STATISTIK-FORUM.de

[Morr]

Hallo alle zusammen,

in meinem Modell möchte ich die Nutzung einer App vorhersagen durch die demografischen Merkmale Alter, Geschlecht und Bildungsniveau.
Mein Logistisches Regressionsmodel wird mit .054 nicht wirklich signifikant aber tendenziell (chi²(4) = 9.284, p = .054). Kann man das sagen?
Das Modell würde 22.2 % (Nagelkerke R2) der Varianz in dem Nutzungsverhalten der Teilnehmer erklären und 80.6 % richtig klassifizieren. wobei im Vergleich zum Nullmodell kein Gewinn herauskäme dieses classifiziert auch 80.6% richtig.

Nun ja also meine Frage ist die wie deute ich dieses Output?
ich häng das Output als Word Dokumnt an..weiß nicht wie ich es einfügen kann...

Ich habe hierbei das Alter metrisch in Jahren, das Geschlecht dichotom erfasst. Diese haben keinen signifikanten Einfluss.
Die Bildung habe ich ordinal in drei Stufen unterteilt. niedriges Bildungsniveau (=0 und Referenzwert), mittleres Bildungsniveau (=1) und hohes Bildungsniveau (=2).
Wie ist das Output nun zu deuten? Nur der Prädiktor hohes Bildungsniveau wird signifikant. jedoch heißt das doch nur, dass wenn jemand ein hohes Bildungsniveau hat dann nutzt diese Person mit 0.071 höherer Wahrscheinlichkeit die App, als eine Person mit niedrigen Bildungsniveau. Es macht jedoch keinen Unterschied ob jemand ein mittleres Bildungsniveau hat.

Sehe ich das richtig??

Ganz allgemein die Quote der Nutzer ist enorm hoch Nutzer N = 52 zu Nicht Nutzer N = 13.

Es wäre wirklich schön, wenn mir jemand helfen könnte beste Grüße,
frau morr

[aziz]

Hallo Frau Morr,

Mein Logistisches Regressionsmodel wird mit .054 nicht wirklich signifikant aber tendenziell (chi²(4) = 9.284, p = .054). Kann man das sagen?

Ob nun ein p-Wert von 0,049 oder ein p-Wert < 0.001 vorliegt ist irrelevant. Beide Ergbenisse sind signifikant. Keines der beiden ist signifikanter! Der p-Wert darf als Entscheidungsgröße in seiner Interpretation nicht mit einer Effetgröße verwechselt werden!

Das Modell würde 22.2 % (Nagelkerke R2) der Varianz in dem Nutzungsverhalten der Teilnehmer erklären und 80.6 % richtig klassifizieren. wobei im Vergleich zum Nullmodell kein Gewinn herauskäme dieses classifiziert auch 80.6% richtig.

Ohne die Daten hochgeladen zu haben, ist es schwierig die Daten beurteilen.

Wie ist das Output nun zu deuten? Nur der Prädiktor hohes Bildungsniveau wird signifikant.

Ja. Zum 5% Niveau ist nur jener Signifikant. Viel mehr gibt es diesbezüglich nichts zu interpretieren.

jedoch heißt das doch nur, dass wenn jemand ein hohes Bildungsniveau hat dann nutzt diese Person mit 0.071 höherer Wahrscheinlichkeit die App, als eine Person mit niedrigen Bildungsniveau. Es macht jedoch keinen Unterschied ob jemand ein mittleres Bildungsniveau hat.

Sehe ich das richtig??

Nein. In jener Diskussion wird eine Link angegeben, in welchem die logistische Regression und mögliche Interpretationsvarianten erklärt werden.

Ganz allgemein die Quote der Nutzer ist enorm hoch Nutzer N = 52 zu Nicht Nutzer N = 13.

Ohne zusätzlichen Output schwierig zu interpretieren.

Gruß

[Morr]

Hallo Aziz,

vielen lieben Dank für deine Antwort!!
Ich stell mal das gesamte Output online vielleicht kann man dann besser darüber diskutieren.

Ob nun ein p-Wert von 0,049 oder ein p-Wert < 0.001 vorliegt ist irrelevant. Beide Ergbenisse sind signifikant. Keines der beiden ist signifikanter! Der p-Wert darf als Entscheidungsgröße in seiner Interpretation nicht mit einer Effetgröße verwechselt werden!

Das heißt also mein Regressionsmodell wird nicht signifikant und meine Hypothese, dass die Prädiktoren die Nutzungs vorhersagen muss verworfen werden?

Liebe Grüße,
morr

[aziz]

Das heißt also mein Regressionsmodell wird nicht signifikant und meine Hypothese, dass die Prädiktoren die Nutzungs vorhersagen muss verworfen werden?

Zum 5% Niveau ergibt sich bei deinen Daten keine signifikante Verbesserung von einem Modell nur mit Achsenabschnitt zu einem Modell mit achsenabschnitt und weiteren Variablen. Das muss man erstmal hinnehmen. Nichtsdestotrotz muss das Modell deswegen nicht verworfen werden. Beispielsweise zeigt Chi-Quadrat an, das sich das Modell durch hinzunahme der Variablen verbessert hätte. Auf Basis deiner Daten kann der Test keine signifikante Verbesserung nachweisen. Dies heißt aber nicht das dein Modell für die Katz ist.

Gruß

[Morr]

Vielen Dank Aziz! Du hast mir sehr geholfen.