STATISTIK-FORUM.de

[AnahitaBer]

Hallo,

ich habe eine logistische Regression gerechnet und tue mich schwer bei der Interpretation der Ergebnisse.

AV ist binär (1=keine Idee vorschlagen)
UV ist binär (1=Gruppe 1)
Moderator ist metrisch

Der Interaktionsterm ist signifikant, aber was bedeutet das jetzt? Wenn Self Eff. steigt, dann sinkt die Wahrscheinlichkeit, dass meine UV eintrifft um wie viel Prozent?

Ich würde mich sehr über Tipps freuen, worauf ich achten muss und wie ich das Ergebnis am besten wiedergeben kann.


Variablen in der Gleichung
Regressionsk.B SE Wald df Sig. Exp(B) 95% Konfidenzintervall für EXP(B)

Attraktivität_mc -.648 .490 1.751 1 .186 .523 .200 1.366
Gruppe 1.626 .567 8.215 1 .004 5.084 1.672 15.455
Gruppe by Attraktivität_mc -3.740 1.590 5.531 1 .019 .024 .001 .536
Konstante -.481 .317 2.293 1 .130 .618

[bele]

Hi,

mit code-Tags kann man so eine Tabelle halbwegs lesbar darstellen. Am besten man mischt dann nicht Leerzeichen mit Tabulatoren:

Code: Alles auswählen

Variablen in der Gleichung
                                            Regressionsk.B   SE   
                                                                                                      
Attraktivität_mc                             -.648            .490
Gruppe                                       1.626            .56
Gruppe by Attraktivität_mc                   -3.740           1.590
Konstante                                   -.481             .317

Der Interaktionsterm ist signifikant, aber was bedeutet das jetzt?

Nun, Du hast hier eine lineare Funktion, deren Ergebnis später monoton in Wahrscheinlichkeiten umgerechnet wird.
Attraktivität wird mit einer Minus-Zahl multipliziert. Also je größer die Attraktivität, umso weniger Wahrscheinlichkeit für das Nicht-Vorschlagen der Idee.
Je mehr Gruppe, umso mehr Wahrscheinlichkeit für das Nicht-Vorschlagen der Idee.
Gruppe mal Attraktivität wird Null, wenn man nicht in Gruppe 1 ist, also wird in Gruppe 1 der Koeffizient für Attraktivität nochmal kleiner.

Kannst du dem auf dieser Ebene (auf der Ebene des linearen Modells innerhalb der logistischen Regression) folgen?

LG,
Bernhard

[AnahitaBer]

Danke Bernhard für den Tipp mit dem Code. Ich habe das vorhin einfach nicht hingekriegt.
Ja, soweit kann ich folgen. Mir fehlt eine konkrete Aussage dazu, die ich als Ergebnis ausformulieren kann.

Meine Hypothese ist, dass die Attraktivität den Effekt von Gruppe auf die AV moderiert.
Da der Interaktionsterm signifikant ist, kann ich das ja auch so erstmal bestätigen. Aber was heißt das jetzt konkret, wenn ich das richtig verstehe Sinkt die Wahrscheinlichkeit keine Idee abzugeben, wenn die Attraktivität steigt (und man in Gruppe 1 ist), weil der Regressionsk.B ist negativ und Exp(B) ist .024. Rechne ich da nicht noch .024. - 1 um die relative Wahrscheinlichkeit angeben zu können?

[bele]

Rechne ich da nicht noch .024. - 1 um die relative Wahrscheinlichkeit angeben zu können?

Hallo AnahitaBer,

Ich rechne zu selten logistische Regressionen, um mir diese ganzen Rechenregeln merken zu können. Meist rechne ich mir für konkrete Beispieke konkrete Wahrscheinlichkeiten aus und daraus dann die relativen Wahrscheinlichkeiten. Ist das unnötig viel rechnen? Ja, aber dafür muss ich mir weniger merken. Wenn p die Wahrscheinlichkeit ist, keine Idee vorzuschlagen, dann ist

ln(p/(1-p)) = -0,48 - 0,65xAttrakt + 1,62xGruppe - 3,7xAttraktxGruppe

Damit lässt sich ein konretes p für jede Kombination mit Taschenrechner, Handy oder Computer zügig herausfinden und aus zwei konkreten p wird rasch ein relatives p.

HTH,
Bernhard

[AnahitaBer]

Danke Bernhard, das werde ich direkt mal rechnen.
Wie kann ich dann im Anschluss dann das Ergebnis berichten und interpretieren. Irgendwie habe ich keinen Zugang zu dem was ich da vorliegen habe :/

[bele]

Hallo AnahitaBer,

der Zugang ergibt sich wahrscheinlich erst richtig, wenn Du Dir überlegst, warum Du das gerechnet hast, welche Fragestellung Du untersuchst und welche Geschichte Du mit diesen daten erzählen möchtest. Was ich bestimmt machen würde, ist eine Grafik mit zwei Kurven: Realistische Werte für Attraktivität auf der x-Achse, Wahrscheinlichkeit auf der y-Achse und eine Kurve für Gruppe == 0 und eine für Gruppe == 1.
So eine Grafik macht sich gut in der Ergebnisdarstellung und bestimmt hilft sie auch Dir selbst, eine Vorstellung von dem abstrakten Ergebnis zu erhalten.

LG,
Bernhard

[AnahitaBer]

Hallo Bernhard,

ich habe noch Fragen zu der logistischen Regression.
Wenn ich das durchrechne ln(p/(1-p)) = -0,48 - 0,65xAttrakt + 1,62xGruppe - 3,7xAttraktxGruppe
komme ich auf -3.25, heißt das, dass die Wahrscheinlichkeit um 3,25 sinkt? Und wie kann ich das Ergebnis korrekt berichten?

Ich würde gerne das Diagramm erstellen, aber welche Wahrscheinlichkeit trage ich denn auf der Y-Achse ab? Woher nehme ich die Werte?

Ich freue mich sehr, wenn du hier noch Tipps für mich hast.

Lieben Gruß
Anne

[bele]

Wenn Du was rechnest kommt -3,25 raus?

[AnahitaBer]

Diese Formel ln(p/(1-p)) = -0,48 - 0,65xAttrakt + 1,62xGruppe - 3,7xAttraktxGruppe

[bele]

Wenn ich das durchrechne ln(p/(1-p)) = -0,48 - 0,65xAttrakt + 1,62xGruppe - 3,7xAttraktxGruppe
komme ich auf -3.25, heißt das, dass die Wahrscheinlichkeit um 3,25 sinkt?

Nein, denn Wahrscheinlichkeiten sind Werte zwischen 0 und 1 und deshalb können sie nie um 3,25 sinken.

Wenn Du die Formel oben irgendwie so umgestellt hast, dass da p = -3,25 herauskommt dann stimmt etwas gravierend nicht. Wenn Du nicht sagst, was Du genau eingesetzt und umgestellt und ausgerechnet hast, kann ich da nicht helfen.