Tabellendarstellung und Werte für hierarchische Regression

Alle Verfahren der Regressionanalyse.

Tabellendarstellung und Werte für hierarchische Regression

Beitragvon Anne82 » Do 7. Jul 2011, 20:02

Hallo zusammen :cry: ,

ich habe ein paar Fragen wegen der Darstellung in meinem Ergebnisteil.
Ich habe mehrere hierarchische Regressionen mit dem Ziel gerechnet, den Berufserfolg von Personalberatern (z.B. Persönlicher Umsatz, Anzahl der Aufträge, besetzte Stellen) durch die Variablen Soziale Kompetenz (4 Subskalen) und Impression Management (2 Subskalen) zu erklären.

Ich habe dann zwei Schritte berechnet in dem ich zuerst die Kontrollvariablen (Alter, Geschlecht, Berufserfahrung und Gesamtumsatz des Unternehmens) eingeben habe. Sie erklären viel Varianz weshalb sie kontrolliert werden müssen.

Für Soziale Kompetenz und Impression Management gibt es auch noch einzelne Subskalen, die habe ich dann für jedes Berufserfolgsmaß berechnet. Insgesamt sind es also 18 hierarchische Regressionen.

1. Wenn ich die Ergebnisse schriftlich wiedergebe, hätte ich gerne eine Grafik die ich heranziehen kann, aber ich weiß nicht wie ich sie komprimieren könnte.

2. Außerdem weiß ich nicht welche Werte ich in der Tabelle angeben muss, ich habe B, R, R-Quadrat und Veränderung in R-Quadrat und den F-Wert aus der Modellzusammenfassung aufgenommen in die Tabellendarstellung.

3. Welche Werte muss ich generell hier aufzeigen? Was ist mit der ANOVA Tabelle in SPSS, da steht ja auch noch das B drin??

Ich bin ziemlich verwirrt und hoffe ihr könnt mir helfen!
Vielen vielen Dank schon im Voraus, ich komme einfach nicht weiter :|
Anne82
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Do 7. Jul 2011, 19:41
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Tabellendarstellung und Werte für hierarchische Regressi

Beitragvon daniel » Fr 8. Jul 2011, 09:33

Anne82 hat geschrieben:Ich habe dann zwei Schritte berechnet in dem ich zuerst die Kontrollvariablen (Alter, Geschlecht, Berufserfahrung und Gesamtumsatz des Unternehmens) eingeben habe. Sie erklären viel Varianz weshalb sie kontrolliert werden müssen.

Solange sie nicht mit den anderen Prädikatoren im Modell (Soziale Kompetenz, Impression Management) korrelieren, müssen sie keineswegs kontrolliert werden, nur weil sie Varianz des outcomes erklären. Das soll nicht heißen, dass Du diese Variablen nicht berücksichtigen sollst, lediglich, dass Du in Deiner Arbeit eine andere Begründung dafür angeben solltest.

Für Soziale Kompetenz und Impression Management gibt es auch noch einzelne Subskalen, die habe ich dann für jedes Berufserfolgsmaß berechnet. Insgesamt sind es also 18 hierarchische Regressionen.

Falls Du nicht am Effekt der einzelene Subskalen interessiert bist, sondern lediglich am Gesamtkonstrukt (z.B. Soziale Kompetenz), wäre es eventuell sinnvoll Scores aus den Skalen zu machen. Das spart Freiheitsgrade und macht die Schätzungen etwas übersichtlicher. Achtzehn Regressionen für zwei theoretisch interessante Konstrukte (Soziale Kompetenz, Impression Management) scheinen m.E. doch etwas aufgebläht (es sei denn Du hast 6 oder mehr outcomes).

1. Wenn ich die Ergebnisse schriftlich wiedergebe, hätte ich gerne eine Grafik die ich heranziehen kann, aber ich weiß nicht wie ich sie komprimieren könnte.

