STATISTIK-FORUM.de

[Florena]

Hallo,

ich habe versucht, durch eine Übersicht darzustellen, wann man lineare Regression, wann logistische Regression und wann Diskriminanzanalyse anwendet, abhängig davon ob der Prädiktor nominal dichotom/ nominal kategorial/ metrisch ist und ob das Kriterium nominal dichotom/ nominal kategorial/ metrisch ist.

Außerdem habe ich hinzugefügt, in welchen Fällen eine Dummy-/ Effektkodierung etc. der Variablen notwendig ist.



Ist diese Übersicht so richtig oder habe ich Verfahren falsch eingeordnet?

Danke für eure Hilfe!
Florena

PS: Ob die Regressionsanalysen hierbei univariat oder multivariat sind (Anz. der AVs) und ob es sich um einfache oder multiple Analysen (Anz. der UVs) handelt, ist für mich erstmal nebensächlich, deswegen tauchen diese Begriffe nicht in der Grafik auf.

[PonderStibbons]

Da fehlen ordinalskalierte Variablen? Und den rechten Bereich mit der kategorialen AV verstehe ich nicht so recht, wieso lineare Regression? Und andere Formen der Regression dort ebenfalls?

Mit freundlichen Grüßen

P.

[strukturmarionette]

Hi,

du könntest zumindest die kategorialen Vars aufteilen in: dichotom, polytom und ordinal
Einiges würde dann m.E. klarer. Auch könntest Du Logistische Regressionen konkreter spezifizieren.

Gruß
S.

[Florena]

Danke für eure Antworten!

Da fehlen ordinalskalierte Variablen? Und den rechten Bereich mit der kategorialen AV verstehe ich nicht so recht, wieso lineare Regression? Und andere Formen der Regression dort ebenfalls?

@PonderStibbons Wo würdest du die ordinalskalierten Variablen denn einordnen? Gelten dafür nicht dieselben Verfahren wie bei metrischen UV? (Beispiel Schulnoten: häufig wird argumentiert, diese seien ordinal- und nicht intervallskaliert. Dennoch werden diese meist bedenkenlos in linearen Regressionen als UV verwendet, wenn z. B. die metrische AV "Berufserfolg" vorhergesagt werden soll).
Und was die kategorialen AVs betrifft, so dachte ich, dass man diese nach Dummy-Kodierung in ein multivariates Regressionsmodell (d. h. ein Modell mit mehreren AVs) aufnehmen kann und dann eine multivariate lineare Regressionsanalyse oder aber eine multivariate logistische Regressionsanalyse rechnen kann oder täusche ich mich da?

du könntest zumindest die kategorialen Vars aufteilen in: dichotom, polytom und ordinal
Einiges würde dann m.E. klarer.

@strukturmarionette
Momentan habe ich ja für die kategorialen Variablen dichotom vs. polytom differenziert (wobei mein Prof die halt immer nur "dichotom" vs. "kategorial" nennt und mit kategorial dann "polytom" meint, aber formal hast du Recht - deine Bezeichnung ist verständlicher - habe ich geändert, siehe unten). Gelten nicht für ordinale Variablen dieselben Verfahren wie für metrische? Diese Diskussion gab es ja schon häufig unter Methodikern, ob die Unterscheidung nach Skalenniveau wirklich entscheidend ist für die Verwendung von Verfahren (vgl. 'the numbers don't know where they came from" Lord, 1953). Gerade bei ordinal- vs. intervallskalierten Variablen habe ich das Gefühl, dass in der Praxis kaum unterschieden wird und dieselben Verfahren für beide Skalenniveaus angewendet werden.

Auch könntest Du Logistische Regressionen konkreter spezifizieren.

Natürlich könnte ich spezifizieren hinsichtlich univariater logistischer Regression (bei dichotomer AV) und multivariater logistischer Regression (bei polytomer AV) - aber das war jetzt nicht mein Fokus. Oder sprichst du von anderen Spezifikationen?

[PonderStibbons]

Wo würdest du die ordinalskalierten Variablen denn einordnen? Gelten dafür nicht dieselben Verfahren wie bei metrischen UV? (Beispiel Schulnoten:

Je nun, wAs führt Dich zu der Annahme, die Behandlung von Schulnoten rechtfertige generell die Behandlung ordinaler Daten wie Intervallskalen? Wenn jemand eine Skala "ok so - nicht ok so - voll übel so" verwendet, oder "Alter 0-18 / 19-30 / 31-50/ über 50", dann lässt sich das Skalenniveau nicht so nonchalant übergehen und zu Intervall erklären.

