STATISTIK-FORUM.de

[Gianni_LL]

Hallo,

ich bin gerade dabei meine Daten (ich habe mehrere potentielle Prädiktoren und einige AVs) mittels logistischer (und multipler, je nach Skalenformat der AV) Regression bei SPSS zu berechnen.

Nun stehe ich gerade vor der Frage, wie ich die UVs in meiner logistischen Regression in die Berechnung einfließen lasse. Hier gibt es ja verschiedene Methoden (Einschluss; vorwärts, rückwärts [je bedingt, LR und Wald]). Habe mir unterschiedliche Quellen zu den Erklärungen der unterschiedlichen MEthoden durchgelesen, allerdings verstehe ich nicht so recht, wann welche MEthode sinnvoll ist. Habe alle einmal ausprobiert und es kommen (je nach AV und Prädiktoren) teilweise die gleichen und teilweise tatsächlich recht unterschiedliche Ergebnisse (unterschiedliche R2 und unterschiedliche Variablen, die sign sind) dabei heraus.
Vlt. als weitere Info: ich habe z.T. bis zu 10 Prädiktoren. Ist das relevant bzw. entscheidend für die Wahl der Methode? Welche weiteren Überlegungen sollte ich machen, um eine Entscheidung für eine Methode zu treffen?

Ich habe zudem die Vermutung, dass meine eine UV einen besonders hohen Einfluss auf die AV hat. Sollte ich diese dann mittels hierarchischer Regression berechnen? Also erst alle anderen UVs und als zweiten Schritt dann diese UV, um zu schauen, was die anderen UVs auch ohne diese UV erklären??

Vielen Dank!

[PonderStibbons]

Das ist alles freischwebend und abstrakt, das ermöglicht leider keine konkreten Ratschläge, zumal
die basalen Informationen fehlen. Wie lautet das Thema und die präzise Fragestellung der Studie,
wie sah das Untersuchungsdesign aus, welche abhängigen Variablen und Prädiktoren werden einbezogen
und wie wurden sie konkret gemessen, wie groß ist die Stichprobe, wie verteilen sich die beiden
Kategorien bei der binären abhängigen Variable?

mittels logistischer (und multipler, je nach Skalenformat der AV) Regression bei SPSS zu berechnen.

Logistische oder lineare, nehme ich an? Multipel sind beide, wenn man der Projektskizze folgt.

Mit freundlichen Grüßen

PonderStibbons

[Gianni_LL]

Danke schon einmal für deine schnelle Antwort!

Grob gesagt möchte ich den Einfluss von prä- sowie postoperativen Variablen (wie Geschlecht, Alter bei Krankheitsbeginn, präoperative Therapie, Alter bei OP, erneute OP etc.) auf die postoperative also aktuelle psychosoziale und sozioökonomische Situation (operationalisiert u.a. mit AVs wie postoperative Beschwerdefreiheit (ja/nein), Lebensqualität, Arbeit (ja/nein), Schulabschluss, Selbstständigkeit (bestimmte Selbstständigkeitsskala), Zufriedenheit etc.) berechnen.

Ich habe 104 Probanden in meiner Stichprobe. Je nach AV verteilt sich die Anzahl unterschiedlich. (bei der postoperativen Beschwerdefreiheit sind sie beispielsweise recht ungleich (70 % sind etwa beschwerdefrei, 30% nicht), während sie bei Arbeit etwa 50/50 sind.

(ja und ich meinte logistische und lineare Regression).

Danke!!!

[bele]

Hier gibt es ja verschiedene Methoden (Einschluss; vorwärts, rückwärts [je bedingt, LR und Wald]).

Hallo Gianni,

es stellt sich ganz nebenbei auch die Frage, warum Du überhaupt einen schrittweisen Einschluss der UVs planst. Wahrscheinlich wurden alle erhoben, weil man ihnen allen eine gewisse Bedeutung zugeschrieben hat. Wäre es eine Option, alle im Modell drin zu lassen?

LG,
Bernhard

[Gianni_LL]

Hallo Bele,
hatte ich tatsächlich auch erst überlegt. Theoretisch könnten alle Variablen einen Einfluss haben. Jedoch werden bei schrittweisem Einbezug z.T. mehr Variablen signifikant und bei "Einschluss" teilweise nur eine einzige. Das hat mich halt irgendwie stutzig gemacht...

