STATISTIK-FORUM.de

[Hadsga]

Hallo,

ich habe vor den Einfluss einer Variable B, C, und D auf Variable A mittels einer multiplen Regression zu untersuchen. Ziel ist es herauszufinden, welchen Einfluss die Markenpersönlichkeit und die sog. Brand-Performance auf die Kundenzufriedenheit haben. Dabei ist Variable B die Kongruenz zwischen der Markenpersönlichkeit und dem ideal-Selbst, Variable C ist Kongruenz zwischen der Markenpersönlichkeit und dem tatsächlichen Selbst, Variable D ist die Teilzufriedenheit mit den Attributen der sog. Brand-Performance, während Variable A die Geamtzufriedenheit d.h., die Kundenzufriedenheit mit einem Produkt darstellt.

Wenn ich eine einfache lineare Regression durchführe erweisen sich alle Prädiktoren als Signifikant und ich erhalte auch zum Teil eine recht anständige Varianzaufklärung und ordentliche Beta-Gewichte.

Zur Veranschaulichung:

Einfluss von B auf A:
Signifikanz: 0,000 (Anova und T-Wert)
R-Quadrat: 0,337
Beta: - 0,581

Einfluss von C auf A:
Signifikanz: = 0,000 (Anova und T-Wert)
R-Quadrat: 0,070
Beta: - 0,256

Einfluss von D auf A:
Signifikanz: 0,000 (Anova und T-Wert)
R-Quadrat: 0,331
Beta: 0,576

Wenn ich jedoch eine multiple Regression durchführe erweist sich zwar das Modell, aber keiner der Prädiktoren mehr als Signifikant.

Zur Veranschaulichung:

Modell:
Signifikanz: = 0,000 (Anova)
R-Quadrat: 0,381


Einfluss von B auf A:
Signifikanz: 0,012 (T-Wert)
Beta: - 0,581

Einfluss von C auf A:
Signifikanz: = 0,067 (T-Wert)
Beta: - 0,256

Einfluss von D auf A:
Signifikanz: 0,628 (T-Wert)
Beta: 0,576



Wahrscheinlich handelt es sich dabei um Suppressor-Effekte. Gibt es die Möglichkeit die Suppressor-Effekte herrauszurechen?

Gruß
Hadsga

[strukturmarionette]

Hi,

Wenn ich jedoch eine multiple Regression durchführe erweist sich zwar das Modell, aber keiner der Prädiktoren mehr als Signifikant.

Schau Dir Deine Werte insb die p-Werte nochmal genau an. Was Du schreibst bzw. feststellst, stimmt nicht.

Gruß
S.

[Hadsga]

Hallo,

danke für die schnelle Antwort. Du hast natürlich recht. Meine Frage ist, warum sich das Modell und die einzelnen Prädiktoren bei einer einfachen linearen Regression als signifikant erweisen, aber bei einer multiplen linearen Regression nur das Modell, aber nicht mehr die einzelnen Prädiktoren signifikant sind.

Gruß
Hadsga

[strukturmarionette]

Hi,

aber bei einer multiplen linearen Regression nur das Modell, aber nicht mehr die einzelnen Prädiktoren signifikant sind.

aber genau diese deine Feststellung trifft nicht zu.

Nur bei der UV Nummer drei gibt es eine Abweichung seitens der Signifikanz.
Und diese scheint m.E. eher auf irgendwelche Tippfehler in den Daten oder beim ´Copy and Paste´ oder ähnliches begründet.