STATISTIK-FORUM.de

[robot13]

Hallo zusammen,

ich habe folgendes Problem bei einer binär-logistischen Regressionsanalyse:
Ich untersuche den Einfluss von 5 UV auf eine AV, im Ergebnis ist leider nur UV4 signifikant. Dies ist meine "unwichtigste" Variable und wenn ich sie weglasse, sind zumindest zwei der übrigen drei UV signifikant, was meine Interpretation erheblich vereinfachen würde. Ich könnte UV4 und UV5 im Zweifel auch als Kontrollvariable deklarieren, würde mir das etwas bringen?

Habe hier schon etwas rumrecherchiert und in einem anderen Beitrag folgendes Zitat gefunden:
"Es gibt nun zwei Arten von KV
a) Die, für die man einen Effekt erwarten würde, aber die nicht im Interesse der Studie steht (z.B. weil ihr Effekt schon zig mal belegt wurde und die nun getesteten UVs den addon der Studie darstellen)
b) Solche, bei denen man nicht einen Effekt erwarten würde, aber man die Regression gegen einen *möglichen* Effekt quasi absichern will."

Meine UV4 wäre dann ja Fall a), aber was hätte ich davon? UV5 hingegen (die auch als Kontrollvariable einsetzbar wäre) ist nicht signifikant, wie könnte man soetwas erklären?

Danke schon mal!!!

[PonderStibbons]

Ich habe zugegebenermaßen keinen Lösungsvorschlag (die wesentlichen Gründe dürften sich durch das Folgende erschließen), woran sich voraussichtlich auch nichts ändern wird, ist auch nicht böse gemeint, aber ich lege einmal dar, was mir spontan bei der Lektüre einfällt:

ich habe folgendes Problem bei einer binär-logistischen Regressionsanalyse:

Zu welchem Thema, mit welcher Fragestellung, wie ist die Studie aufgebaut?

Ich untersuche den Einfluss von 5 UV

Was für welche, wie gemessen?

auf eine AV

Konkret welche, wie verteilt? Und wie groß ist eigentlich die Stichprobe?

, im Ergebnis ist leider nur UV4 signifikant.

Was heißt das? p=0,499? p=0,00000000001?

Dies ist meine "unwichtigste" Variable

Inwiefern? Und warum ist sie drin?

und wenn ich sie weglasse,

Wieso solltest Du das tun?

sind zumindest zwei der übrigen drei UV signifikant,

Welche denn? Und wie waren vorher die Regressionsgewichte und p-Werte? Wie sind sie jetzt?

was meine Interpretation erheblich vereinfachen würde.

Was heißt das konkret?

Ich könnte UV4 und UV5 im Zweifel auch als Kontrollvariable deklarieren,

Wer sind UV4 und UV, sie wurden uns nicht vorgestellt, ebenso wenig wie die anderen Herrschaften.

würde mir das etwas bringen?

In welcher Hinsicht, was heißt "bringen" was soll besser werden oder weniger schlecht?

Habe hier schon etwas rumrecherchiert und in einem anderen Beitrag folgendes Zitat gefunden:

Wer hat das wem in welchem Zusammenhang mitgeteilt? Warum nicht auch ein Link zu dem Beitrag?

Meine UV4 wäre dann ja Fall a),

Wäre sie sicher?

aber was hätte ich davon?

In welcher Hinsicht?

UV5 hingegen

Die kennt der Leser halt nicht.

(die auch als Kontrollvariable einsetzbar wäre)

Was immer das auch bedeuten mag, angesichts der fehlenden Angaben zu Kontext, Hintergrund, Inhalten, Ziel, Zweck der Studie nicht zu beurteilen.

ist nicht signifikant,

p=0,050? p=0,99?

wie könnte man soetwas erklären?

Ja, wie könnte man.

Wie gesagt, nicht böse gemeint, aber hier hat keiner eine Holschuld.

Mit freundlichen Grüßen

PonderStibbons

[robot13]

Danke für die Antwort und ich habe zwar leider keine Ahnung, was das mit Holschuld zu tun hat, aber tut mir Leid, wenn meine Beschreibung nicht detailliert genug und zu verwirrt war. Neuer Versuch:

Ich habe 8 Erhebungen zu verschiedenen Produkten einer bestimmten Art gemacht und für jede eine eigene binär-logistische Regression (Stichprobengröße ist jeweils ca. 80 und die AV ist Kaufintention ja/nein, also binär-nominalverteilt) in SPSS durchgeführt. Bei allen Ergebnissen ist das Problem, dass lediglich eine Kontrollvariable immer signifikant ist (Gefallen des Produkts, maximal Sig.=0,004). Die UV, für die ich eigentlich gerne Einfluss beweisen würde, sind verschiedene Produktmerkmale (nominalverteilt, Sig. ist mal 0,096, mal 0,997 usw.)
Ich habe die Regressionsanalyse auch mal ohne Gefallen gerechnet, um zu sehen ob die Produktmerkmale dann signifikant wären und ja, sie wären es. Es wäre aber vermutlich nicht wirklich zu rechtfertigen, Gefallen hier einfach aus dem Modell zu schmeißen? Wäre es stattdessen vielleicht sinnvoll, den Einfluss der Produktmerkmale auf Gefallen zu untersuchen und das Modell irgendwie zweistufig aufzubauen (also Produktmerkmale => Gefallen => Kaufintention)?

Danke und freundliche Grüße