Ich denke das Ergebnis "simpler" linearer Regressionen ohne Interaktionsefekte oder sonstige nicht-lineare Effekte der Prädikatoren, ohne Gruppenunterschiede (i.e. Dummies) benötigen zur verständlichen Darstellung keiner Grafik. Auch das wäre für meine Geschmack zu aufgebläht -- ist aber Ansichstsache.

2. Außerdem weiß ich nicht welche Werte ich in der Tabelle angeben muss, ich habe B, R, R-Quadrat und Veränderung in R-Quadrat und den F-Wert aus der Modellzusammenfassung aufgenommen in die Tabellendarstellung.

Da hast Du die, mehr oder weniger, freie Wahl. Es ist i.d.R. immer eine gute Idee die Effektstärke und ein Maß der Unsicherheit anzugeben (b und Standardfehler, oder in vielen Fällen sinnvoller, gleich das 95 CI). Das einfache R kann man sich m.E. schenken, da es zu R-Quadrat redundant ist und, zumindest in meiem Bereich, nie interpretiert wird. Auf jeden Fall sollte die Fallzahl genannt werden. Veränedrung in R-Quadrat kann man machen, mit zugehörigem Test.
Allgemein würde ich Dir Raten mal ein paar Artikel in Deinem Bereich zu lesen (in "guten" Journals) und Dich an der Ergebnisdarstellung Deiner Kollegen zu orientieren, da sie, mehr oder weniger, willkürlich und fachspezifisch ist.
Zuletzt geändert von daniel am Fr 8. Jul 2011, 09:39, insgesamt 1-mal geändert.
Stata is an invented word, not an acronym, and should not appear with all letters capitalized: please write “Stata”, not “STATA”.
daniel
Inventar
Inventar
 
Beiträge: 739
Registriert: Mo 6. Jun 2011, 13:23
Danke gegeben: 0
Danke bekommen: 169 mal in 161 Posts

Re: Tabellendarstellung und Werte für hierarchische Regressi

Beitragvon Anne82 » Fr 8. Jul 2011, 12:45

Vielen vielen Dank für deine Hilfe!
Mir ist noch nicht ganz klar, wie ich die B in SPSS in die Tabelle eintrage, sie bilden teilweise sehr große Zahlen z.B. 58538, 695
und ab wann ist der Einfluss von B stark oder schwach, was bedeutet ein -beta-Wert?

Wie kann ich ihn interpretieren? Danke nochmal!!!!
Anne82
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Do 7. Jul 2011, 19:41
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Tabellendarstellung und Werte für hierarchische Regressi

Beitragvon daniel » Fr 8. Jul 2011, 14:35

Anne82 hat geschrieben:und ab wann ist der Einfluss von B stark oder schwach, was bedeutet ein -beta-Wert?

Das ist eine inhaltliche Frage, die ich nicht beantworten kann. Aus dieser "nicht" Antwort kannst Du aber wenigstens erkennen, dass es dafür keine allgemeine Regel gibt, die man, ohne sich über den theoretischen Inhalt der Studie gedanken zu machen, anwenden kann.

Als Beta wird meist der standardisierte b Koeffizient bezeichnet. Der gibt an um wie viele Standardabweichungen sich das outcome verändert, wenn sich der zugehörige Prädikator um eine Standardabweichung erhöht. Bei Dummyvariablen ist die Interpretation der Beta Gewichte nicht sinnvoll, weshalb ich dazu raten würde die Variablen vor der Regression so zu transformieren, dass die gewünschte Interpretation direkt an den b Koeffizienten abgelesen werden kann.
Stata is an invented word, not an acronym, and should not appear with all letters capitalized: please write “Stata”, not “STATA”.
daniel
Inventar
Inventar
 
Beiträge: 739
Registriert: Mo 6. Jun 2011, 13:23
Danke gegeben: 0
Danke bekommen: 169 mal in 161 Posts


Zurück zu Regressionanalyse

Wer ist online?

Mitglieder in diesem Forum: Bing [Bot] und 2 Gäste

cron