Hallo zusammen,
für meine Abschlussarbeit beabsichtige ich eine Regressionsanalyse durchzuführen.
Vor Modellierung des Regressionsmodells habe ich zunächst für Variablen die in das Modell aufgenommen werden sollen bivariate Korrelationen berechnet. Alle Variablen die lt. bivariater Korrelation signifikant sind (p< 0.01), habe ich mit in mein Regressionsmodell aufgenommen.
Nun ergab sich folgende Problematik, die ich mir einfach nicht erklären kann:
Von 5 Variablen (alle lt. Korrelation hoch signifikant) wird in der Regression (per schrittweiser Regression als auch per Einschlussverfahren) nur 1 Variable als signifikant ausgegeben.
Habt ihr eine Idee wie das sein kann? Mein Verständnis war bisher folgendes: Wenn Korrelationen signifikant sind, sollte dies auch irgendwie in einer Regression sichtbar werden. Oder bin ich da auf einem komplett falschen Fuß unterwegs?
PS: Auf Multikolliniarität habe ich die Variablen getestet. Diese kann ausgeschlossen werden. Ebenfalls weist die Stichprobe eine ausreichende Größe >130 auf.
Schon jetzt herzlichen Dank für Eure Hilfe!
Liebe Grüße
Filou
Signifikante Korrelation und nicht signifikante Regression
-
Filou
- Beiträge: 4
- Registriert: 10.04.2018, 08:49
-
dutchie
- Beiträge: 2762
- Registriert: 01.02.2018, 10:45
Re: Signifikante Korrelation und nicht signifikante Regressi
Hallo Filou
Das kann durchaus sein: Bei n >130 (Wieso größer 130 ist das irgend eine neue Schallmauer?) werden vielleicht
KoKos sig. die dem Betrag nach eher klein sind r<0.30 z.B. Dann mit den anderen Predictoren, so lala korrelieren
r = 0.50, zuwenig um zu sagen (aufgrund irgend eines Tests, Kriteriums, an dem Test ist zu zweifeln, weil trotz Test hast du ja Probleme)
multikolin, aber groß genug um die Variablen aus der Regression zu schmeißen (dir ist sicher klar, das man Varianz nur einmal aufklären kann).
Das liegt an der Aussage: "Es liegt keine multikolin vor". das ist nicht als "ja -nein" zu beantworten, das ist immer ein mehr oder weniger.
Das ist irgendwie das Problem der Woche: dichotomisieren, nach Cohen ist das so und so, Multikolin ja nein.
Da wird immer Realität verzerrt, damit die Ergebnisse ins Hirn passen.
So kann ich mir eine Erklärung vorstellen. Es kann aber irgendwie nur an der Korrelation der Predictoren liegen.
Oder du hast fehlende Werte, und die Stichprobengröße ändert sich, n ist bei den bivariaten KoKos größer als n in der Regression.
mehr fällt mir da spontan auch nicht ein
gruß
dutchie
Das kann durchaus sein: Bei n >130 (Wieso größer 130 ist das irgend eine neue Schallmauer?) werden vielleicht
KoKos sig. die dem Betrag nach eher klein sind r<0.30 z.B. Dann mit den anderen Predictoren, so lala korrelieren
r = 0.50, zuwenig um zu sagen (aufgrund irgend eines Tests, Kriteriums, an dem Test ist zu zweifeln, weil trotz Test hast du ja Probleme)
multikolin, aber groß genug um die Variablen aus der Regression zu schmeißen (dir ist sicher klar, das man Varianz nur einmal aufklären kann).
Das liegt an der Aussage: "Es liegt keine multikolin vor". das ist nicht als "ja -nein" zu beantworten, das ist immer ein mehr oder weniger.
Das ist irgendwie das Problem der Woche: dichotomisieren, nach Cohen ist das so und so, Multikolin ja nein.
Da wird immer Realität verzerrt, damit die Ergebnisse ins Hirn passen.
So kann ich mir eine Erklärung vorstellen. Es kann aber irgendwie nur an der Korrelation der Predictoren liegen.
Oder du hast fehlende Werte, und die Stichprobengröße ändert sich, n ist bei den bivariaten KoKos größer als n in der Regression.
mehr fällt mir da spontan auch nicht ein
gruß
dutchie
-
dutchie
- Beiträge: 2762
- Registriert: 01.02.2018, 10:45
Re: Signifikante Korrelation und nicht signifikante Regressi
noch was:
hast du Verteilung, Ausreißer, Streudiagamm, linearität kontrolliert?
Weil nur einer von 5 komm mir auch komisch vor.
das sollte man klären...
hast du Verteilung, Ausreißer, Streudiagamm, linearität kontrolliert?
Weil nur einer von 5 komm mir auch komisch vor.
das sollte man klären...
-
Filou
- Beiträge: 4
- Registriert: 10.04.2018, 08:49
Re: Signifikante Korrelation und nicht signifikante Regressi
Hallo Dutchie,
danke für deine Hilfe.
