STATISTIK-FORUM.de

[SinaG]

Hallo,
ich muss für meine Masterarbeit mit SPSS eine Regressionsanalyse zu meiner Umfrage durchführen.
Dafür habe ich als eine unabhängige Variable zum Beispiel den Beschäftigungsstand der Probanden abgefragt.
Die Variable ist jetzt so definiert das z.B. 1 Stunden, 2 Angestellter 3 selbstständig usw. bedeutet...
Kann ich diese Variable in meine Regression so mit aufnehmen oder muss ich diese vorher umkodieren?
Wenn ich sie so aufnehmen kann, wie kann ich am Ende den Regressionskoeffizienten einer solchen Variable interpretieren?

Eine weitere Frage...
Ich habe zu Beginn alle erhobenen Variablen, die einen Einfluss haben könnten, in meine Regression mit aufgenommen.
Viele sind jedoch statistisch nicht signifikant und die schrittweise Analyse hat man Ende nur 3 Variablen in das Modell mit aufgenommen.
Reicht es wenn ich dann am Ende meine Regression nur mit diesen drei Variablen aufstelle und diese interpretiere, da die anderen ja statistisch gesehen, keinen signifikanten Einfluss
auf die abhängige Variable haben?

Vielen Dank im Voraus

[PonderStibbons]

Kann ich diese Variable in meine Regression so mit aufnehmen oder muss ich diese vorher umkodieren?

Kommt auf Deine Software an. Wenn Du das von Hand machen musst:
es handelt sich um eine kategoriale Variable mit k Kategorien. Dafür bildest
Du k-1 dummy-Variablen (0/1-Variablen). Eine Stufe erhält keine
eigene Variable (das wäre auch redundant), das wäre die "Referenzkategorie".

Reicht es wenn ich dann am Ende meine Regression nur mit diesen drei Variablen aufstelle und diese interpretiere, da die anderen ja statistisch gesehen, keinen signifikanten Einfluss auf die abhängige Variable haben?

Falls mit "schrittweise" die automatisierte schrittweise Variablenselektion
gemeint ist, die ist schlecht, weil sie das Modell allzusehr den Stichproben-
Daten anpasst und fragwürdig generalisierbare Modelle und falsche p-Werte
produziert. Normalerweise sollte man sich von vornherein auf Grundlage des
Erkenntnisinteresses und theoretischer Annahmen auf einen passenden
Satz Prädiktoren beschränken und nicht alles in die Analyse nehmen, um dann
einem Algorithmus die Sache zu überlassen. Wieviele Prädiktoren insgesamt
und welche Stichprobengröße liegen vor?

Mit freundlichen Grüßen

PonderStibbons

[SinaG]

Hallo,

danke für die Antwort.
Ich arbeite mit SPSS.

Mit schrittweise meine ich eine Kombination aus vorwärts und rückwärts Analyse, die in SPSS möglich ist.
Kommt bei mir das Gleiche wie bei der vorwärts Analyse raus.
Ich habe 3 sage ich mal "Hauptvariablen", zusätzlich wurde ein Persönlichkeitstest durchgeführt, der aus 5 Dimensionen besteht...also hier quasi noch mal 5 Variablen und dann kommen noch die Kontrollvariablen Alter, Geschlecht, Beruf.. (insgesamt 5) hinzu.
Insgesamt habe ich 157 Teilnehmer die sich auf die Kontroll- und Testgruppe aufteilen.
Ich habe natürlich meine Hypothesen aufgestellt, welche die drei Hauptvariablen umfassen, möchte aber auch gucken, ob die verschiedenen Dimensionen des Persönlichkeitstests einen Einfluss auf meine abhängige Variable haben. Aus diesem Grund dachte ich, ich könne zu Beginn ein mal alle Variablen einbeziehen und dann mit Hilfe weiterer Analysen (dem schrittweisen Verfahren etc.) herausfiltern, welche Variablen wirklich relevant sind und am Ende tatsächlich mit einbezogen werden müssen.

[PonderStibbons]

Mit schrittweise meine ich eine Kombination aus vorwärts und rückwärts Analyse, die in SPSS möglich ist.
Kommt bei mir das Gleiche wie bei der vorwärts Analyse raus.

Das ist in der Statistik eigentlich so angesehen wie die Pest.
https://www.stata.com/support/faqs/stat ... -problems/
https://andrewgelman.com/2014/06/02/hat ... egression/

Ich habe 3 sage ich mal "Hauptvariablen", zusätzlich wurde ein Persönlichkeitstest durchgeführt, der aus 5 Dimensionen besteht...also hier quasi noch mal 5 Variablen und dann kommen noch die Kontrollvariablen Alter, Geschlecht, Beruf.. (insgesamt 5) hinzu.
Insgesamt habe ich 157 Teilnehmer die sich auf die Kontroll- und Testgruppe aufteilen.

