STATISTIK-FORUM.de

[RomanB.]

Hallo alle zusammen,

ich schreibe auch derzeit meine Masterarbeit und bin bei meiner Regressionsanalyse auf das Problem der Heteroskedastizität getroffen. Mein Betreuer meinte schon ich kann die Ergebnisse trotzdem interpretieren und sollte weder Transformationen noch gewichtete kleinste Quadrate verwenden, da es keine starke Heteroskedastizität ist. Jedoch sollte ich mich absichern mit Literatur, sodass ich aus guten Gründen trotz Heteroskedastizität keine andere Heransgehensweise verwende. Nun habe ich in Fox (2015) z.B. etwas gefunden:

"The results in this section suggest that nonconstant error variance is a serious problem only when the magnitude (i.e. the standard deviation) of the errors varies by more than a factor of about three - that is when the largest error variance is more than about ten times the smallest."

Kann ich das was da geschrieben wird aus dem Streudiagramm ablesen? Also das die Standardabweichung der Residuen nicht mehr als mit einem Faktor von 3 streut? Falls ja wie genau mache ich das? Mein Streudiagramm habe ich unten eingefügt. Vielen Dank schon einmal!

[strukturmarionette]

Hi,

worum geht es denn? Welches Modell? Alle Variabeln UVs und AV? Design? Welche Stichprobenumfänge?

Gruß
S.

[RomanB.]

Hallo,

danke für die schnelle Rückmeldung .

Also das Studiendesign war eine Online Umfrage zum Thema Konsequenzen von steigender sozialer Dichte im Einzelhandel. Dabei gab es 3 Grafiken mit unterschiedlich vielen Kunden (2 Kunden, 11 Kunden, 27 Kunden) und jeder Teilnehmer sah nur eine der 3 Grafiken. Am Ende waren es nach Bereinigung 3 Teilstichproben (N1 = 54, N2 = 54, N3 = 64). Meine ersten Hypothesen in Bezug auf die 3 verschiedenen Situationen mit unterschiedlich vielen Kunden habe ich mit Varianzanalysen bereits überpfüft.

Für meine weitere Hypothese möchte ich eine Regressionsanalyse durchführen. Dazu habe ich eine Multi-Item Variable berechnet, die insegsamt fünf 7-Punkte Items enthält. Das ist eine der Mehrabian und Russell Skalen, wurde also schon oft verwendet und misst die wahrgenommene Kontrolle. Die zweite berechnete Multi-Item Variable enthält drei 7-Punkte Items und wurde mir vom Lerstuhl zur Verfügung gestellt, sie misst die Abneigung (gegenüber überfüllten Verkaufsflächen). In den Daten für die wahrgenommene Kontrolle und die Abneigung sind alle Teilnehmer der 3 Teilstichproben mit drin, also insgesamt N=172.

Das Modell sieht folgendermaßen aus, es ist ein einfaches lineares Regressionsmodell mit der wahrgenommenen Kontrolle als UV und der Abneigung als AV, da meine Hypothese lautete, dass eine geringere wahrgenommene Kontrolle zu stärkeren Ausprägungen des Gefühls der Abneigung führt, die wahrgenommene Kontrolle also einen direkten Einfluss auf das Gefühl der Abneigung ausübt. Und bei genau diesem Modell kam das Problem der Heteroskedastizität auf . Ich hoffe ich konnte es einigermaßen nachvollziehbar darstellen.

Viele Grüße

[Institut_Zwei]

Hier ist auf Anhieb mit Augen keine eindeutige Heteroskedastie zu erkennen (vielleicht mit einem PC). Was ich beim Bild jedoch als Problem sehe ist eine Zensorierung. Das könnte noch wichtiger sein als die Heteroskedastie.

[RomanB.]

Hallo,

vielen Dank für die Antwort, jetzt bin ich aber ehrlich gesagt etwas überfordert. Nachdem ich dachte ich wüsste über die Grundlagen der Regressionsanalyse halbwegs Bescheid muss ich sagen ich habe noch nie etwas von Zensorierung gehört. Beschreibt es das Phänomen, dass die unteren Residuen alle in einer Reihe verlaufen?!

Weisst du vielleicht dennoch ob man den Streuungsfaktor der Standardabweichung der Resiuden aus dem Bild ablesen kann? Ich hoffe ich kann das Problem der Zensorierung ausblenden, da mein Betreuer bereits die Grafik gesehen hat, aber nichts Weiteres dazu sagte ausser dass ich die Ergebnisse trotzdem auswerten und interpretieren kann.

Viele Grüße