Viele Grüße

[Gianni_LL]

Kurzer Nachtrag: Und daher dachte ich daran, ob ich nicht einfach eine schrittweise machen kann, damit beispielsweise erst die mit reingenommen wird, die am meisten erklärt usw. oder eben die rausgeschmissen werden, die nichts oder nichts weiteres erklären.

[Holgonaut]

Hi Leute,

ich weiß, viele Köche verderben den Brei, aber für mich wäre die zentralste Frage an Gianni_LL, ob sie eine pure prediction-Studie macht, in der es einzig und allein um die Nützlichkeit zur Vorhersage geht, oder ob das ganze ein hypothesen-testender Ansatz geht, dem zumindest rudimentär kausale Vorstellung zugrunde liegen. Wenn letzteres, dann gibt es (sorry für die Apodiktik) nur den einen Weg, in das Modell alle relevanten Variablen hineinzunehmen. Dazu braucht es Theorie. Hier ist ein sehr toller blog-Beitrag von Judea Pearl über "good and bad control", der helfen könnte: http://causality.cs.ucla.edu/blog/index ... d-control/

Zu glauben, dass man mit irgendwelchen statistischen Turnübungen (vorwärts, rückwärts, Einschluss, Ausschluss, hierarchisch) entscheiden kann, welche Variablen rein gehören, gehört zu den Überbleibseln positivistischer Traditionen (die, sorry, fürs auf die Füße treten), gerade in der Psychologie unausrottbar sind Dazu gehören auch "Sensitivitätstests", bei denen man mal spaßhalber Kontrollvariablen rein- und dann wieder rausnimmt um zu schauen, ob sich was ändert oder das Eliminieren nicht-signifikanter Kontrollvariablen.

Grüße
Holger

[Gianni_LL]

Hallo Holgonaut,

ich weiß nicht genau, was du mit "purer Prediction-Studie" meinst, aber meine Annahmen beruhen schon auf theoretischem Hintergrund bzw auf der Theorie von anderen Studien. Ich teste nicht blind irgendeinen Zusammenhang, falls du das meinst.

Jedoch weiß ich natürlich nicht, ob alle Variablen tatsächlich einen Einfluss haben. Es gibt einige Studien, die einzelne Zusammenhänge der verschiedenen AVs mit gewissen UVs (und diese z.T. aber auch anders operationalisiert) gezeigt haben.

Ich möchte einfach schauen, ob man in Zukunft sagen kann: Ok, wenn dies und dies präoperativ erfüllt ist, dann ist die Wahrscheinlichkeit (zumindest nach meinem Datensatz) hoch, dass dieses und jenes postoperative Outcome rauskommt (dass da noch postoperative Faktoren mit reinspielen ist klar.).

[PonderStibbons]

Du willst ca. 50 Ereignisse mit 10 Variablen vorhersagen. Falls sich darunter kategoriale Variablen befinden,
sind es in der Regression noch mehr Prädiktoren. Das erscheint als ein Missverhältnis und die
Gefahr von overfitting und nicht generaliserbarer Ergebnisse gegeben, abgesehen von möglichen
Problemen aufgrund hoch korrelierter Prädiktoren (Multikollinearität).

Falls es eine Idee darüber gäbe, welche Prädiktoren eine gute Vorhersage leisten und welche eine
weniger gute, könnte man 2 Blöcke bilden und es hierarchisch in 2 Stufen (erst Block 1, dann
zusätzlich Block 2) durchführen. Andernfalls alle Prädiktoren in einem einzigen Schritt entern.

Wobei (s.o.) von vornherein kritisch betrachtet werden sollte, ob theoretisch oder praktisch
betrachtet nicht einige Variablen entbehrlich sind.

Mit freundlichen Grüßen

PonderStibbons

[Gianni_LL]

Hallo PonderStibbons,

ja, irgendwie war auch genau das mein Problem. Ich empfinde meine Daten aktuell einfach auch als sehr unübersichtlich bei dieser Menge.
Mein Betreuer sagte mir jedoch, ich solle einfach mal alle Variablen mit reinnehmen und alles testen (da sie alle evtl. ja einen Einfluss haben könnten).

Aber guter Vorschlag von dir, vielleicht werde ich die "theoretisch" wichtigsten UVs auswählen und so die Anzahl etwas reduzieren.

Vielen Dank an alle!