Auswirkungen Standardisieren auf Bestimmtheitsmaß

[PeterPanne]

Hallo,

da ich den Einfluss meiner Variablen auf mein Y ermitteln will, habe ich sowohl alle Variablen als auch mein Y standardisiert.
Wenn ich dann die lineare multiple Regression erneut durchführe, verändert sich mein Bestimmtheitsmaß (wird besser).

Mache ich da irgendwas falsch?

Viele Grüße

[dutchie]

hallo peter

ja! das müsste konstant bleiben!
du mußt nicht selber standardisieren, die beta koeffizienten geben die Regg. Gewichte an
im Falle von stand. Variablen.

gruß
dutchie

[PeterPanne]

Hallo dutchie,

ich arbeite leider mit Matlab, da werden die nicht angegeben sondern ich muss die Variablen selbst standardisieren.
Hast du eine Idee, was ich falsch gemacht haben könnte?

Ich habe wie gesagt sowohl alle X als auch Y standardisiert und normal die Regression ausgeführt.

Viele Grüße

[dutchie]

hallo
aha ok!
schwer zu sagen...aber wie gesagt, das muss ein fehler sein,weil bei positiv linearer transformation
(=standardisierung) R konstant bleibt.
sind die variablen, denn alle intervallskaliert?
normal sind auch oft fehlende werte verantwortlich, veränderst du die stichprobengröße
durch die standard....
vielleicht m und sd falsch berechnet...
du rundest natürlich auch an einer gewissen stelle, und das macht dann auch fehler...
wie groß ist n?

gruß

[PeterPanne]

Hallo dutchie,

n ist ca. 15000.
die berechnungen macht alle die software, und die befehle die ich nutze sind die richtigen.
bei den daten handelt es sich ausschließlich um zeitreihen.
hast du noch eine Idee?

Wollte erstmal wissen, ob es überhaupt ein Fehler ist.
das ist wirklich sehr merkwürdig, ggf sollte ich mal in einem Matlab Forum fragen ob sie nen Fehler finden.

Viele Grüße

[PeterPanne]

Nachtrag:

Durch Rumspielen habe ich gefunden, woran es liegt.
Es liegt daran, dass ich nach der Standardisierung der Variablen die Regression ohne Intercept durchführe. Ich habe aber gelesen, dass das so gemacht werden soll?! Außerdem ist das Intercept nicht signifikant, wenn ich es miteinbeziehe. (pValue=1)

[dutchie]

hallo

bei standardiesierung muss der intercept null werden
insofern gut dass der nicht sig ist,
kannst du denn dein R bestätigen?
mit oder ohne Intercept?
Das dürfe keinen Einfluss haben wenn man eine Null wegläßt?

gruß
dutchie

[PeterPanne]

Hallo,

da der Intercept nicht signifikant ist schmeiße ich ihn aus der Regression raus, führe die Regression also ohne Intercept durch.
Und dadurch verändert sich dann das Bestimmtheitsmaß.
Ist das falsch?

Viele Grüße

[dutchie]

hallo

Ist das falsch?

ja (normal schon wenn sig) wie willst man sonst schätzen z.B. UV: anzahl kinder AV: einkommen
da brauchts eine maßstabänderung...
wenn du standardisierst änderst sich das und die beine variablen haben denselben maßstab.

R müßte ohne intercept größer werden? (also unstandardisiert)

der intercept ist eine konstante
wenn die nicht sig wird heißt das, dass deine AV im durchschnitt
nicht signifikant von Null unterschieden werden.
aber du läßt man den intercept trotzdem in der gleichung???
das ist ja der wert den du schätzt wenn alle UVs = 0
also quasi den wert den du schätzt wenn alle UVs unbekannt..oder nicht gegeben
oder keine UV in der gleichung ist, wenn das der fall ist kannst du immer noch anhand des mittelwerts
der AV eine schätzung abgeben. und wenn m sich nicht sig von Null verschieden, schätz man halt null!?
hat man dann negative messwerte?

aber dein R hat sich doch geändert auf dem weg von unstand zu standardisiert
dein R ändert sich durch mit und ohne intercept
also:
R standardisiert = R nichtstandardisiert mit intercept
und
R standardisiert ohne intercept = R standardisiert mit intercept

R nichtstandardisiert ohne intercept > R nichtstandardisiert mit intercept

was sind das denn für variablen?

gruß
dutchie