STATISTIK-FORUM.de

[D_HD]

Hallo,

hier brennt der Hut!

wir haben ein Dataset gestellt bekommen für SPSS.

Dataset hat Daten etwa 70 Spieler (70 Reihen) aus den Europäischen Top Ligen gelistet dazu Variablen wie Alter, Tore, Spiele, Tor/Spiel Verhältnis, Fuß, Position, Performance der letzten 5 Jahre sowie Ablöse des letzten Transfers usw.

Als Aufgabe müssen wir den Marktwert EINES Spielers Predicten.

Dazu sollen wir das Regression Model benutzen.

Nun meine Frage: Wie kann man eine Regressions Analyse zu nur einer Reihe in SPSS laufen lassen. Also zb. von 77 Spielern möchte ich den Marktwert von Spieler 30 predicten. Über das ganze Dataset bekomme ich das hin aber nur einen Spieler zu wählen (sprich eine Zeile) da kommen nur error.

Des Weiteren wird gefragt welche der independent Variablen stistisch significant sind. Auch hier habe ich leider keinen Ansatz. Vielmehr verstehe ich die Frage nicht richtig bzw. weiß nicht was geliefert werden soll.

Wäre um jeden Rat dankbar.

Falls Ihr mehr Infos braucht funkt mich gerne an. Ich kann auch das Dataset hochladen.

Abgabe 15.03.2019.

Besten Dank

Grüße

[bele]

Hast Du eher ein Problem beim Verstehen der linearen Regression oder eher ein Problem mit Vokabeln wie "independent " oder eher ein Problem mit der Bedienung von SPSS? Zurzeit bleibt unklar, wo wir helfen sollen.
Die ganze Aufgabe machen wir idR nicht.
LG,
Bernhard

[PonderStibbons]

Nun meine Frage: Wie kann man eine Regressions Analyse zu nur einer Reihe in SPSS laufen lassen.

Darum geht es nicht. Du sollt die Ergebnisse der Analyse für die
Gesamtstichprobe verwenden, um damit den Marktwert von1 Spieler
vorherzusagen. Das machst Du entweder von Hand, oder lässt es von
SPSS erledigen.

Wie bele schon sagte, schwer zu erkennen, worin genau das Hindernis
besteht.

Mit freundlichen Grüßen

PonderStibbons

[D_HD]

Grüße

Danke für die Antworten.

Im Prinzip weiß ich nicht wie ich genau vorgehen soll.

Die Regression habe ich würde ich sagen bedingt verstanden. Sofern der Marktwert die dependent variable ist wäre die gleichung ja
Y (Marktwert) = bx0 + bx1 + bx2 .... +e wobei x meine predictor variablen sind. Ist das so richtig?

Aber das möchte ich gerne in SPSS machen. Sofern ich die Lineare Regression laufen lasse in SPSS kann ich als dependent eben den Transferpreis des lezten transfers nehmen und dann als independends eben die predictor variables.
was ich dann ausgespuckt bekomme ist eine neue Spalte die sich PRE_1 nennt aber dem vorzusagenden Marktwert leider überhaupt nicht ähnelt.

In der Aufgabe steht explicit: Wähle einen Spieler aus den Top EU Ligen und berechne seinen predictive Marktwert mit Regression (in english). Zeige ausserdem die Grenzen dieses Models.

Hier die Original Aufgabenstellung:
"Which independent variables are statistically significant?
Evaluate the model. Choose an offensive soccer player in a top European league (e.g., the Premier League, the La Liga, Serie A etc.) and compute his predicted market value using the regression model.
Discuss the limitations of the model and how the model can be improved."

Vielleicht habe ich auch die aufgabe falsch verstanden.. aber iwie komme ich nicht weiter??

https://ibb.co/jwZ99Sv
https://ibb.co/s1PB43P

Hier 2 Screenshots vom Dataset, 10 von 77 zeilen

Bez der Frage welche independent variables statistisch significant sind. Habe ich wohl auch ein verständnis problem. Ich meine Alter ist independent, Tore ja auch.. aber Tore wäre abhängig von Gespielten Spielen. Alter ist nicht beeinflussbar...


am verzwiefeln ..


Für Jeden Tipp Dankbar!!

[bele]

Die Regression habe ich würde ich sagen bedingt verstanden. Sofern der Marktwert die dependent variable ist wäre die gleichung ja
Y (Marktwert) = bx0 + bx1 + bx2 .... +e wobei x meine predictor variablen sind.

Richtig, Du musst in SPSS also irgendwas machen, so nachher eine Tabelle mit den ganzen Werten b und deren Signifikanz herauskommt.

was ich dann ausgespuckt bekomme ist eine neue Spalte die sich PRE_1 nennt aber dem vorzusagenden Marktwert leider überhaupt nicht ähnelt.

Leider kann ich kein SPSS, aber andere bekommen nach der Regression eine Tabelle heraus, in der die b-Werte stehen, mit denen Du dann die vorhergesagten Marktpreise bestimmen kannst. Üblicherweise ist Youtube voll mit Videos die einfache Vorgänge wie eine lineare Regression in SPSS vormachen.

