STATISTIK-FORUM.de

[Sakura89]

Hallo liebe Forums-Mitglieder,

ich habe eine lineare Regression mit den drei Prädiktoren A, B und C und dem Kriterium Y mit 180 Fällen gerechnet. Nun ist es so, dass nur Prädiktor A signifikant (p<.000) wird und ein einigermaßen brauchbares Beta (0.42) aufweist. Die Betas sind 0,067 für B und 0,043 für C und eben nicht signifikant (p=.362 bzw. p=.527). Allein aus theoretischen Überlegungen heraus macht es aber überhaupt keinen Sinn, dass nur Prädiktor A eine Rolle spielen soll bei der Vorhersage von Y. Natürlich kann ich nicht ausschließen, dass einfach mein Messinstrument nicht gut genug war. Aber davon abgesehen, versuche ich nun herauszufinden, warum B und C keinen signifikanten Einfluss haben sollen.

Dazu habe ich mir überlegt, dass ich nun (auch ausgehend von theoretischen Überlegungen) eine bivariate Regression nur mit A und B rechnen möchte. Daher meine Frage: Gibt es eine Möglichkeit, dass B in diesem Falle ein höheres Beta bekommt und signifikant wird? Ich weiß, dass eine Möglichkeit Kollinearität von B und C sein könnte. Allerdings korrelieren B und C nur zu 0.27 und nicht einmal signifikant. Daher dürfte das ausgeschlossen sein. Gibt es andere mögliche Gründe?

Ich weiß aus den Vorlesungen und habe schon an anderer Stelle im Forum gelesen, dass bei mehreren Prädiktoren die Prädiktoren sich untereinander Varianzaufklärung wegnehmen, also das Beta bei mehr Prädiktoren kleiner ist. Allerdings konnte ich leider auch noch keine gute wissenschaftliche Quelle zum zitieren finden. Und zur Signifikanz auch nicht. Ich wäre also auch froh, wenn ihr gute Quellen wisst, in denen ich das ganze Problem noch einmal nachlesen kann.

Vielen Dank und viele Grüße! Sakura89

[PonderStibbons]

ich habe eine lineare Regression mit den drei Prädiktoren A, B und C und dem Kriterium Y mit 180 Fällen gerechnet.

Worum geht es denn da konkret (Fragestellung, Erhebungsdesign, vorgenommene Messungen und deren Skalenniveau)?

Mit freundlichen Grüßen

P.

[Sakura89]

Es geht um eine Vorhersage der Intention (INT) über die Theorie des geplanten Verhaltens (TPB). Prädiktor A ist die Einstellung (ATT), Prädiktor B die subjektive Norm (SN) und Prädiktor C die wahrgenommene Verhaltenskontrolle (PBC). Alle 4 Konstrukte wurden jeweils über 5 Items einer Likert-Skala erhoben und dann der Mittelwert gebildet, ich habe also metrische Daten. Allgemein hat sich die TPB als sehr brauchbar zur Vorhersage von INT erwiesen, und wie gesagt sprechen auch die meisten bisherigen Ergebnisse dafür, dass nicht nur ATT einen Einfluss haben sollte, sondern mindestens auch noch PBC.

[PonderStibbons]

Dein Problem sind anscheinend nicht die betas, sondern hohe Standardfehler (n=180
und hohe betas, trotzdem p = 0,3 bzw. 0,5). Du musst Dir die Kollinearitätsdiagnostik
vielleicht noch genauer zu Gemüte führen. Wie lauten denn die 6 bivariaten Korrelationen?

Nebenbei, wird nicht mehr die Wechselwirkung aus wahrgenommener Kontrolle
und Intention (bzw. hier Kontrolle*Norm und Kontrolle*Einstellung) in Modell
genommen?

Mit freundlichen Grüßen

P.

[Sakura89]

Oh, ich sehe gerade, dass ich vorhin Tippfehler drin hatte! Meine Betas sind nämlich alles andere als groß, nämlich 0,067 für PBC und 0,043 für SN. Hab das auch oben schnell noch geändert.

Die Korrelationen sind:

ATT/SN = .271**
ATT/PBC = .40**
SN/PBC = .027
ATT/INT = .46**
SN/INT = .171*
PBC/INT = .236**

Und danke für den Hinweis. Interaktionen werden im nächsten Schritt aufgenommen ist aber gar nicht sooo üblich

[PonderStibbons]

Oh, ich sehe gerade, dass ich vorhin Tippfehler drin hatte!

Ja, das sind so Sachen.

Was die Korrelationen angeht, würde ich annehmen, dass Attitude die Varianz aufklärt, die auch
Norm bzw. Control im Kriterium aufklären.

Nebenbei war oben ein Fehler bei mir drin. Ich hatte irrtümlich angenommen, ein Verhalten
sollte vorhergesagt werden, nicht eine Intention. An der Stelle ist eine Wechselwirkung meines
Wissens nach im theoretischen Modell sowieso nicht vorgesehen.