STATISTIK-FORUM.de

[matrixboy7]

Guten Abend,

ich möchte herausfinden, ob die unabh. Variable die abh. Variable beeinflusst mit der Annahme: je größer die unabh. Variable, umso geringer die abh. Variable... allerdings nehme ich nicht an, dass diese linear abfällt, sondern z.B. exponentiell.... kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Danke im Voraus

[bele]

Guten Abend,

ich möchte herausfinden, ob die unabh. Variable die abh. Variable beeinflusst mit der Annahme: je größer die unabh. Variable, umso geringer die abh. Variable... allerdings nehme ich nicht an, dass diese linear abfällt, sondern z.B. exponentiell.... kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Danke im Voraus

Warum keine Spearman-Korrelation? Oder im exponentiell en Fall ein dazu passendes Modell (zB logarithmische Transformation)?

[matrixboy7]

Guten Abend,

ich möchte herausfinden, ob die unabh. Variable die abh. Variable beeinflusst mit der Annahme: je größer die unabh. Variable, umso geringer die abh. Variable... allerdings nehme ich nicht an, dass diese linear abfällt, sondern z.B. exponentiell.... kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Danke im Voraus

Warum keine Spearman-Korrelation? Oder im exponentiell en Fall ein dazu passendes Modell (zB logarithmische Transformation)?

Weil dieser Test mir zuerst eingefallen ist bzgl. Zusammenhänge, ich glaube habe mich zu wenig mit anderen Tests beschäftigt. Zudem sind meine Daten intervallskaliert, ich glaube bei Spearman müssen diese ordinalskaliert sein... Und in wie fern meinst du logarithmische Transformation ? Tut mir Leid, bin noch Statistik Laie

[PonderStibbons]

ich möchte herausfinden, ob die unabh. Variable die abh. Variable beeinflusst

Das ist eine Frage des Untersuchungsdesigns, nicht der Datenanalyse.
Ob A auf B einen kausalen Einfluss hat, kann die Analyse selbst nicht
beantworten, nur ob A mit B zusammenhängt bzw. sich aus der
Kenntnis von A Vorhersagen zu B treffen lassen.

mit der Annahme: je größer die unabh. Variable, umso geringer die abh. Variable... allerdings nehme ich nicht an, dass diese linear abfällt, sondern z.B. exponentiell.... kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Sicher kannst Du, ist nur nicht optimal. Du kannst eine der Variablen
wie Bele schon sagte logarithmieren. Wenn Du Begriffe wie exponentiell
kennst, dann sollte das eigentlich nicht grundsätzlich ein Problem sein.

ich glaube bei Spearman müssen diese ordinalskaliert sein...

Man kann eine intervallskalierte Variable immer als eine ordinalskalierte
behandeln, aber nicht umgekehrt.

Mit freundlichen Grüßen

PonderStibbons

[matrixboy7]

ich möchte herausfinden, ob die unabh. Variable die abh. Variable beeinflusst

Das ist eine Frage des Untersuchungsdesigns, nicht der Datenanalyse.
Ob A auf B einen kausalen Einfluss hat, kann die Analyse selbst nicht
beantworten, nur ob A mit B zusammenhängt bzw. sich aus der
Kenntnis von A Vorhersagen zu B treffen lassen.

mit der Annahme: je größer die unabh. Variable, umso geringer die abh. Variable... allerdings nehme ich nicht an, dass diese linear abfällt, sondern z.B. exponentiell.... kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Sicher kannst Du, ist nur nicht optimal. Du kannst eine der Variablen
wie Bele schon sagte logarithmieren. Wenn Du Begriffe wie exponentiell
kennst, dann sollte das eigentlich nicht grundsätzlich ein Problem sein.

ich glaube bei Spearman müssen diese ordinalskaliert sein...

Man kann eine intervallskalierte Variable immer als eine ordinalskalierte
behandeln, aber nicht umgekehrt.

Mit freundlichen Grüßen

PonderStibbons

Erstmal vielen Dank für deine Erklärung... natürlich weiß ich, dass die e-Funktion mit der Log zusammenhängt... aber ehrlich gesagt, weiß ich nicht ob die AV exponentiell fällt, ich weiß nur, dass keine linearer Zusammenhang zwischen UV und AV besteht... und frage mich halt, was mir eine log. Transformation bringt Tut mir Leid, wenn ich zu schwammig schreibe bzw. bisschen brauche, um alles zu überblicken

[Holgonaut]

Hi Matrixboy,

über das hinaus, was meine Kollegen bereits gesagt haben:
Anstelle einer vordefinierten nichtlinearen Funktion könntest du ein generalisiertes additives Modell rechnen (GAM). Das geht mit R (mgcv package) recht einfach. Dabei wird eine nicht-parametrische Kurve in die Daten gefittet und overfitting durch einen penalty parameter verhindert. GAMs können jedwelche nicht-lineare Beziehung modellieren.

Hier ein nettes Einführungsvideo:
https://www.youtube.com/watch?v=q4_t8jXcQgc

Hier etwas Literatur
McKeown, G. J., & Sneddon, I. (2014). Modeling continuous self-report measures of perceived emotion using generalized additive mixed models. Psychological Methods, 19(1), 155–174.

Jones, K., & Almond, S. (1992). Moving out of the linear rut: the possibilities of generalized additive models. Transactions of the Institute of British Geographers, 434-447.

