STATISTIK-FORUM.de

[Marie1]

HAllo,

ich bin ein Forumsneuling und habe eine Frage zur Dichotomisierung der AV für eine binär log. Regression.
Die Antwortskala der AV, die ich dichotomisieren möchte sieht folgendermaßen aus.

1. Mehrmals in der Woche
2. Mehrmals im Monat
3. Einmal oder zweimal
4. Nie

1 und 2 möchte ich nun in 1 (häufig) und 3 und 4 in 0 (selten) umkodieren.
Muss ich dafür die Verteilung der Variable beachten? Die ist nämlich extrem rechtsschief, wenn man das noch sagen kann.
Denn die Werte steigen von 1 bis 4 extrem an. Bei einer Dichotomisierung wäre die Ungleichheit zwischen 0 und 1 dann noch größer.
Ist das ein Problem oder kann ich die Dichotomisierung so bedenkenlos vornehmen?

Lieben Gruß
MArie

[PonderStibbons]

Die mögliche Zahl der möglichen Prädiktoren in einer multiplen logistischen
Regression orientiert sich an der Fallzahl in kleineren AV-Gruppe.
Eine ausgeglichene Verteilung ist immer wünschenswert, aber wenn es
sich aus inhaltlichen Gründen nicht machen lässt, dann ist das eben so.

Mit freundlichen Grüßen

P.

[Marie1]

Vielen Dank für die schnelle Antwort, ich habe mir jetzt noch mal Gedanken gemacht über die inhaltliche Gruppenbildung und es ist eigentlich keine schlechte Idee die Antwortmöglichkeiten 1 bis 3 als eine Gruppe (Konflikt tritt auf) zu definieren und 4 (Konflikt tritt nicht auf) als andere Gruppe zu bilden. So gibt es eine "saubere" Trennung und die Verteilung ist zumindest bei einer Variable nicht mehr ganz so krass.Vielen Dank noch mal für den Hinweis auch inhaltlich noch mal drüber zu schauen.
MArie

[Holgonaut]

Hi,

du solltest die Variable auf keinen Fall in Gruppen sortieren. Wenn die Verteilung Verletzungen der Annahmen impliziert (check das durch Residuendiagnostik), gibt es Lösungen.

Durch Gruppenbildung verschenkst du Information und senkst die Power:


Preacher, K.J., Rucker, D.D., MacCallum, R.C., & Nicewander, W.A. (2005). Use of the extreme groups approach: A critical reexamination and new recommendations. Psychological Methods, 10, 178-192.
http://kuscholarworks.ku.edu/dspace/bit ... r_2005.pdf

Baneshi, M.R., & Talei, A.R. (2011). Dichotomisation of Continuous Data: Review of Methods, Advantages, and Disadvantages. Iranian Journal of Cancer Prevention, 4(1), 26-32.

Owen, S.V., & Froman, R.D. (2005). Why carve up your continuous data? Research in Nursing and Health, 28, 496-503.

Royston, P., Altman, D.G., & Sauerbrei, W. (2006). Dichotomizing continuous predictors in multiple regression: a bad idea. Statistics in Medicine, 25(1), 127-141.
http://www-psychology.concordia.ca/fac/ ... oyston.pdf

Shentu, Y., & Xie, M. (2010). A note on dichotomization of continuous response variable in the presence of contamination and model misspecification. Statistics in Medicine, 29, 2200-2214.
http://www.stat.rutgers.edu/home/mxie/R ... /dicho.pdf

Ng, C.G. (2010). Outcomes of dichotomizing a continuous variable in the psychiatric early readmission prediction model. MJP Online Early, MJP-02-05-10.
http://mjpsychiatry.org/index.php/mjp/a ... File/78/72

Streiner, D.L. (2002). Breaking up is hard to do: the heartbreak of dichotomizing continuous data. Canadian Journal of Psychiatry, 47(3), 262-266.
http://www.humanstress.ca/documents/pdf ... -split.pdf

Irwin, J. R., & McClelland, G. H. (2003). Negative consequences of dichotomizing continuous predictor variables. Journal of Marketing Research, 40, 366-371.

Fitzsimons, G.J. (2008). Death to Dichotomizing. Journal of Consumer Research, 35(1), 5-8.

Gruß
Holger

[PonderStibbons]

Es handelt sich hier allerdings eindeutig um eine ordinale Variable,
daher betreffen die selbstverständlich stichhaltigen Einwände gegen
eine Dichotomisierung intervallskalierter Variablen das vorliegende
Problem (vermutlich) nicht.

Mit freundlichen Grüßen

P.

[Marie1]

@Holgonaut: vielen Dank für deinen Einwand und die umfangreiche Literatur dazu, ich werde beides für weitere Vorhaben im Hinterkopf behalten. Die Literatur bezieht sich auch immer auf kontinuierliche Daten. Die Überlegung für die Dichotomisieurung kam mit der Erkenntnis, dass ich mit dieser ordnialen AV keine lin. Regression durchführen kann und ich jetzt deswegen auf eine binär log. Regression zurückgreife.
@P.: Danke auch an dich, dass du meiner kurzfristigen Verwirrung mit deiner Antwort Beine gemacht hast.
Gruß
MArie

[Holgonaut]

Hi,

Es handelt sich hier allerdings eindeutig um eine ordinale Variable,
daher betreffen die selbstverständlich stichhaltigen Einwände gegen
eine Dichotomisierung intervallskalierter Variablen das vorliegende
Problem (vermutlich) nicht.

Ok, aber auch hier schmeißt du doch Informationen über Bord, weil du Personen mit unterschiedlichen Werten als gleich behandelst.
Dürfte m.E. daher aufs Gleiche rauslaufen...

Grüße
Holger