STATISTIK-FORUM.de

[Sophie88]

Hallo

[daniel]

Was ist denn das Ziel der Regression. In den meisten Fällen ist die Erklärung von Varianz kein wissenschaftlich substantielles Ziel.

Ansonsten greife ich nur einzelne Punkte heraus.

es kamen noch andere Prädiktoren vor, diese sind allerdings für das Problem irrelevant

Das ist so nicht zutreffend. Da Gruppe im "finalen" Modell mit zwei weiteren Variablen interagiert (die multiplikativen Terme) ist der Koeffizient von Gruppe inkl. dessen t-Test nicht von den beiden anderen Effekten losgelöst interpretierbar. Deine Aussage, dass die

Gruppenvariable in die Regression [...] keinen signifikanten Prädiktor dar[stellt] (Tabelle 4)

ist daher falsch. Der p-Wert von 0,055 bedeutet an dieser Stelle lediglich, dass die Unterschiede zwischen den Gruppen an der spezifischen Stelle, SFH = 0 und PA = 0 nicht statistisch signifikant sind. Da keiner der Interaktionsterme statistisch signifikant ist, verstehe ich allerdings nur bedingt, wesshalb die im "finalen" Modell verbleiben. Aber dazu müsste man viel mehr zum Hintergund wissen. Ausführlich zur korrekten Interpretation von Interaktionen vgl. meinen Beitrag: regressionanalyse-f11/interpretation-interaktion-moderierte-regression-t2455.html

Eng damit verbunden ist die diskussionswürdige Frage des BMI als Prädikator -- obwohl das i.d.R. kaum jemand als Problem wahrnimmt. Da BMI eine Interaktion aus Körpergröße und Gewicht darstellt, müsste man eigentlich auch die (konditinalen) Haupteffekte dieser beiden Komponenten im Modell abbilden.

Die Voraussetzungen für die Regression sind alle erfüllt. Es liegt keine besorgniserregende Multikollinearität in den Daten vor (geprüft durch Toleranz und VIF).

Ich nehme an, der zweite Satz versteht sich als Ergänzung zum ersten. Das "Problem" von Multuikollinearität ist nämlich eine der eher nebensächlichen "Annahmen" der linearen Regression.

[Sophie88]

Hey,

[daniel]

Die "nicht-signifikanten" Prädiktoren bleiben erhalten, da ich ja eine theoriegeleitete hierarchische Regression gerechnet habe.

Die Argumentation ist teilweise ok. Du prüfst Deine drei Hypothesen. Nachdem aber in den letzen Modellen (6 und 7) deutlich wird, dass eine Wechselwirkung zwischen Gruppenzugehörigkeit und SFH und PA nicht statistisch abgesichert werden kann (insignifikante Interaktionsterme) verwirfst Du diese dritte Hypothese. Übrigens würde ich beide Interaktinsterme mal einzeln testen (also analog zu Modell 6 eines mit PA*Gruppe statt SFH*Gruppe) bevor Du die simultan reinnimmst.

Für die anderen Hypothesen interpretierst Du das jeweils "passende" Modell (H1 Modell 3 unter berücksichtigung von Modell 4 und 5; H2: Modell 4 und 5). Denn wozu sonst hättest Du sonst verschiedene Modelle geschätzt, wenn Du nur eines (das [über]volle) davon interpretieren willst? Die ersten beiden Modelle sind übrigens für die Hypothesen irrelevant.

Der Antei erklärter Varianz und dessen Veränderung sind soweit ich verstehe für Deine Fragestellungen wenig relevant. Interessant sind -- wie so häufig -- die Koeffizienten und zugehörigen t-Tests, nicht R-Quadrat.

[Sophie88]

Hey!

[daniel]

Warum sind Modell 1 und 2 für die Hypothesen irrelevant? Meine erste Hypothese besagt ja, dass es einen Gruppenunterschied im Kriterium unter Berücksichtigung des Alters und der BMI-Perzentile gibt.

Ja. Dazu schätzt Du das erste Modell, in dem das Kriterium auf den Gruppenindikator regressiert wird. In einem zweiten Modell fügst Du simmultan Alter und BMI hinzu, und schaust, ob der Koeffizient für den Gruppenindikator weiterhin signifikant von Null verschieden ist. Ist er das, wäre dies eine Bestätigung Deiner Hypothese. Ohne den Gruppeniondikator im Modell kannst Du über Gruppenunterschiede nichts sinnvolles aussagen. Daher sind Modelle, in denen der Gruppenindikator nicht enthalten ist für Deine Hypothesen irrelevant.

Meine Frage...gibt es diesen Gruppenunterschied?

Du hast doch die Modell vor Dir liegen das ist Deine Masterarbeit. Wo genau liegt Dein Problem? Interpretiert die entsprechenden Koeffizienten und t-Tests und mach Dir als i-Tüpfelchen noch Gedanken über die Effektgröße.

Warum ist R2 für die Fragestellung irrelevant?

Weil keine Deiner Hypothesen etwas über die Streuung der Punkte um Deine Regressionsgerade (oder da multiple Regression: Regressionsebene) aussagt, oder?

[Sophie88]

Danke für deine Geduld...

[daniel]

Mein Problem ist, dass weder Gruppe noch BMI-Perzentile mit dem Kriterium korrelieren. Trotzdem wird das b-Gewicht für Gruppe signifikant...

Du vermutest ja selbst schon Suppressor Effekte. Zur Frage, wie das inhaltlich zu erklären ist, kann Dir vermutlich nur jemand etwas sagen, der sich auch mit dem Inhalt befasst. Nur aus statistischen Analysen kann man das schlecht beurteilen. Wie relevant das für die Prüfung Deiner Hypothesen ist, vermag ich nciht genau einzuschätzen.

Wenn ich mir die Mittelwerte und SD für das Kriterium bei den zwei Gruppen anschaue, ist zudem kein Gruppenunterschied festzustellen...

Wozu sollen diese post-hoc bivariaten "pi-mal Daumen" Analsyen gut sein, wenn eine multiple Regression mit Signifikanztests der einzelnen Prädikatoren vorliegt?

BMI-Perzenile korreliert zudem sehr hoch mit Gruppe...

aber laut eigeneer Aussage

Es liegt keine besorgniserregende Multikollinearität in den Daten vor (geprüft durch Toleranz und VIF).

[Sophie88]

Naja...man muss dich die Rechnungen ja schon genau anschauen, oder?

[daniel]

Was halt irritierend ist, dass bei einer schrittweisen Regressionsanalyse, nur noch das Alter enthalten bleibt. Das sollte einen doch stutzig machen, oder?

Nicht unbedingt. Schrittweise Regressionen mit automatischer Selektion sollte man in der Wissenschaft genrell nicht durchführen (http://www.stata.com/support/faqs/stati ... -problems/). Erst recht nicht, wenn man eine inhaltliche Frage hat, und gezielt Hypothesen Überprüfen möchte.