Dore, B., & Bolger, N. (2018). Population-and individual-level changes in life satisfaction surrounding major life stressors. Social Psychological and Personality Science, 9(7), 875-884.

Grüße
Holger

[bele]

Oder im exponentiell en Fall ein dazu passendes Modell (zB logarithmische Transformation)?

aber ehrlich gesagt, weiß ich nicht ob die AV exponentiell fällt

Ok, nehmen wir mal für einen Moment an, dass Du eine möglichst einfach zu rechnende Statistik brauchst, für die man nicht viele Vorkenntnisse braucht. Nehmen wir weiter an, dass wir nicht wissen, wie der Zusammenhang zwischen zwei Variablen ist und erstmal nur annehmen, dass er monoton ist, also immer in die gleiche Richtung geht. Genau dafür passt die Spearman-Korrelation.
Der Zauber ist zwar dahin, sobald mehr als zwei Variablen zueinander in Beziehung gesetzt werden müssen, aber Du hast ja geschrieben

je größer die unabh. Variable, umso geringer die abh. Variable...

und solange da zweimal ein Singular steht, ist das das einfachste Verfahren.

LG,
Bernhard

[matrixboy7]

Oder im exponentiell en Fall ein dazu passendes Modell (zB logarithmische Transformation)?

aber ehrlich gesagt, weiß ich nicht ob die AV exponentiell fällt

Ok, nehmen wir mal für einen Moment an, dass Du eine möglichst einfach zu rechnende Statistik brauchst, für die man nicht viele Vorkenntnisse braucht. Nehmen wir weiter an, dass wir nicht wissen, wie der Zusammenhang zwischen zwei Variablen ist und erstmal nur annehmen, dass er monoton ist, also immer in die gleiche Richtung geht. Genau dafür passt die Spearman-Korrelation.
Der Zauber ist zwar dahin, sobald mehr als zwei Variablen zueinander in Beziehung gesetzt werden müssen, aber Du hast ja geschrieben

je größer die unabh. Variable, umso geringer die abh. Variable...

und solange da zweimal ein Singular steht, ist das das einfachste Verfahren.

LG,
Bernhard

Danke dir für deine Antworten, dann versuche ich es mit der Spearman-Korrelation mithilfe SPSS... Allerdings stellt mir noch die Frage, welches Modell gewählt werden muss, wenn die AV von mehrere UV abhängig ist, ich aber nur den einen UV kenne... kann ich trotzdem den Spearman-Korrelations-Test nehmen? Dieser vergleicht halt nur den Zusammenhang zweier Variablen, wie du schon sagtest

[bele]

Nichtlineare Regression mit mehreren Prädiktoren ohne gute theoretische Annahmen, welche Verteilungen/welche nicht-linearen Zusammenhänge infrage kommen ist ein hoch komplexes Thema und nicht mal schnell mit dem Nennen eines Tests beantwortbar. Holger hat Dir da schon eine sehr mächtige Waffe verlinkt, aber ich sehe halt den Widerspruch, dass Du nicht weißt, wie der Hypothesentest den Du zum Mittelwertvergleich nehmen wolltest heißt und nicht weißt, dass intervallskalierte Daten auch die Anforderungen an ordinale Daten erfüllen und Dir noch nie Gedanken über die Verwendung von logarithmen bei linearen Modellieren von Exponentialfunktionen gemacht hast, auf der einen und der Komplexität von GAMs auf der anderen Seite und glaube nicht, dass das jetzt schon zusammenpassen will.

kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Du schreibst Regressionsanalyse, meinst aber lineare Regressionsanalyse. Nun, Du kannst sie probehalber mal rechnen und dann den Modelfit und die Verteilung der Residuen zurate ziehen um zu entscheiden, ob das "nah genug dran" ist oder ob Du fortgeschrittenere Verfahren erlernen musst.

LG,
Bernhard

[matrixboy7]

Nichtlineare Regression mit mehreren Prädiktoren ohne gute theoretische Annahmen, welche Verteilungen/welche nicht-linearen Zusammenhänge infrage kommen ist ein hoch komplexes Thema und nicht mal schnell mit dem Nennen eines Tests beantwortbar. Holger hat Dir da schon eine sehr mächtige Waffe verlinkt, aber ich sehe halt den Widerspruch, dass Du nicht weißt, wie der Hypothesentest den Du zum Mittelwertvergleich nehmen wolltest heißt und nicht weißt, dass intervallskalierte Daten auch die Anforderungen an ordinale Daten erfüllen und Dir noch nie Gedanken über die Verwendung von logarithmen bei linearen Modellieren von Exponentialfunktionen gemacht hast, auf der einen und der Komplexität von GAMs auf der anderen Seite und glaube nicht, dass das jetzt schon zusammenpassen will.

kann ich dann trotzdem die Regressionsanalyse anwenden, obwohl ich die Bedingung der Linearität verletze?

Du schreibst Regressionsanalyse, meinst aber lineare Regressionsanalyse. Nun, Du kannst sie probehalber mal rechnen und dann den Modelfit und die Verteilung der Residuen zurate ziehen um zu entscheiden, ob das "nah genug dran" ist oder ob Du fortgeschrittenere Verfahren erlernen musst.

LG,
Bernhard

Uff.. ok Danke dir Ich merke schon, es kann für ein Laie echt kompliziert sein