Das kommt vielleicht noch hin. Da kannst Du 1 Modell aufstellen, ohne Firlefanz wie
vorwärts und rückwärts. Zumal die "Kontrollvariablen" in sowas gar nicht
reingehören.

möchte aber auch gucken,

Ja gut, man probiert rum, mal dieses, mal jenes, mit zu vielen Variablen bei einer nur kleinen
Stichprobe, das ist nicht unüblich, sorgt aber leider für nicht-reproduzierbare Ergebnisse.

Mit freundlichen Grüßen

PonderStibbons

[SinaG]

Okay, also stelle ich einfach nur ein Modell mit meinen 8 Variablen auf? (also mit den drei Hauptvariablen plus die 5 Dimensionen?).
Weil die statistische Signifikanz und so ändern sich ja immer je nachdem wie viele und welche Variablen ich einbeziehe...
mal liegt eine statistische Signifikanz vor mal nicht...wie kann ich dann wissen, ob ich meine Hypothesen annehmen kann oder ablehnen muss?
Einfach noch zusätzliche Tests machen (t-Tests etc.)?

Ich habe nur gelesen, dass man durch die hierarchische/blockweise Analyse testen kann, wie viel Einfluss die Kontrollvariablen haben.
Daher dachte ich, die seien zumindest zu Beginn auch relevant...bei mir ergibt sich nämlich auch eine Korrelation zwischen der einen Kontrollvariable und der aV.

[PonderStibbons]

Okay, also stelle ich einfach nur ein Modell mit meinen 8 Variablen auf? (also mit den drei Hauptvariablen plus die 5 Dimensionen?).

Das wäre naheliegend. Aber es kommen noch die "Kontrollvariablen" dazu?

Ich habe nur gelesen, dass man durch die hierarchische/blockweise Analyse testen kann, wie viel Einfluss die Kontrollvariablen haben.

Ich weiß ja nun nicht, welche theoretische und praktische Rolle die Big5 hier spielen sollen.
Du könntest es in 3 Blöcken machen: erster Block die "Hauptvariablen", dann fügst Du als
2. Block die "Kontrollvariablen" hinzu, 3. Block Big5.

...bei mir ergibt sich nämlich auch eine Korrelation zwischen der einen Kontrollvariable und der aV.

Deswegen nimmt sie doch herein, sonst wäre das doch sinnlos. Variablen, die
mutmaßlich mit anderen Prädiktoren und mit der abhängigen Variable
korreliert sind und daher Scheinkorrelationen erzeugen könnten. Oder meinst
Du mit "Kontrollvariablen" hier eventuell etwas anderes?

Mit freundlichen Grüßen

PonderStibbons

[SinaG]

Vielen Dank! Ich habe das mit den 3 Blöcken getestet.
Das dritte Modell ist statistisch gesehen gar nicht mehr signifikant. Und viele Koeffizienten des 2. Modells auch schon nicht mehr...
Das heißt letztendlich spielen nur meine Hauptvariablen eine wichtige Rolle.

Ich meine als Kontrollvariablen jetzt so soziodemographische Faktoren wie das Geschlecht, Alter...

[PonderStibbons]

Das dritte Modell ist statistisch gesehen gar nicht mehr signifikant.

Da sagt nicht viel. p=0,050? p=0,99? Vermutlich liegt es an der hohen Zahl Variablen
Interessant zwischen Modellen ist hier Änderung in R², also ob die Hinzunahme von Variablen eine statistisch signifikante
Verbesserung des Modells bedeutet. Im vorliegenden Fall wohl nicht.

Ich meine als Kontrollvariablen jetzt so soziodemographische Faktoren wie das Geschlecht, Alter...

Ja, das erwähntest Du bereits. Aber was bedeutet "Kontrollvariable" im Kontext
Deiner Analyse, warum sind sie drin, zu welchem Zweck, mit welcher Funktion?
Was sollen sie kontrollieren? Was man gewöhnlich unter einer "Kontrollvariable"
versteht, habe ich skizziert, aber das ist nicht für alle mit der gleichen Bedeutung,
dem gleichen Zweck versehen. Es gibt zudem noch andere Variablentypen in
Regressionsmodellen neben den eigentlichen Prädiktoren, wie Suppressorvariablen,
Moderatorvariablen, Mediatorvariabeln.

Mit freundlichen Grüßen

PonderStibbons