STATISTIK-FORUM.de

[Lini7]

Hallo zusammen,

für ein Uni-Projekt habe ich mich mit Hilfe von xlstat an einer logistischen Regression versucht und scheitere nun an der Interpretation. Mich interessiert, ob es einen Zusammenhang zwischen dem Konsum von Produkt X und dem Alter, Geschlecht, Bildungsgrad,... gibt. Welche Werte der Ergebnistabelle beantworten diese Frage?

Ich würde vermuten, dass des "Rätsels Lösung" in den Korrelationskoeffizienten liegt - doch sicher bin ich mir dabei nicht.

Stimmt es, dass die Güte des Modells durch R² beschrieben wird? Dieses (McFadden, Komplett) würde in meinem Fall bei 0,9 liegen.

Ich freue mich über jede Hilfe - herzlichen Dank im Voraus!

[PonderStibbons]

Ein R² von 0,9 ist unrealistisch hoch. Sind es künstlich erzeugte Daten,
oder ist die Zahl der Prädiktoren ist im Verhältnis zur Stichprobengröße
sehr groß?

Was Deine Software konkret produziert, weiß ich nicht. Normalerweise
müsste dabei für jeden Prädiktor der Regressionskoeffizient b ausgegeben
werden, dessen Standardfehler, ein statistischer Test zu der Frage, ob der
Koeffizient statistisch signifikant ist (Wald Statistic), sowie der p-Wert
dieses Tests. Ist der p-Wert unter 0,05, wäre das ein gängig verwendetes
Indiz dafür, dass die betrachtete Variable (bei gleichzeitiger Berücksichtigung
der übrigen Variablen!) zuverlässig einen Zusammenhang mit der abhängigen
Variable aufweist.

Gegebenenfalls ist auch die odds ratio für die jeweilige Variable angegeben.

Mit freundlichen Grüßen

PonderStibbons

[Lini7]

Hallo PonderStibbons,

herzlichen Dank für deine schnelle Antwort, die mir sehr weiterhilft! Tatsächlich ist mein n mit 31 sehr klein - es handelt sich aber um keine künstlichen Daten. Ich würde also R² nur unter Vorbehalt mitangeben?!

Anbei habe ich beispielhaft eine Datenreihe angefügt - vielleicht hast du ja Lust einmal darüber zu schauen (gerade mit Blick auf den p-Value). Ich würde mich sehr darüber freuen!

Quelle: Alter Kategorie 1
b-Wert: 1,78
Standardfehler: 2,399
Wald-Chi-Quadrat: 0,551
Pr > Khi²: 0,458
Wald untere Grenze (95%): -2,921
Wald Obere Grenze (95%): 6,481
Odds ratio: 5,931
Odds ratio untere Grenze (95%): 0,054
Odds ratio Obere Grenze (95%): 652,903

Vielen Dank schon einmal im Voraus!

[PonderStibbons]

Maximal 16 Ereignisse (nämlich die Anzahl Ereignisse in der größeren Teilgruppe der
abhängigen Variable) mit einem halben Dutzend Variablen oder mehr vorherzusagen -
dass das zu viel Vorhersagegrößen für viel zu wenig Daten ist, sollte einleuchten. Man
nennt das overfitting und ein hohes R² ergibt sich dadurch fast zwangsläufig, ist aber
unbrauchbar. Mit n=31 kannst Du sinnvoll vielleicht 2 Prädiktoren verwenden.

Anbei habe ich beispielhaft eine Datenreihe angefügt - vielleicht hast du ja Lust einmal darüber zu schauen (gerade mit Blick auf den p-Value). Ich würde mich sehr darüber freuen!

Da sehe ich jetzt aber auch nicht mehr als von mir bereits angegeben.
Wenn Pr > 0,05 ist, gehst Du davon aus, dass ein Zusammenhang der
Variable mit der abhängigen Variable (uner Berücksichtigung der
übrigen Variaben im Modell) anhand der vorliegenden Daten nicht
nachweisbar war.

Mit freundlichen Grüßen

PonderStibbons

[Lini7]

Danke für deine Antwort und ein schönes Wochenende!