Frage eine Statistiken und deren Bedeutung

[baugi123]

Liebe User!

Ich besuche die FH-Joanneum für Bank und Versicherungswirtschaft in Graz und wir haben uns vor ca. 2 Monaten mit dem Programm SPSS und deren Auswertungen beschäftigt, ich war leider nicht da und meine Studienkollegen sind auch noch nciht so bewandert mit den Auswertungen da wir diese nur kurz durchbesprochen hatten Ich habe mir allles selbst erarbeiten müssen und stehe nun vor folgender Grafik:

https://sphotos-a-vie.xx.fbcdn.net/hpho ... 6739_n.jpg

Meine INterpretation:

Anhand der Grafik der linearen Regression wurde der sogenannte T-Test durchgeführt und ausgewertet. Wichtigster Wert in dieser Grafik ist der t Wert.. Sofern das Ergebnis größer als 2 ist kann die Nullhypothese verneint werden .Das Ergebnis für Alter wird mit (B) 68962 / (Std Error) 15309 und ergibt 4,505 und ist größer als 2 auch für die Variablen Geschlecht 9,039 (das Minus kann außer acht gelassen werden) und Ausbildung 12,828 ergibt der Wert mehr als 2 und ist mit einer Irrtumswahrscheinlichkeit von 0,00% verbunden, was wiederum besagt, dass Alter, Einkommen und Ausbildung sehr wohl einen Einfluss auf das Einkommen haben.

Zusatzvermerk: Bei der Untersuchungs geht es um die Variablen Alter, Geschlecht und Ausbildung und ob diese einen bzw. keinen Einfluss auf das Einkommen in Österreich haben.

Bitte um eure Hilfe! Ich kann die BIldschirmkopie nicht einfügen sry

[Tory]

Hi,

Deine Interpretation scheint mir so richtig zu sein.

Wichtig sind auch die beta-Koeffizienten. Sie sagen etwas darüber aus wieviel der jeweilige Prädiktor zur Varianzaufklärung beiträgt.
In deinem Fall erklärt die Variable Ausbildung am meisten Varianz. Wie du richtig erklärt hast, kann man die Vorzeichen dabei ausser Acht lassen.
Wichtig ist dann noch zu schauen, ob die jeweiligen Werte signifikant sind.

Liebe Grüsse

[baugi123]

Lieber Tory!

Vielen Dank, ich habe gerade eben fertig geschrieben.

lg markus

[drfg2008]

Wichtigster Wert in dieser Grafik ist der t Wert.

Nein.

Getestet werden die b-Koeffizienten der Gleichung, also die Steigungskoeffizienten (Tan des Zwischenwinkels), darauf, dass sie tatsächlich Null sind und nur in der (nehme ich hier einmal an) Stichprobe von Null verschieden sind. Getestet wird mit dem t-Test. Der Wert "2" ist sehr grob in der Verallgemeinerung. Nur eine Richtgröße, da die t-Verteilung je nach Freiheitsgrad sehr unterschiedlich sein kann.

Zur Bestimmung, ob eine Variable einen linearen Einfluss ausübt oder nicht, wird der jeweilige p-Wert betrachtet. Ist dieser p<0,05 (p<0,01), dann wird nach Konvention die Nullhypothese verworfen, dass der jeweilige b-Koeffizient in der auf die zu schließenden Grundgesamtheit Null ist. In der Graphik sind sämtliche p-Werte kleiner als die konventionell gesetzte Grenze und daher würden sämtliche Variablen als stat. sig. betrachtet. Problematisch ist die Konstante in der Gleichung (die ja auch sig. ist). Nur in den engen Grenzen der Betrachtung des Datenmaterials ist dieses Modell sinnvoll, denn ansonsten würde es ja bedeuten, dass im Alter von 0 Jahren, also bei der Geburt, ohne jeden Schulabschluss 5559.- Währungseinheiten verdient werden. Weiteres Problem ist die Mischung verschiedener Skalenniveaus, denn Schlulbildung ist sicherlich ordinal. Geklärt ist auch nicht, welche Methode (STEPWISE, INCLUDE, .... ) eingesetzt wurde, da von einer Kollinearität zwischen den Prädiktoren auszugehen ist. Denn deine Graphik sagt ja nichts weniger, als dass Frauen bei gleicher "Degree of Education" weniger verdienen (falls Geschlecht entsprechend codiert wurde). Geschlecht: weiblich wäre (bei entsprechender Codierung, die aber hier einmal angenommen wird) der zweithöchste Faktor (mit negativer Wirkung).

Ob "Degree of Education" mit "II categories" (mit 2 Kategorien ?) sinnvoll codiert wurde?

Die Beta Koeffizienten sind lediglich dimensionslos, da sie standardisiert sind. Denn etwa als Beispiel wären b-Koeffizienten unterschiedlich, ob Alter in Jahren, Wochen, Tagen, Stunden, Minuten, etc. gemessen worden wäre.

Vieviel Varianz das gesamte Modell erklärt findet sich in der Graphik nicht. Dazu muss das R-Quadrat berechnet werden.