STATISTIK-FORUM.de

[ska08]

Hallo zusammen!

Ich habe eine /kurze) Frage zur multinomialen logistischen Regression.

Ich habe eine kategoriale AV (3 Stufen), eine ordinale UV, eine kategoriale UV (evt. auch Moderator), mehrere ordinale Kovariaten.

Sollten bei der Rechnung einer moderierten multinomialen logistischen Regression die UVs auch zentriert werden (parallel zur linearen Regression)? Oder stellt die logistische Regression diesbezüglich eine Besonderheit dar?

Machten es Sinn die UVs (und Kovariaten) zu zentrieren, auch wenn der Interaktionsterm nicht mitausgegeben wird?

Ich bin gespannt auf eure Antworten!

Viele Grüße, ska

[PonderStibbons]

Was und auf welche Weise willst Du denn da zentrieren?
Du hast doch keine intervallskalierten Prädiktoren.

Mit freundlichen Grüßen

P.

[schtee]

Sollten bei der Rechnung einer moderierten multinomialen logistischen Regression die UVs auch zentriert werden (parallel zur linearen Regression)? Oder stellt die logistische Regression diesbezüglich eine Besonderheit dar?

Die logistische Regression stellt keine Besonderheit dar. Durch zentrieren (oder auch z-standadisieren) kann man Multikollinearitätsprobleme reduzieren (siehe Aiken und West, 1991, Multiple Regression); zudem sind dann auch die Haupteffekte (und deren Signifikanzen) direkt interpretierbar (was ohne Zentrierung nicht der Fall ist). Wichtig auch: Kovariate zentrieren (dann schaut man sich die anderen Variablen bei mittlerer Auspärung der Kovariate an). Allerdings, wie PonderStibbons schreibt, macht das bei ordinal skalierten Variablen keinen Sinn.

Machten es Sinn die UVs (und Kovariaten) zu zentrieren, auch wenn der Interaktionsterm nicht mitausgegeben wird?

Muss man nicht. Die beta und Signifikanzen werden in diesem Fall die gleichen sein. Ich würde aber in der Arbeit konstant sein und nicht zwischen zentrierten und nicht zentrierten Analysen hin und her wechseln.

Viele Grüße,
s

[daniel]

Durch zentrieren (oder auch z-standadisieren) kann man Multikollinearitätsprobleme reduzieren (siehe Aiken und West, 1991, Multiple Regression); zudem sind dann auch die Haupteffekte (und deren Signifikanzen) direkt interpretierbar (was ohne Zentrierung nicht der Fall ist).

Dieser Mythos hält sich weiter. Der ertse Teil der Aussage ist fraglich (vgl. Diskussion und Literaturangaben hier: post9466.html?hilit=eschambadi#p9466), der zweite m.E. schlicht falsch oder sehr schlecht ausgedrückt -- die Interpretation ist immer die gleiche (vgl. meinen Beitrag hier: regressionanalyse-f11/interpretation-interaktion-moderierte-regression-t2455.html).

Bei nicht-linearen Modellen ist es von Vorteil, wenn die Nullpunkte der beteiligten Variablen innerhalb der beobachteten Werte liegen (keine Extrapolation). Das scheint der Software beim fitten des Modells zu helfen. Daher würde ich sagen, Zentrierung (auf einen sinnvollen Wert innerhalb der beobachteten Daten) ist bei nicht-linearen Modellen wichtiger als bei linearen Modellen.

[ska08]

Hallo!

Vielen Dank für eure schnellen Antworten!