STATISTIK-FORUM.de

[klaus82]

Liebe Statistiker,

wer könnte mir bei der Interpretation der Parameterschätzer helfen?

Ich kann nur sehen, daß die 2*log Likelihhod ordentlich und signifikant ist und , daß die erklärende Variable beibehalten sollte.

Ist das ganze Modell für die Katze, wenn der Prallelitätstest für Linien nicht signifikant ist?

Besten Dank und LG,

Klaus82

[aziz]

Hallo Klaus,

positive Schätzer bedeuten, dass die betrachtete Kategorie auf höhere Kategorien der abhängigen Variable wirken. Betrachten wir die Ergebnisse deiner Analyse, so bedeutet dies das eine Verschlechterung der Umweltbedingungen ine Erhöhung der Indoor Pullution ausüben. Das scheint, rein intuitiv, erstmal Sinn zumachen.

Vielleicht würde bei deiner Modellierung die Wahl einer anderen Link-Funtion mehr Sinn machen. Der Logit sollte laut Bühl (2012) verwendet werden, falls die Kategorien der abhängigen Variablen gleichmäßig verteilt sind. Wenn ich mir deine Ergebnisse anschaue, so wirkt es auf mich, als wenn höhere Kategorien tendenziell stärker vertreten sind. In dieser Situation wird empfohlen, den komplementären log-log als Link zu verwenden.

Quelle: Bühl, A. (2012), SPSS 20. Einführung in die moderne Datenanalyse, 13. Auflage, Pearson, München.

Gruß
a.

[klaus82]

Lieber Aziz,

super vielen Dank für die rasche Antwort.

Heißt das, dass die Schwellen-Werte (AV) zunächst einmal irrelevant sind? So wie bei der linearen funktion die Signifikanz der Konstanten (AV)?

Es reicht quasi aus, wenn von einer kategorialen Variable nur eine Kategorie signifikant ist, um die Variable als Regressor aufzunehmen ?

LG, Klaus82

[aziz]

Lieber Aziz,

super vielen Dank für die rasche Antwort.

Heißt das, dass die Schwellen-Werte (AV) zunächst einmal irrelevant sind?

Ja.

So wie bei der linearen funktion die Signifikanz der Konstanten (AV)?

Du meinst vermutlich den Achsenabschnitt bei der linearen Regression, oder?

Es reicht quasi aus, wenn von einer kategorialen Variable nur eine Kategorie signifikant ist, um die Variable als Regressor aufzunehmen ?

Ja, im Grunde.

[klaus82]

Vielen Dank Aziz!!! Bin begeistert, wie Du anderen hilfst!

Könntest Du Dir nochmal ein anderes Beispiel ansehen (Anhang)?

Hier sind die Schätzer neagtiv. Soll das jetzt so interpretiert werden, daß niedrigere Regressorwerte eher höhere Werte des Regressanden erklären?

[VAR00006=3] ist doch zu ignorieren, oder?

Und was bedeutet, daß [VAR00006=4] redundant ist?

Würde mich sehr über eine Antwort freuen!

LG, Klaus82

[aziz]

Hier sind die Schätzer neagtiv. Soll das jetzt so interpretiert werden, daß niedrigere Regressorwerte eher höhere Werte des Regressanden erklären?

Negative Schätzer wirken im Sinne von niedrigen Kategorien der abhängigen Variablen.

[VAR00006=3] ist doch zu ignorieren, oder?

Du meinst vermutlich, dass der Parameter nicht signikifant von Null verschieden ist. Demzufolge ist [VAR00006=3] "zu ignorieren".

Und was bedeutet, daß [VAR00006=4] redundant ist?

Diesem Ausdruck bin ich gestern auch das erste Mal begegnet. Sprachlich umschreibt redundant einen Zustand von Überschneidung oder Überschuss. Was dies bezogen auf die ordinale Regression meinen könnte, kann ich zum aktuellen Zeitpunkt nur erahnen.

Weiterhin hast du ja meinen Ratschlag befolgt und einen anderen Link verwendet. Jetzt würde mich die hiermit erzielte Modellanpassung interessieren. Könntest du hierfür die pseudo--te posten?

Gruß
Aziz

[klaus82]

Lieber Aziz!

Vielen Dank. Im Anhang die Pseudo-Werte, die ich für ordentlich halte.

LG
Klaus82

[aziz]

Hallo Klaus82,

Vielen Dank. Im Anhang die Pseudo-Werte, die ich für ordentlich halte.

Ja. Was mich einwenig verwirrt, ist das als Link der Logit angegeben wird. Es sind zumindest andere Werte als bei deiner ersten Analyse und sie deuten auf eine bessere Modellanpassung hin. Hätte eigentlich den komplementären log-log erwartet. Ist das vielleicht durch Copy & Paste entstanden?

Grüße
A.

[klaus82]

Sorry, Aziz, hier die korrekten Werte.

Lieben Dank für Deine große Hilfe.

Viele Grüße,
Klaus

[aziz]

Naja. Sieht hier doch eher nach einer schlechten Modellanpassung aus. Für eine tiefere Interpretation könnten noch folgende Fragen relevant sein:

• Wie sind in diesem Beispiel die Kategorien der abhängigen Variable verteilt?
• Wie hoch ist dein Stichprobenumfang?
• Hast du zufällig auch eine Residualanalyse (z. B. Grafiken) durchgeführt?

Weiterhin interessiert mich zu deiner ersten Untersuchung, wie sich die pseudo -te verändert haben.

Gruß