STATISTIK-FORUM.de

[Nadine08]

vielen dank für deinen hilfe. was müsstest du denn wissen um dies beantworten zu können?

leider konnte ich nirgends infos bzgl. minimaler stichprobengrösse finden, aber hab von diversen seiten (u.a. Antwort von Bernhard) gehört, dass es pro AV 10 Fälle braucht, das heisst ich bräuchte N = 40. Ausserdem hab ich hier ja nur ein Beispiel gepostet, ich hab weitere Regressionen gerechnet, bei denen ich zum Teil 12 UV reingenommen habe.
normalverteilung ist eine voraussetzung für die regressionsberechnung, habe ich in mehreren statistikbüchern nachgelesen.
soweit ich das verstanden habe, ist der vorteil der schrittweisen methode, dass es alle UV die keinen sign. effekt haben rausschmeist und nur die im modell bleiben, die einen sign. einfluss haben. dies vereinfacht natürlich einiges, gerade wenn ich 12 UVs in die berechnung reinnehme.

lg nadine

[PonderStibbons]

ich hab weitere Regressionen gerechnet, bei denen ich zum Teil 12 UV reingenommen habe.

Das ist viel zu viel.

normalverteilung ist eine voraussetzung für die regressionsberechnung, habe ich in mehreren statistikbüchern nachgelesen.

Dann schmeiße entweder die betreffenden Bücher weg, es sei denn es steht dort korrekt, aber
wurde ungenau gelesen. Nicht Variablen sollen normalverteilt sein, sondern die Vorhersagefehler
(residuen) des Regressionsmodells.

soweit ich das verstanden habe, ist der vorteil der schrittweisen methode, dass es alle UV die keinen sign. effekt haben rausschmeist und nur die im modell bleiben, die einen sign. einfluss haben. dies vereinfacht natürlich einiges, gerade wenn ich 12 UVs in die berechnung reinnehme.

Ganz schlecht. Das verfahren "fischt" systematisch in den 12 Variablen nach einer Kombination,
die die Vorhersage optimiert. Das ist der Zweck des Verfahrens: eine Optimierung IN DER STICHPROBE.
Was uns wissenschaftlich aber interessiert, ist Generalisierbarkeit über die Stichprobe hinaus.
Und die ist nachweislich zweifelhaft, wenn ein mechanisches Verfahren systematisch (auch)
Stichprobenzufälle ausnutzt, um eine optimierte Vorhersage zu ermöglichen. Die resultierenden
p-Werte beim Signifikanztest sind außerdem nicht korrekt, weil das Rechenverfahren nicht "weiß",
dass es nicht nur auf Grundlage von (z.B.) 2-3 übriggebliebenen Vorhersagevariablen die p-Werte
ermitteln müsste, sondern dass noch ein ganzer Haufen zwischendurch getesteter und verworfener
Variablen existiert, der eigentlich in die Rechnung mit hineingehört.

Kurz und gut, wenn ein Gutachter jemals von "Artefakten durch schrittweise Varfahren" hat
Läuten hören, schießt er Deine Auswertung (vermutlich mit Recht) ab.

lg nadine

Och, hier gibt es doch keine SMS Beschränkungen; eine höflicherweise ausgeschriebene Schlußformel
hätte ausreichend Platz.

Mit freundlichen Grüßen

P.

[Nadine08]

herzlichen dank für deine antwort, du kennst dich ja bestens aus, cool . ich hab davon echt zuwenig ahnung und hätte mich besser damit auseinandersetzen sollen, bevor ich da was mache und eigentlich gar nicht weiss was ich tue, shame on me. jedoch hab ich mich entschieden das nun mal so zu lassen und dafür schön kritisch zu reflektieren. kannst du mir evlt. eine gute quelle angeben? wenn ich in meiner arbeit schreibe, dass ich zuviele UV in die regression integriert habe und bei der schrittweisen methode das problem der artefakte besteht, dann wäre es super, wenn ich das belegen könnte (buch, internet seite oder so was).
die grüsse sind auch mit lg genauso lieb gemeint entschuldige bitte, wollte keinesfalls unhöflich sein. bin sehr dankbar für die vielen super tipps.
liebe grüsse nadine

[PonderStibbons]

wenn ich in meiner arbeit schreibe, dass ich zuviele UV in die regression integriert habe und bei der schrittweisen methode das problem der artefakte besteht, dann wäre es super, wenn ich das belegen könnte (buch, internet seite oder so was).

http://os1.amc.nl/mediawiki/images/Baby ... itting.pdf - v.a. Seite 416.

http://www.stata.com/support/faqs/stati ... -problems/ - hat einige Referenzen.

http://avesbiodiv.mncn.csic.es/estadist ... ingham.pdf - Abschnitt Problems with regression.

Mit freundlichen Grüßen

P.