STATISTIK-FORUM.de

[Erwin]

Liebe Forenmitglieder,

vielleicht kann mir jemand bei einem logistischen Regressionsmodell weiterhelfen.

Es geht um eine Eintretenswahrscheinlichkeit 0/1 die anhand der Variablen A, B, C & D erklärt werden soll. Die Modellgüte ist akzeptabel, Variable "A" signifikant. Die Klassifikationsmatrix ist mit 68% Trefferquote auch ok. B, C & D, sind leider nicht signifikant. Es gibt keine Interaktion zwischen den Variablen. Nehme ich aber eine der Variablen B, C & D aus dem Modell, sinkt die Modellgüte und ich kann das Modell nicht mehr akzeptieren. Was mach ich jetzt mit B, C & D? Wenn diese nicht signifikant sind, kann ich sie auch nicht in die Interpretation einbauen. Dürfen diese überhaput im Modell bleiben, wenn sie das Modell verbessern? Was bringt mir eine Vorhersagenswahrscheinlichkeit von 70%, wenn ich diese nicht begründen kann.

Beste Grüße,

Erwin

[PonderStibbons]

Man kann nicht viel sagen so ohne Kontext, Fragestellung, Studiendesign.
D zumindest hat einen markanten Effekt, allerdings ist der nicht signifikant
(kleine Stichprobe?). Ist ein Unterschied zwischen 0,044 und 0,079 so
elementar? Interpretiere doch einfach das gesamte Modell, d.h. unter
Konstanthaltung von B C D hat A einen (gradesoeben) "signifikanten" Effekt.

Mit freundlichen Grüßen

P.

[Erwin]

Danke schon mal für die Antwort, die Stichprobe ist tatsächlich nicht sehr groß. Es geht um die Vorkommenswahrscheinlichkeit einer Tierart. Es gibt 25 Gebiete in denen die Tierart vorkommt und 25 zufällige Kontrollflächen, in denen angenommen wird, dass die Art nicht vorkommt, weil sie nicht nachgewiesen werden konnte. A,B,C & D sind Habitatparameter. Das heißt, ich kann die Vorzeichen zumindest von B und C ignorieren und so argumentieren, dass wenn sich der Lebensraum bezüglich dieser Variablen nicht verändern, A einen signifikanten Einfluss hat und D eine Tendenz. Dies würde aber bedeuten, dass B und C sehr wohl einen Einfluss (positiven?) auf das Vorkommen haben, da das Modell ohne diese Variablen nicht funktioniert. Das die Variable C ein negatives Vorzeichen hat stört mich etwas, da aus anderen Studien und diverser Literatur bekannt ist, dass diese Variable das Vorkommen eher begünstigen sollte.

Wie kann ich argumentieren, dass ich die Variablen trotz fehlender Signifikanz im Modell belassen habe? In der Regel wird ja empfohlen solche Variablen aus dem Modell zu nehmen. Kann mir jemand passende Literatur nennen, die diesen Fall behandelt (Falls die Variablen das Modell verbessern, können sie im Modell bleiben)?

lg

[PonderStibbons]

Wie kann ich argumentieren, dass ich die Variablen trotz fehlender Signifikanz im Modell belassen habe?

Wieso "belassen habe"? Das ist doch das Modell, das Du angekündigt,
aufgestellt und berechnet hast. Was musst Du da rechtfertigen?

In der Regel wird ja empfohlen solche Variablen aus dem Modell zu nehmen.

Warum, wozu? Dann hast Du ein neues Modell, aber keine Daten mehr,
um es zu testen. Am selben Datenatz kannst Du es nicht mehr testen,
an dem wurde das Modell unter Ausnutzen des Zufalls ja bereits
optimiert (4 Prädiktoren bei n=25 in der kleineren Fallgruppe sind
eher zu viele).

kann mir jemand passende Literatur nennen, die diesen Fall behandelt (Falls die Variablen das Modell verbessern, können sie im Modell bleiben)?

Du schreibst eine wissenschaftliche Arbeit ohne Referenzliteratur mit
anderen Studien zu dem Thema und/oder mit ähnlichem Vorgehen?

lg

wtf

Mit freundlichen Grüßen

P.

[Erwin]

Ich hatte durch Erhebungen eine Vielzahl an erklärenden Variablen, die ich durch gängige Vorgänge auf die vier Verbliebenen reduziert habe. Ich verwende selbstverständlich Literatur, jedoch werden in anderen Fällen nicht signifikante Variablen aus dem Modell genommen - so die Empfehlungen. Nur im Falle von signifikanten Interaktionen werden auch die nicht signifikanten Variablen im Modell belassen. Ein logistische Regressionsmodell mit 4 erklärenden Variablen von denen nur eine signifikant ist erschien mir eher ungewöhnlich.

[DHA3000]

Also erstmal stellt sich die Frage, wie du die anderen Variablen anhand von "gängigen Vorgängen" eliminiert hast, die letzten zwei verbliebenden allerdings nicht.
Da es sich hierbei um eine ML-Schätzung handelt, kannst du die hinzunahme der beiden (nicht sognifikanten) Variablen über einen einfachen Likelihood-Ratio Test validieren. Allerdings kannst du
dadurch keine zusammenhängen Vergleiche anstellen. Daher erst einmal die Frage, was du überhaupt sonst noch gemacht hast und wie du die Modellgüte überhaupt bestimmst.