STATISTIK-FORUM.de

[SophiaK]

Hallo Zusammen,
ich habe folgendes statistisches Problem bei meiner Masterthesis: Ich habe quantitative Daten erhoben, es geht um die Zufriedenheit mit einem Chatbot. Ich habe die Zufriedenheit (Skala 1-7) zu 33 verschiedenen Kriterien abgefragt (Bsp. Grammatikalische Richtigkeit, Professionalität,…) sowie die Gesamtzufriedenheit mit dem Chatbot (auch Skala 1-7).

Ich möchte nun eine multiple Regression durchführen (in SPSS), bei der ich prüfe, welches Kriterium den größten Einfluss auf die Gesamtzufriedenheit hat. Das Ergebnis der Regression ist verwunderlich. Nur 3 der 33 Variablen sind signifikant. Von diesen 3 Variablen haben jedoch auch noch 2 einen negativen Regressionskoeffizienten, was inhaltlich bedeuten würde, dass bei höherer Zufriedenheit mit diesen Kriterien die Gesamtzufriedenheit sinken würde. Das macht alleine inhaltlich keinen Sinn.

Ich habe nun einmal eine einfache Regression aller 33 unabhängigen Variablen auf die abhängige Variable durchgeführt. Dabei kommt heraus, dass alle Variablen einen signifikanten sowie positiven Einfluss auf die Gesamtzufriedenheit haben.

Kann mir jemand sagen, was die genaue statistische Erklärung dafür ist und ob es ein Argument in der Literatur gibt, dass besagt, dass man in gewissen Situationen (z.B. unzureichende Validität oder Reliabilität) anstelle einer multiplen Regression auf eine einfache Regression zurückgreifen darf?

[PonderStibbons]

Ich möchte nun eine multiple Regression durchführen (in SPSS), bei der ich prüfe, welches Kriterium den größten Einfluss auf die Gesamtzufriedenheit hat. Das Ergebnis der Regression ist verwunderlich. Nur 3 der 33 Variablen sind signifikant. Von diesen 3 Variablen haben jedoch auch noch 2 einen negativen Regressionskoeffizienten, was inhaltlich bedeuten würde, dass bei höherer Zufriedenheit mit diesen Kriterien die Gesamtzufriedenheit sinken würde. Das macht alleine inhaltlich keinen Sinn.

Die 33 Prädiktoren sind untereinander sicherlich hoch korreliert, insofern ist von vornherein klar,
dass kaum mit sinnvoll interpretierbaren Ergebnissen zu rechnen ist. Negative Koeffizienten
deuten auf das Vorliegen von Suppressoreffekten hin, aber das braucht man bei dieser
Analyse erstmal nicht weiter zu interpretieren.

Ich habe nun einmal eine einfache Regression aller 33 unabhängigen Variablen auf die abhängige Variable durchgeführt. Dabei kommt heraus, dass alle Variablen einen signifikanten sowie positiven Einfluss auf die Gesamtzufriedenheit haben.

Das heißt womöglich nicht viel. Wie groß ist die Stichprobe?

Kann mir jemand sagen, was die genaue statistische Erklärung dafür ist und ob es ein Argument in der Literatur gibt, dass besagt, dass man in gewissen Situationen (z.B. unzureichende Validität oder Reliabilität) anstelle einer multiplen Regression auf eine einfache Regression zurückgreifen darf?

Da hättest Du doch von vornherein gedurft. Wieso hast Du dennoch eine multiple Regression
mit 33 Variablen gerechnet, was sollte die Dir konkret an Informtionen bringen, an Schlussfolgerungen
erlauben?

Mit freundlichen Grüßen

PonderStibbons

[PonderStibbons]

Ach so, schon in Arbeit https://www.statistik-tutorial.de/forum ... 10959.html

[SophiaK]

Hallo,

lieben Dank für die Rückmeldung.
Ja, die Variablen korrelieren untereinander schon recht stark. Habe auf Multikollinearität geprüft und in dem Zug breits 2 Variablen rausgeschmissen. Es bleiben also 31 Variablen.
Diese Supressoreffekte würde ich sicherlich einfach als Limitation nennen, oder? Ist es bei diesem Effekt normal, dass es dann auch negative Koeffizienten gibt? Denn rein inhaltlich macht das überhaupt keinen Sinn (Bsp.: Je höher die Zufriedenheit mit der Interaktionsgeschwindigkeit, desto geringer die Gesamtzufriedenheit).
Die Stichprobe ist relativ klein mit 117 gültigen Fällen.
Genauer habe ich zuvor noch eine Faktorenanalyse durchgeführt, um die 33 Kriterien zu reduzieren. Damit bekomme ich 4 Faktoren raus.
Ich habe eine multiple Regression durchgeführt, weil meine Forschungsfrage lautet: Die Zufriedenheit mit welchem Faktor hat den größten Einfluss auf die Gesamtzufriedenheit?
In dem Zuge reicht es eigentlich, die multiple Regression mit den 4 Faktoren durchzuführen. Da ich meine Thesis aber in Zusammenarbeit mit einem Unternehmen schreibe, wollte ich zusätzlich noch einmal die multiple Regression mit den 33 Kriterien machen, um es fürs Unternehmen operationalisierbarer zu machen. Denn, wie unten schon beschrieben wurde, sind die 4 Faktoren die sich ergeben haben, nicht wirklich interpretierfähig.

[PonderStibbons]

Denn, wie unten schon beschrieben wurde, sind die 4 Faktoren die sich ergeben haben, nicht wirklich interpretierfähig.

Es ist schon ziemlich unangenehm, dass Du in 2 Foren parallel diskutierst, sodass sich die Leute doppelte Arbeit für Dich machen sollen, nun bringst Du zusätzlich auch noch die threads durcheinander.