Hier findest Du zum Download eine Checkliste für die Multiple Lineare Regression:
>> Download Checkliste-Multiple-Lineare-Regression-Daniela-Keller <<
Wenn Du mehr über die Multiple Lineare Regression und insbesondere ihre Durchführung mit SPSS wissen willst, sieh Dir doch mein E-Book dazu an: E-Book Multiple Lineare Regression mit SPSS
Die 10 häufigsten Fehler bei Abschlussarbeiten mit SPSS und wie du sie vermeidest.
Hol dir jetzt die Liste für 0,- Euro und komm mit deiner Datenanalyse fehlerfrei und schnell voran!
Ich bin Statistik-Expertin aus Leidenschaft und bringe Dir auf leicht verständliche Weise und anwendungsorientiert die statistische Datenanalyse bei. Mit meinen praxisrelevanten Inhalten und hilfreichen Tipps wirst Du statistisch kompetenter und bringst Dein Projekt einen großen Schritt voran.
Hallo Frau Keller, Meine Frage wäre: wie berichtet man das Ergebnis einer Linearen Regression wenn z.B ß= – .58 und der p– wert signifikant ist? Kann man da einfach sagen x verringert y oder muss man auch das x spezifizieren z. B. ein höheres x verringert das Ausmaß an y? Hätte die Info bekommen dass man hier bei der Interpretation vorsichtig sein soll da „verringert“ eine kausale Beziehung impliziert? Ich dachte die Regression ist dazu da um Kausalzusammenhänge zu untersuchen? Würde mich über jeden Tipp freuen ( p.s ich hatte die Frage schonmal gestellt) liebe Grüße
Hallo Fabi,
über Kausalität kann Dir die Regression nie etwas sagen. Das musst Du theoretisch begründen.
Aber so oder so darfst Du „verringern“ hier natürlich verwenden. Du kannst formulieren: Wenn X ansteigt, dann verringert sich Y.
Das ist genau das, was dieses Ergebnis aussagt. Ob das dann kausal ist oder nicht ist ein anderes Thema. 🙂
LG Daniela
Liebe Daniela,
vielen Dank für deine Tipps – sie haben mir bei meiner Masterarbeit erheblich geholfen!
Ich habe aber noch eine Frage: ich habe eine Multiple lineare Regression berechnet und bekomme (neben allen Outputs) folgende Meldung: „Warnung – Bei Modellen mit der abhängigen Variable xy sind die folgenden Variablen Konstanten oder weisen fehlende Korrelationen auf: sonstiges [Anm.: Dummy-Codierung des Geschlechts männlich – weiblich – sonstiges]. Sie werden aus der Analyse gelöscht“
Kann ich diese Warnung ignorieren oder was sollte ich ändern?
Liebe Grüße und Danke
Anna
Hallo Anna,
Du hast vermutlich nur sehr wenige Fälle (vielleicht nur einen?) in der „Geschlecht sonstiges“-Kategorie. Deshalb gibt es diese Warnung. Diese Kategorie wird dann in der Analyse nicht verwendet. Wenn das inhaltlich für Dich passt, dann lass es so. Du musst dann nur bei Deinem Vorgehen vermerken, dass Du für diese Analyse diesen Fall (oder diese Fälle) ausgeschlossen hast. Wenn Du das vermeiden willst, kannst Du statt Geschlecht auch eine neu erstellte Variable verwenden, die z.B. Männlich ja/nein heißt. Da wären dann die Sonstigen zusammen mit den Frauen in der Gruppe und würden nicht ausgeschlossen werden.
LG Daniela
Liebe Daniela,
vielen Dank für deine ausführlichen Erklärungen, sie haben mir bei meiner Masterarbeit schon viel geholfen!
Ich berechne momentan eine hierarchische multiple Regression. Normalerweise berichtet man bei der multiplen Regression für die Güte des Modells ja das angepasste R-Quadrat!? Jetzt frage ich mich, ob ich dies auch so handhaben soll, obwohl ich für mein 2. Modell dann die Änderung in R-Quadrat berichten muss (oder?), die wiederum glaube ich nicht „angepasst“ ist? Soll ich aufgrund der Einheitlichkeit schon in Modell 1 auf das normale R-Quadrat zurückgreifen, oder wie geht man dabei vor?
Viele Grüße,
Paula
Hallo Paula,
Du verwendest zur Beschreibung der Güte des Modells das angepasste R-Quadrat. Und um die Veränderung bei Hinzufügen einer neuen Variable zu beschreiben, verwendest Du die Änderung in R-Quadrat, auch wenn das nicht „angepasst“ ist.
LG Daniela
P.S.: Wenn Du mehr zur Statistik von mir lernen willst, dann schau Dir mein Angebot der Statistik-Akademie an: https://statistik-und-beratung.de/mitgliederbereich-lp/
Leider funktioniert der Download der Checkliste nicht mehr 🙁
Jetzt müsste es gehen, oder?
LG Daniela
Hallo Daniela,
mit dem ebook zur multiple linearen Regression bin ich ein gutes Stück schlauer geworden, ich benötige sie zur Auswertung meiner Masterarbeits-Daten. Allerdings bin ich bezüglich der Interpretation der Werte noch unsicher. Ich soll die Regression machen um die Varianzaufklärung zu untersuchen. Nun schreibst Du in Deinem ebook als Interpretationsbeispiel:
’Im linearen Regressionsmodell mit den Faktoren Werbeausgaben, Songs im Radio und Attraktivität wurde eine Güte von .66 (angepasstes R-Quadrat) erreicht…
Könnte man auch sagen, die Varianz der Werte „verkaufte Alben“ wird mit den drei Faktoren zu 66% aufgeklärt?
Vielen Dank
Anke
Hallo Anke,
ja, das ist genau richtig: „Es wird 66 % der Varianz erkärt“.
Freut mich sehr, dass Du mit dem E-Book gut voran kommst!
LG
Daniela