STATISTIK-FORUM.de

[Simone1860!S]

Hallo zusammen,

ich hoffe Sie können mir weiterhelfen. Ich untersuche den Einfluss von Commitment auf den Umgang mit Fehlern.
Das Konstrukt der Fehlerorientierung (AV) besteht aus 8 Subskalen, davon habe ich 4 für den Fragebogen entnommen. (intervallskaliert)
Das Konstrukt des Commitments (UV) besteht aus Affektivem Commitment, Normativen Commitment und Kalkulatorischen Commitment (intervallskaliert)
Dazu habe ich eine gerichtete Zusammenhangshypothese formuliert.
z. B H1: Umso höher Affektives Commitment desto höher ist die Fehlerorientierung; H1a: Umso höher Affektives Commitment desto höher ist die Fehlerorientierung im Bezug auf Fehlerorientierung Subskala 1; H1b: Umso höher Affektives Commitment desto höher ist die Fehlerorientierung im Bezug auf Fehlerorientierung Subskala 2
h1c: .....
Ähnliches mit den anderen Komponenten des Commitments (Normatives Commitment, Kalkulatorisches..)

Nun habe ich die Voraussetzungen für die lineare Regression geprüft (Ergebnis: Vorr. für H1 erfüllt, außer Normalverteilung der Residuen, "gelöst" durch zentraler Grenzwertsatz N=260; Vorr. für H2, H3 nicht erfüllt; Sichtung der Scatterplots deutet auf keine Zusammenhänge hin, deshalb Voraussetzungen nicht weiter geprüft, es scheint nicht sinnvoll eine lineare Regression zu rechnen).
Für H1 habe ich nun 4 lineare Regressionsanalysen durchgeführt. UV = Affektives Commitment + AV = Fehlerorientierung Subskala 1; UV = Affektives Commitment + AV= Fehlerorientierung Subskala 2; ....

Nun stellt sich mir die Frage, ob das richtig ist oder ich nicht eine multivariate Regression durchführen muss (nicht multiple) da ich mehrere AV's (jeweils die Subskalen 1-4) auf die UV's (Affektives Commitment, Normatives Commitment, Kalk. Commtitment) untersuche.

Falls ich eine Multivariate (lineare) Regression durchführen muss, bitte ich Sie um Rückinfo, welche Voraussetzungen dazu erfüllt sein müssen. Die selben wie für die Lineare Regression? Wie das vorgehen ist und wie diese durchzuführen ist (z.B in SPSS), wie wird diese interpretiert? Ich finde dazu kaum informationen.

Ich wäre sehr dankbar über baldige Tipps zum Vorgehen. Herzlichen Dank Ihnen und schöne Grüße

[PonderStibbons]

Wenn die vier Subskalen gemeinsam ein hypothetisches Konstrukt operationalisieren und nur dieses Konstrukt,
nicht dessen Bestandteile interessieren, dann ist ein multivariates Verfahren naheliegend. Wenn explizit die
Subskalen interessieren, dann erscheint eine Analyse des Gesamtkonstrukts entbehrlich, weil ohnehin die
Subskalen analysiert werden. Gelegentlich findet man den Ratschlag, das multivariate Verfahren als
"Omnibustest" aller abhängigen Variablen zu verwenden, aber das ist es nicht.

Bei so einer Fragestellung wäre eher multiple lineare Regression mit den drei Commitment-Dimensionen
als Prädiktoren zu erwarten.

Falls ich eine Multivariate (lineare) Regression durchführen muss, bitte ich Sie um Rückinfo, welche Voraussetzungen dazu erfüllt sein müssen. Die selben wie für die Lineare Regression? Wie das vorgehen ist und wie diese durchzuführen ist (z.B in SPSS), wie wird diese interpretiert? Ich finde dazu kaum informationen.

Das überrascht ein wenig."multivariate regression" assumptions in einer Suchmaschine liefert zahlreiche Treffer.
Sind die alle mit der Verwechslung von multiple mit multivariate geplagt?

Mit freundlichen Grüßen

PonderStibbons

[Simone1860!S]

Hallo PonderStibbons,

herzlichen Dank für die aufschlussreiche Antwort. Wie Sie bereits erwähnt hatten wird tatsächlich ziemlich häufig die multivariate regression mit der multiplen Regression verwechselt bzw. gleichgestellt. Weshalb dies so ist, weiß ich leider nicht.