In der Aufgabe steht explicit: Wähle einen Spieler aus den Top EU Ligen und berechne seinen predictive Marktwert mit Regression (in english). Zeige ausserdem die Grenzen dieses Models.

Wie gesagt: Erst die Regression, dann die Vorhersage.

Bez der Frage welche independent variables statistisch significant sind. Habe ich wohl auch ein verständnis problem. Ich meine Alter ist independent, Tore ja auch.. aber Tore wäre abhängig von Gespielten Spielen. Alter ist nicht beeinflussbar...

Indipendent und Predictor sind in diesem Fall wohl synonyme.

am verzwiefeln ..

Nö, bitte nicht.

LG,
Bernhard


Für Jeden Tipp Dankbar!![/quote]

[D_HD]

Die Regression habe ich würde ich sagen bedingt verstanden. Sofern der Marktwert die dependent variable ist wäre die gleichung ja
Y (Marktwert) = bx0 + bx1 + bx2 .... +e wobei x meine predictor variablen sind.

Richtig, Du musst in SPSS also irgendwas machen, so nachher eine Tabelle mit den ganzen Werten b und deren Signifikanz herauskommt.

was ich dann ausgespuckt bekomme ist eine neue Spalte die sich PRE_1 nennt aber dem vorzusagenden Marktwert leider überhaupt nicht ähnelt.

Leider kann ich kein SPSS, aber andere bekommen nach der Regression eine Tabelle heraus, in der die b-Werte stehen, mit denen Du dann die vorhergesagten Marktpreise bestimmen kannst. Üblicherweise ist Youtube voll mit Videos die einfache Vorgänge wie eine lineare Regression in SPSS vormachen.

In der Aufgabe steht explicit: Wähle einen Spieler aus den Top EU Ligen und berechne seinen predictive Marktwert mit Regression (in english). Zeige ausserdem die Grenzen dieses Models.

Wie gesagt: Erst die Regression, dann die Vorhersage.

Bez der Frage welche independent variables statistisch significant sind. Habe ich wohl auch ein verständnis problem. Ich meine Alter ist independent, Tore ja auch.. aber Tore wäre abhängig von Gespielten Spielen. Alter ist nicht beeinflussbar...

Indipendent und Predictor sind in diesem Fall wohl synonyme.

am verzwiefeln ..

Nö, bitte nicht.

LG,
Bernhard


Für Jeden Tipp Dankbar!!

[/quote]



Hallo Bernhard,

Danke für die Tipps und Ratschläge.

Youtube habe ich ausgiebig durchsucht und auch via google nach skripten lösungen oder lösungsansätzen geschaut. Einen lösungsvorschlag habe ich gefunden allerdings nutzt der Schreiber OLS und quantile Regression die es leider nicht bei SPSS gibt.
Aber iwie ist der Fall doch etwas speziell..

für mich wäre schonmal interessant ob man so eine Regressions analyse über das ganze datenset (sprich 77 Spieler) laufen lassen muss oder eben über nur einen spieler (eine Reihe) und anhand seiner Werte (tore, spiele, etc) den zukünftigen Marktwert bekommt?

Grüße

[D_HD]

Nun meine Frage: Wie kann man eine Regressions Analyse zu nur einer Reihe in SPSS laufen lassen.

Darum geht es nicht. Du sollt die Ergebnisse der Analyse für die
Gesamtstichprobe verwenden, um damit den Marktwert von1 Spieler
vorherzusagen. Das machst Du entweder von Hand, oder lässt es von
SPSS erledigen.

Wie bele schon sagte, schwer zu erkennen, worin genau das Hindernis
besteht.

Mit freundlichen Grüßen

PonderStibbons

Besten Dank!

WIe kann ich das in SPSS machen. Sofern ich als Dependent Ablöse des letzten Transfers nehme und dann als independent alle variablen wie tore gepsielte spiele alter position nehme kommen bei mir nur wirre werte raus.
Muss ich als dependent eine neue variable erstellen oder wie gehe ich da am besten vor?

Grüße

[PonderStibbons]

Ich weiß nicht, was Du mit wirren Werten konkret meinst, ob bei der Erstellung des Modells etwas falsch lief oder ob Du die Ergebnisse noch nicht verstehen kannst.

Grundsätzlich scheint das Vorgehen korrekt, eine intervallskalierte Variable ist die abhängige Variable, mehrere andere Variablen die Prädiktoren.

Allerdings kann man kategoriale Variablen wie „Position“ nicht einfach so verwenden wie vorhanden. Man muss für solche Variablen mit k Kategorien k-1 dummy-Variablen ( 0/1-Variablen) erstellen, die man dann statt der Originalvariable verwendet. Vereinfachtes Beispiel, wenn es nur die 3 Postionen Abwehrspieler , Mittelfeldspieler, Stürmer gibt, bildet man eine Variable „Stürmer“ die eine 1 enthält, wenn jemand Stürmer ist und eine 0 für alle anderen, eine Variable „Abwehr“ mit 1 für alle Abwehrspieler, 0 für alle anderen. Die Mittelfeldspieler brauchen keine eigene Kategorie, weil alle, die nicht Abwehr oder Sturm sind, in dem Beispiel zwangsläufig Mittelfeldspieler sein müssen (Referenzkategorie).

