ließe sich auch mit den Befehlen aggregate arbeiten. Zwar lassen sich die Korrelationskoeffizienten nicht direkt über aggregate berechnen, aber -über einige kleinere Umwege- die Kovarianz und die Produkte der Standardabweichungen von x und y (und damit lässt sich dann r berechnen).
Ganz einfach also.
drfg2008