Auf Ihren Vorschlag eine multiple Lineare Regression durchzuführen bei der Fragestellung, habe ich tatsächlich auch schon nachgedacht...
Kann eine multiple Regression angewandt werden, wenn die Hypothesen wie folgt formuliert werden?
Vorschlag 1
H1: Umso höher Affektives Commitment desto höher ist die Fehlerorientierung
H2: Umso höher Normatives Commitment desto höher ist die Fehlerorientierung
h3: Umso höher Kalkulatorisches Commitment desto geringer ist die Fehlerorientierung...

Oder müssen diese um dieses Verfahren (multiple lineare Regression) anwenden zu können, noch anders formuliert werden?
Vorschlag 2:
H1: Umso höher Organisationales Commitment (überbegriff) desto höher ist die Fehlerorientierung
H1a: Umso höher Affektives Commitment desto höher ist die Fehlerorientierung
H1b: Umso höher Normatives Commitment desto höher ist die Fehlerorientierung
h1c: Umso höher Kalkulatorisches Commitment desto geringer ist die Fehlerorientierung..

Auch hier wäre ich um kurzes Feedback von Ihnen sehr dankbar. Schöne Grüße
_____________________________________________________________________________________________________________________

Wenn die vier Subskalen gemeinsam ein hypothetisches Konstrukt operationalisieren und nur dieses Konstrukt,
nicht dessen Bestandteile interessieren, dann ist ein multivariates Verfahren naheliegend. Wenn explizit die
Subskalen interessieren, dann erscheint eine Analyse des Gesamtkonstrukts entbehrlich, weil ohnehin die
Subskalen analysiert werden. Gelegentlich findet man den Ratschlag, das multivariate Verfahren als
"Omnibustest" aller abhängigen Variablen zu verwenden, aber das ist es nicht.

Bei so einer Fragestellung wäre eher multiple lineare Regression mit den drei Commitment-Dimensionen
als Prädiktoren zu erwarten.

Falls ich eine Multivariate (lineare) Regression durchführen muss, bitte ich Sie um Rückinfo, welche Voraussetzungen dazu erfüllt sein müssen. Die selben wie für die Lineare Regression? Wie das vorgehen ist und wie diese durchzuführen ist (z.B in SPSS), wie wird diese interpretiert? Ich finde dazu kaum informationen.

Das überrascht ein wenig."multivariate regression" assumptions in einer Suchmaschine liefert zahlreiche Treffer.
Sind die alle mit der Verwechslung von multiple mit multivariate geplagt?

Mit freundlichen Grüßen

PonderStibbons

[Simone1860!S]

Kurzer Nachtrag: Ist es überhaupt sinnvoll eine multiple Regression zu rechnen (Voraussetzungen sind ja z. T sehr ähnlich wie zu der der linearen Regression), wenn mir bei Prüfung der Annahme Linearität f. die Lineare Regression bei den Prädiktoren Normatives Commitment und Kalkulatirsches Commitment aufgefallen ist, dass Grafisch jeweils kein Zusammenhang zu Fehlerorientierung besteht?

Für diese beiden UV'S wäre es ja meines wissens nicht sinnvoll eine Regression zu rechnen. Im Endeffekt hätte ich dann wieder nur eine UV (Affektives Commitment und eine AV (Fehlerorientierung)

[PonderStibbons]

Ist es überhaupt sinnvoll eine multiple Regression zu rechnen (Voraussetzungen sind ja z. T sehr ähnlich wie zu der der linearen Regression),

Eine multiple lineare Regression ist auch eine lineare Regression, nur eben mit mehreren Prädiktoren,
statt wie bei der einfachen linearen Regression nur einer.

dass Grafisch jeweils kein Zusammenhang zu Fehlerorientierung besteht?

Grafische Betrachtungen können auch täuschen.

Welche Hypothesen hier zu formulieren sind (ganz nebenbei, es liest sich in der bisherigen
Schreibweise schwierig, tatsächlich muss es heißen je...desto oder neuerdings auch je...umso),
kann ich nicht beurteilen, ich kenne den theoretischen Hintergrund und den Kontext nicht.

Mit freundlichen Grüßen

PonderStibbons