Und was die kategorialen AVs betrifft, so dachte ich, dass man diese nach Dummy-Kodierung in ein multivariates Regressionsmodell (d. h. ein Modell mit mehreren AVs) aufnehmen kann und dann eine multivariate lineare Regressionsanalyse oder aber eine multivariate logistische Regressionsanalyse rechnen kann oder täusche ich mich da?

Vor welchem Hintergrund und mit welchem Ziel machst Du eigentlich diese Tabelle? "ich dachte mir so" statt Recherche der korrekten Verfahrensweise liest sich etwas überraschend.

Noch gutes Gelingen!

P.

[strukturmarionette]

Hi,

(wobei mein Prof die halt immer nur "dichotom" vs. "kategorial" nennt und mit kategorial dann "polytom" meint

- dann würde ich diesen Hochschulpädagogen nochmals kontaktieren.

Gruß
S.

[Florena]

Je nun, wAs führt Dich zu der Annahme, die Behandlung von Schulnoten rechtfertige generell die Behandlung ordinaler Daten wie Intervallskalen? Wenn jemand eine Skala "ok so - nicht ok so - voll übel so" verwendet, oder "Alter 0-18 / 19-30 / 31-50/ über 50", dann lässt sich das Skalenniveau nicht so nonchalant übergehen und zu Intervall erklären.

Wie gesagt, darüber kann man lange diskutieren, aber mich würde viel mehr interessieren, was du in diesem Fall denn vorschlägst, da dir die Unterscheidung der Skalenniveaus in diesem Kontext (oder allgemein?) ja sehr wichtig zu sein scheint. Welches Regressionsverfahren würdest du bei ordinalskalierten Prädiktoren oder Kriterien anwenden?

Vor welchem Hintergrund und mit welchem Ziel machst Du eigentlich diese Tabelle? "ich dachte mir so" statt Recherche der korrekten Verfahrensweise liest sich etwas überraschend.

Ich mache mir diese Tabelle als Übersicht für mich selbst, um verschiedene Analyseverfahren, die ich gerade in Statistik erlerne, richtig einzuordnen. Aus den Vorlesungsfolien ergibt sich nicht eindeutig, wo sich diese Verfahren überall einsetzen lassen und wo nicht und deshalb wollte ich mich mal hier im Forum umhören, ob jemand das weiß. Meine bisherigen Recherchen haben leider wenig Erkenntnisgewinn gebracht, da auch in wissenschaftlichen Publikationen multiple Regression mit multivariater Regression verwechselt wird und z. B. zu den statistischen Voraussetzungen von "multivariate logistische Regression" gar nicht zu finden war. Deswegen meine Frage.

- dann würde ich diesen Hochschulpädagogen nochmals kontaktieren.

Wenn das so einfach wäre, hätte ich es schon längst getan! Da dem nicht so ist und ich aber ein großes persönliches Interesse an dem Thema habe, hatte ich gehofft, hier sachdienliche Hinweise zu bekommen.

[PonderStibbons]

Wie gesagt, darüber kann man lange diskutieren,

Du hast nicht gesagt, dass man darüber lange diskutieren kann. Du hast ein einzelnes Beispiel (Schulnoten) als angeblichen Beleg dafür genommen, dass man ordinale Skalenniveaus generell als intervallskaliert behandeln könne. Das braucht man nicht zu diskutieren, das ist schlicht falsch.

Mit freundlichen Grüßen

P.

[harvey]

Hallo zusammen!
Wollte kein neues Thema erstellen, deswegen schien mir dieses ganz passend.
Ich habe heute eine Klausur geschrieben und eine Fragestellung bereitet mir immer noch Kopfschmerzen .
Es wurde (sofern ich das noch richtig im Kopf habe) die Aussage getroffen: "Kunden werden verschiedenen Kundensegmenten zugeordnet. Welchen Einfluss haben diese auf den Deckungsbeitrag?" Wir sollten nun sagen mit welcher Analysemethode wir hier verfahren würden. Könnt ihr mir hier weiterhelfen??

[bele]

Hallo harvey,

Ich glaube, da fehlt noch Kontext zu der Frage.

LG,
Bernhard