Ich habe meine Variablen nochmal gecheckt. Die größte Korrelation unter den Prädiktoren liegt bei 0.45. Die VIF habe ich auch getestet, da kamen allerdings nicht bedenkliche Werte (irgendwas um 1) raus.
Wenn ich dich richtig verstehe könnte es also sein, dass aufgrund der Multikollinearität kleine Effekte nicht mehr sichtbar werden?
Was meinst du mit "Varianz nur einmal aufklären" (sorry, du hast es hier mit einem Anfänger zu tun
)?
Habe gestern mal meine abhängige Variable auf Heteroskedastizität (per Streudiagramm mittels SPSS) geprüft: Dieses schaut leider nicht ganz so aus, wie es eigentlich sein sollte (Kastenförmig).
Heißt dann aber auch, dass eine wichtige Voraussetzung nicht erfüllt ist. Ist eine Regression dann überhaupt sinnvoll bzw. angebracht? Für den Test meiner Hypothesen bleibt dann eigentlich nur übrig, Korrelationen zu rechnen, oder?
Lieben Dank vorab und viele Grüße
Filou
danke für deine Hilfe.
Ich habe meine Variablen nochmal gecheckt. Die größte Korrelation unter den Prädiktoren liegt bei 0.45. Die VIF habe ich auch getestet, da kamen allerdings nicht bedenkliche Werte (irgendwas um 1) raus.
Wenn ich dich richtig verstehe könnte es also sein, dass aufgrund der Multikollinearität kleine Effekte nicht mehr sichtbar werden?
Was meinst du mit "Varianz nur einmal aufklären" (sorry, du hast es hier mit einem Anfänger zu tun
)?Habe gestern mal meine abhängige Variable auf Heteroskedastizität (per Streudiagramm mittels SPSS) geprüft: Dieses schaut leider nicht ganz so aus, wie es eigentlich sein sollte (Kastenförmig).
Heißt dann aber auch, dass eine wichtige Voraussetzung nicht erfüllt ist. Ist eine Regression dann überhaupt sinnvoll bzw. angebracht? Für den Test meiner Hypothesen bleibt dann eigentlich nur übrig, Korrelationen zu rechnen, oder?
Lieben Dank vorab und viele Grüße
Filou
-
dutchie
- Beiträge: 2762
- Registriert: 01.02.2018, 10:45
Re: Signifikante Korrelation und nicht signifikante Regressi
Hallo Filou
Noch mal kurz zum Verständnis:
Du hast 5 predictoren und 1 AV
Die 5 bivariaten Korrelation jedes Predictors mit der AV ist signifikant.
In die regression wird aber nur ein Predictor aufgenommen.
Stellen wir und mal vor:
Av besteht aus a und b
predictor 1 besteht aus 1 und b
predictor 2 besteht aus 2 und b
predictor 3 besteht aus 3 und b
predictor 4 besteht aus 4 und b
predictor 5 besteht aus 5 und b
1 2 3 4 5 und b sind Varianzanteile, so in der Art...
Dann korrelieren die Predictor weil sie b gemeinsam haben
und sie korrelieren mit der AV weil sie b gemeinsam haben.
Jetzt kann ich ein Verhorhersage treffen aufgrund der Information die mir
Predictor 1 liefert in richtung AV: Predictor = b ---> Av auch =b
Jetzt leistet aber Predictor 1 die ganze Arbeit und für die anderen Predictoren
bleibt nichts mehr übrig was sie über b hinaus zur Vorhersage beitragen könnten,
Weil sie auch nur b mir der AV gemeinsdam haben. Das hat mit der Größe von b
nichts zu tun.
Wenn du wissen willst wo deine Schwester ist, fragst du die Mutter, den Vater, der das
auch gewußt hätte, braucht du dann gar nicht mehr fragen, warum doppelt fragen, die Frage
ist beantwortet.
Das erklärt deinen Effekt, und hat nichts mit Irgendwelchen Varausetzungen zu tun.
Das heißt Varianz nur einmal aufklären.
Ob sich das aber bei dir so verhält?
Wie jetzt weiter
0 screening: du korrelierst alle mit der AV --> 5 signifikante.
1 Du koorelierst die 5 untereinander und mit der AV bivariat, als Information
2 du stellst die Verteilung der 6 Variablen dar über Histogramm, und suchts Ausreißer und
beschreibst die Verteilung.
3 Du checkst die gemeinsame Verteilung jedes Predictors mit AV per Streudiagramm, das muss irgendwie linear aussehen, kein U oder J.
4 Du tust die 5 in eine Regression (einschluß)
5 erzählst was rauskommt (und wenn du angeben willst erzählst du von VIF und macht den residuenplot)
fertig, das was rauskommt hat keinen Einfluß darauf, ob es berichtet wird oder nicht.
Wenn das aber mit dem Inhalt deiner Arbeit nichts zu tun hat, vorher nicht geplant und beabsichtig war,
dazu nichts theorieteil steht, und du nur Seiten machen willst...
gruß
dutchie
Noch mal kurz zum Verständnis:
Du hast 5 predictoren und 1 AV
Die 5 bivariaten Korrelation jedes Predictors mit der AV ist signifikant.
