STATISTIK-FORUM.de

[John Wayne]

Hallo liebes Statistik-Forum,

ich habe eine Frage, die wahrscheinlich total blöd ist, aber auf die ich bisher keine Antwort finden konnte.

Und zwar habe ich mehrere Variablen, von denen ich annehme, dass sie Variable x beeinflussen. Genauso nehme ich aber an, dass Variable x diese anderen Variablen beeinflusst. Ich gehe also von einer wechselseitigen Kausalität aus.

Kann ich in diesem Fall eine Regressionsanalye in eine der beiden Kausalitätsrichtungen rechnen? Oder müsste dafür eine eindeutige einseitige Kausalität vorliegen?

Vielen Dank für eure Hilfe!!

[strukturmarionette]

Hi,

Kann ich in diesem Fall eine Regressionsanalye in eine der beiden Kausalitätsrichtungen rechnen?

- Ja.

Oder müsste dafür eine eindeutige einseitige Kausalität vorliegen?

- Ob so etwas wie ein Kausalität vorliegt, willst Du ja offensichtlich erst noch feststellen.

Ob Kausalitätsprüfungen (oder zumindest 'Wirkungsrichtungen') überhaupt in Frage kommen, hängt aber hauptsächlich vom zugrundeliegenden Design einer Untersuchnug bzw vom Zustandekommen der Daten ab.

Gruß
S.

[bele]

Du kannst Regressionen rechnen, egal in welcher Richtung Kausalitäten vorliegen. Du musst nur vosichtig sein, wie Du die Regression interpretierst. Die Regression ist zunächst einmal nur ein Rechenverfahren, mit dem Koeffizienten für Formeln gefunden werden, die zu einem Datensatz passen. Dem Rechenvefahren und den Koeffizienten sind Kausalitäten erst mal egal. Du darfst nur nicht der Verlockung erliegen, aus einer funktionierenden Regression auf eine Kausalitätsrichtung zu schließen. Es liegt also an Deiner Interpretation.

LG,
Bernhard

[DHA3000]

Um was für Daten handelt es sich denn überhaupt?

[John Wayne]

Meine AV sind Reaktionszeiten, die UVs wären Items aus einer ordinalskalierten Ratingskala.

[John Wayne]

Ich hab die Regressionsanalyse mal gerechnet und habe jetzt folgendes Problem:

Der Gesamtscore meiner Ratingskala korreliert zwar mit meiner AV, aber wenn ich eine Regressionsanalyse mit den einzelnen Items der Skala als Prädiktoren berechne, wird weder das Modell noch irgendeiner der Prädiktoren signifikant. Woran kann das liegen? Und wie ist das überhaupt logisch erklärbar? Müsste nicht wenigstens ein Item ein signifikantes Beta haben, wenn der Gesamtscore signifikant korreliert?

Danke für eure Hilfe!!

[DHA3000]

Bei den wenigen Infos, die du gibst, kann man dir nicht helfen.

Du schreibst im Grunde "Bei meiner Regression wird nichts signifikant, hilfe!"

Ja...

[John Wayne]

Ok sorry, ich will euch hier nur nicht mit überflüssigen Infos langweilen

Also ich versuchs nochmal genauer:

Ich habe mit einer Ratingskala aus 5 Items, die jeweils 5stufig sind, Verhalten beobachtet und meine Hypothese ist, dass ich aus diesem Verhalten die Reaktionszeit aus einem anderen Test vorhersagen kann. der Mittelwert der Ratingskala korreliert auch mit der Reaktionszeit.

Wenn ich jetzt aber die einzelnen Items der Skala als Prädiktoren in einer Regressionsanalyse verwende (mit der Reaktionszeit als Kriterium), ist weder das Modell noch irgendeiner der einzelnen Prädiktoren signifikant.

Meine Frage ist: Woran kann das liegen? Hab ich Prädiktoren im Modell, die sinnlos sind? Oder hängen sie zu stark zusammen? Oder was ist da los?

Ziel der ganzen Veranstaltung ist auch gar nicht, das perfekte Modell für die Vorhersage zu finden, sondern einfach nur zu prüfen, inwiefern die einzelnen Items mit den Reaktionszeiten zusammenhängen. Könnte ich theoretisch auch einfach korrelieren denke ich, aber da ich das mehrfach für verschiedene Reaktionszeiten machen müsste, müsste ich dann ziemlich stark den Alphafehler korrigieren. Und da ich ne sehr kleine Stichprobe hab, würde ich das gerne umgehen. Daher die Regression. Jetzt müsste ich nur noch das Ergebnis verstehen

Ich hoffe es ist jetzt verständlicher geworden!? Vielen Dank nochmal für eure Mühe!!

[bele]

Multikollinearität bei den Items ist wahrscheinlich, da sie ja hoffentlich hoch untereinander korrelieren. Ansonsten ist es natürlich auch eine Frage der Fallzahl, wieviele Beta-Gewichte man mit signifikantem Ergebnis schätzen kann. Schreib doch mal konkret, wieviele Items Du hast und wie die p-Werte und das R^2 konkret werden.

LG,
Bernhard

[John Wayne]

Also das korrigiert R² für das Modell liegt bei .256, und ist nicht signifikant (P = .142).

Für die insgesamt fünf Items habe ich drei negative Betas, die sich zwischen -.506 und -.164 bewegen (P zwischen .098 und .601). Außerdem gibt es zwei positive Betas von .02 und .253 (P = .955 bzw. .382).

Der Gesamtscore meiner Skala korreliert signifikant negativ mit der Reaktionszeit, die ich in der Regression als Kriterium verwendet habe.