STATISTIK-FORUM.de

[Ardaneth]

Hallo Zusammen,

folgendes Problem kam mir bei meinen Analysen. Ich habe mehrere UV's z-standardisiert (mean=0 Standardabweichung=1) um sie vergleichbar zu machen. Bei den Analysen fiel mir später jedoch auf, dass die z-standardisierten Variablen in OLS-Regressionen zwar das machen, "was sie sollen", d.h. die Parameterschätzer sind anders, aber die Signifikanzniveaus identisch, in logistischen Regressionen verändert sich jedoch das Signifikanzniveau der Variablen. Das sollte meiner Meinung nach nicht sein, sonst könnte ich meine Variablen ja immer z-standardisieren und mal schauen ob nicht das Signifikanzniveau besser geworden ist.

Hat jemand eine Idee warum das so ist? Vielleicht mit workaround? Ich verwende SAS.

Besten Dank schonmal!

Grüße

[strukturmarionette]

Hi,

es sind fehlen Dir die Grundkenntnise von OLS, logistischer Regression und Signifikanzniveau.
- Am besten mittels eines seriösen Statistik-Lehrbuches erarbeiten.
bspw:
bucher-mehr-f33/statistik-fur-human-und-sozialwissenschaftler-t704.html

Gruß
S.

[Ardaneth]

Noch einmal zur Verdeutlichung: Ich habe ein identisches Grundmodell mit verschiedenen Kontrollvariablen. Verwende jedoch unterschiedliche "zentrale Unabhängige Variablen". Das sieht beispielhaft also in etwa wie folgt aus:



Die Ausprägungen, welche die einzelnen Variablen überhaupt annehmen können, sind dabei sehr unterschiedlich, so dass sie nicht ohne weiteres verglichen werden können. Nehmen wir als Beispiel mal Sport- und Ernährungsverhalten. Eine Variable ist "Gesund ernähren Ja/Nein" und die andere ist "Anzahl der Stunden Sport pro Woche". Offensichtlich würden die Odds/Ratios für einen Skalenpunkt Veränderung bei der dichotomen Variable vermutlich viel stärker ausfallen als bei der metrischen Variable. Das sagt aber nicht viel. Um die relative Stärke des Zusammenhangs der einzelnen zentralen UVs mit der Abhängigen Variable über die verschiedenen Modelle hinweg gegeneinander abschätzen zu können, muss ich die UVs jetzt auf irgendeine Art standardisieren oder über die Anpassung des Gesamtmodells gehen, da ich ja nur jeweils die eine Variable austausche, oder? Was wäre euer Ansatz um dies möglichst sauber (und wenn möglich einfach) zu handhaben. Ich habe bisher etwas über y*-standardisierte Koeffizienten und avarage marginal effects gelesen. Ich könnte natürlich auch über das Gesamtmodell gehen und sowas wie Likelihood-Ratio-Tests machen.

Mich würde interessieren, was ihr für adäquat haltet.

Mit der Bitte um konstruktive Vorschläge,
Tom

[Ardaneth]

Wir haben es jetzt selbst (hoffentlich) geklärt. Die richtige Vorgehensweise scheint zu sein, dass man die zentralen UVs z-standardisiert und average marginal effects berechnet. So umgeht man a das Problem mit den unterschiedlichen Skalenniveaus und b das generelle Problem mit der Vergleichbarkeit von genesteten Modellen in logistischen Regressionen.