In die regression wird aber nur ein Predictor aufgenommen.
Stellen wir und mal vor:
Av besteht aus a und b
predictor 1 besteht aus 1 und b
predictor 2 besteht aus 2 und b
predictor 3 besteht aus 3 und b
predictor 4 besteht aus 4 und b
predictor 5 besteht aus 5 und b
1 2 3 4 5 und b sind Varianzanteile, so in der Art...
Dann korrelieren die Predictor weil sie b gemeinsam haben
und sie korrelieren mit der AV weil sie b gemeinsam haben.
Jetzt kann ich ein Verhorhersage treffen aufgrund der Information die mir
Predictor 1 liefert in richtung AV: Predictor = b ---> Av auch =b
Jetzt leistet aber Predictor 1 die ganze Arbeit und für die anderen Predictoren
bleibt nichts mehr übrig was sie über b hinaus zur Vorhersage beitragen könnten,
Weil sie auch nur b mir der AV gemeinsdam haben. Das hat mit der Größe von b
nichts zu tun.
Wenn du wissen willst wo deine Schwester ist, fragst du die Mutter, den Vater, der das
auch gewußt hätte, braucht du dann gar nicht mehr fragen, warum doppelt fragen, die Frage
ist beantwortet.
Das erklärt deinen Effekt, und hat nichts mit Irgendwelchen Varausetzungen zu tun.
Das heißt Varianz nur einmal aufklären.
Ob sich das aber bei dir so verhält?
Wie jetzt weiter
0 screening: du korrelierst alle mit der AV --> 5 signifikante.
1 Du koorelierst die 5 untereinander und mit der AV bivariat, als Information
2 du stellst die Verteilung der 6 Variablen dar über Histogramm, und suchts Ausreißer und
beschreibst die Verteilung.
3 Du checkst die gemeinsame Verteilung jedes Predictors mit AV per Streudiagramm, das muss irgendwie linear aussehen, kein U oder J.
4 Du tust die 5 in eine Regression (einschluß)
5 erzählst was rauskommt (und wenn du angeben willst erzählst du von VIF und macht den residuenplot)
fertig, das was rauskommt hat keinen Einfluß darauf, ob es berichtet wird oder nicht.
Wenn das aber mit dem Inhalt deiner Arbeit nichts zu tun hat, vorher nicht geplant und beabsichtig war,
dazu nichts theorieteil steht, und du nur Seiten machen willst...
gruß
dutchie
-
Filou
- Beiträge: 4
- Registriert: 10.04.2018, 08:49
Re: Signifikante Korrelation und nicht signifikante Regressi
Hallo Dutchie,
1000 Dank du hast mir ein riesen Stück weiter geholfen!
Kurze Rückfrage zu deinen letzten beiden Sätzen (meine Auffassungsgabe ist bei diesem Thema nicht die Beste
):
Die Regression mit nur 1 signifikanten Variable hat zwar schon mit dem Inhalt meiner Arbeit zu tun, führt aber zur Verwerfung von einigen meiner Hypothesen und spiegelt eben nur einen minimalen Teil des bisherigen Forschungsstands
.
Du meinst, die Regression dann lieber weg lassen?
Danke vorab und viele Grüße
Filou
1000 Dank du hast mir ein riesen Stück weiter geholfen!
Kurze Rückfrage zu deinen letzten beiden Sätzen (meine Auffassungsgabe ist bei diesem Thema nicht die Beste
):Wie meinst du das genau? Das was raus kommt sollte ich doch schon in meiner Ergebnisdiskussion berichten/interpretieren?das was rauskommt hat keinen Einfluß darauf, ob es berichtet wird oder nicht.
Auch hier bitte eine kurze Erklärung wie du das meinst:Wenn das aber mit dem Inhalt deiner Arbeit nichts zu tun hat, vorher nicht geplant und beabsichtig war,
dazu nichts theorieteil steht, und du nur Seiten machen willst...
Die Regression mit nur 1 signifikanten Variable hat zwar schon mit dem Inhalt meiner Arbeit zu tun, führt aber zur Verwerfung von einigen meiner Hypothesen und spiegelt eben nur einen minimalen Teil des bisherigen Forschungsstands
.Du meinst, die Regression dann lieber weg lassen?
Danke vorab und viele Grüße
Filou
-
dutchie
- Beiträge: 2762
- Registriert: 01.02.2018, 10:45
Re: Signifikante Korrelation und nicht signifikante Regressi
Hallo Filou
ich meinte, auf jedenfall berichten, egal ob sig oder nicht
aber geklärt warum nur 1 von 5 ist noch nicht oder?
Gruß
dutchie
Ja solltest du !!!Filou hat geschrieben: Wie meinst du das genau? Das was raus kommt sollte ich doch schon in meiner Ergebnisdiskussion berichten/interpretieren?
ich meinte, auf jedenfall berichten, egal ob sig oder nicht
nein, berichte die Regression, so wie beschrieben.Filou hat geschrieben:Du meinst, die Regression dann lieber weg lassen?
aber geklärt warum nur 1 von 5 ist noch nicht oder?
Gruß
dutchie