Mit freundlichen Grüßen

PonderStibbons

[D_HD]

Ich weiß nicht, was Du mit wirren Werten konkret meinst, ob bei der Erstellung des Modells etwas falsch lief oder ob Du die Ergebnisse noch nicht verstehen kannst.

Grundsätzlich scheint das Vorgehen korrekt, eine intervallskalierte Variable ist die abhängige Variable, mehrere andere Variablen die Prädiktoren.

Allerdings kann man kategoriale Variablen wie „Position“ nicht einfach so verwenden wie vorhanden. Man muss für solche Variablen mit k Kategorien k-1 dummy-Variablen ( 0/1-Variablen) erstellen, die man dann statt der Originalvariable verwendet. Vereinfachtes Beispiel, wenn es nur die 3 Postionen Abwehrspieler , Mittelfeldspieler, Stürmer gibt, bildet man eine Variable „Stürmer“ die eine 1 enthält, wenn jemand Stürmer ist und eine 0 für alle anderen, eine Variable „Abwehr“ mit 1 für alle Abwehrspieler, 0 für alle anderen. Die Mittelfeldspieler brauchen keine eigene Kategorie, weil alle, die nicht Abwehr oder Sturm sind, in dem Beispiel zwangsläufig Mittelfeldspieler sein müssen (Referenzkategorie).

Mit freundlichen Grüßen

PonderStibbons

Hallo PonderStribbons,

ich bin schon sehr dankbar das ich hier einen Dialog finde! Mega gut!

Ich habe das umcodieren bereits getan von string also off für offensive mid für midfield. So wie du sagst habe ich dann in 0 und 1 eingeteilt. das habe ich für postion gemacht (wir haben nur zwei also mid und off) und für Fuß gemacht also für rechts, links und beidfüfssig. Jeweils 0 oder 1 in den spalten. Sprich bei rechtsfuss ja eine 1 und bei allen anderen eine 0.
Soweit so gut.

Nun gehe ich lineare regression wähle als dependent (GBP (M)) transfererlös des letzten transfers und setze in independent alle variablen von denen ich denke das sie den marktwert vorhersagen können. Also zb Spieler name per se nicht, aber alter und tore ja. Des Weiteren gebe ich bei Save an unstandarized.

ich bekomme dann eine neue spalte darin ist zb für junge talentierte spieler die einen marktwert von zb 30 mio haben als ergebnis 17 mio was ja facto nicht sein kann.

Ich bekomme ausserdem eine tabelle mit den koeffizienten. ist es richtig das je höher der wert (ob + oder -) desto geeigneter ist die independent variable für meine regression?

Aus der frage die der Regression zuvorgeht: "Which independent variables are statistically significant?" kann ich das durch SPSS ersehen? Wir mussten vorher aus correlation testen und habe einige gefunden und angeben. Aber weiß ich nicht was er hier hören will?



besten dank im Voraus

[PonderStibbons]

Warum kann eine große Lücke zwischen Vorhersage eines Falles und dessen tatsächlichem Wert nicht sein? Wenn das Modell insgesamt nicht sehr vothersagefähig ist (abzulesen an der Varianzaufklärung, d.h. einem niedrigen Rquadrat) kann das allemal vorkommen. „Discuss the limits“ hieß es doch in der Aufgabe, und wie das Modell verbessert werden kann.

Letzteres geht unter anderem, indem einem eine oder mehrere wichtige Prädiktoren einfallen, die für eine verbesserte Vorhersage sorgen könnten. Sowas müsste sich in der Literatur zum Thema Marktwertermittlung eigentlich finden lassen. Vielleicht gibt es zudem auch nicht-lineare Beziehungen (sowas wie Alter im Quadrat als Einflussgröße). Außerdem sind Geldgeschichten oft sehr schief verteilt und die Vorhersage ist dann in manchen Bereichen, z.B den höheren Werten, extrem schlecht. Man könnte in einem X-Y-Streudisgramm die predicted values den tatsächlichen gegenüberstellen, vielleicht erkennt man da Bereiche, in denen die Abweichung besonders groß ist. Aber das ist von hieraus nur spekulativ.

Der Einfluss einer Variable lässt sich unter anderem an dessen standardisierten Regressionsgewicht Beta ersehen. Wie Du schon sagst, je weiter von 0 entfernt, desto gewichtiger.

Statistische Signifikanz kann man in SPSS normalerweise in den Spalten mit dem Titel „sig“. Konventionell nimmt man an, dass ein Sig-Wert kleiner als 0,05 dafür spricht, dass der Einfluss einer Variable überzufällig ist.

Mit freundlichen Grüßen

PonderStibbons