Moin! Ich wollte eigentlich heute meine Bachelorarbeit abgeben, jetzt kamen mir aber doch Zweifel, ob das Sinn gibt was ich in meiner dritten Hypothese gemacht hab.
Ich habe verschiedene Fragen zum Arbeitsplatz, also Aufstiegschancen, Atmosphäre im Team usw. als Prädiktoren auf die abhängige Variable "subjektiv erlebte gesellschaftliche Teilhabe"
angewendet. Pearson war alles ganz gut, leichte bis mittlere Korrelationen. Danach hab ich eine Regression gerechnet, da war nur noch ein Item signifikant. Als Begründung hatte
ich irgendwo mal gelesen, dass wenn bei so einem Fall die Items (unabhängigen Var) untereinander korrelieren, die Signifikanz "gestört" wird und es die Ergebnisse zerschiesst.
Dafür hab ich jetzt eine Quelle gesucht, beim Lesen hab ich mich dann aber gefragt, darf ich überhaupt eine Regression mit Items (UV) rechnen, die nicht versuchen ein Konstrukt
zu messen, sondern jedes für sich was anderes misst? Ich hab die Regression gerechnet um die "gerichtete" Wirkung zu beweisen. Danke!
Regression bei voneinander unabhängigen Items sinnvoll?
-
oliver87
- Beiträge: 14
- Registriert: 05.09.2018, 19:47
-
dutchie
- Beiträge: 2762
- Registriert: 01.02.2018, 10:45
Re: Regression bei voneinander unabhängigen Items sinnvoll?
hallo oliver87
du darfst natürlich eine Regression rechen, du musst sogar..
gerade weil die Items korreliert sind.
suche nach Kollinear oder Multikollinearität..
nur weil das Items sind, heißt das nicht, dass sie keine Konstrukte messen
und nur weil man Items zusammenzählt wird daraus noch kein Konstrukt.
wenn die UV hoch korrelieren kann es sein, dass die Signifikanztests nicht mehr "funktionieren"
weil die SE der Regressionsgewichte fehlerhaft berechnet werden...
das glaub ich ist bei dir aber nicht der Fall, schau diesbezüglich mal nach VIF Varianzinflationsindex...
die Regression ist andererseits gerade dazu da, um den Einfuß vieler UV, die untereinander korreliere zu bestimmen,
weil man ja oft folgende Situation hat: AV: IQ Tochter UV: IQ Vater und UV: IQ Mutter , die korrelieren alle drei miteinander.
IQ Tochter kann jetzt durch Vater oder Mutter erklärt werden, aber eben nur einmal,
eine Wirkung kann nicht gleichzeitig zwei Ursachen haben...
mir scheint bei dir ist alles ok, du musst jetzt nur noch auf die zusammenhänge zwischen den UVs eingehen..
gruß
dutchie
du darfst natürlich eine Regression rechen, du musst sogar..
gerade weil die Items korreliert sind.
suche nach Kollinear oder Multikollinearität..
nur weil das Items sind, heißt das nicht, dass sie keine Konstrukte messen
und nur weil man Items zusammenzählt wird daraus noch kein Konstrukt.
wenn die UV hoch korrelieren kann es sein, dass die Signifikanztests nicht mehr "funktionieren"
weil die SE der Regressionsgewichte fehlerhaft berechnet werden...
das glaub ich ist bei dir aber nicht der Fall, schau diesbezüglich mal nach VIF Varianzinflationsindex...
die Regression ist andererseits gerade dazu da, um den Einfuß vieler UV, die untereinander korreliere zu bestimmen,
weil man ja oft folgende Situation hat: AV: IQ Tochter UV: IQ Vater und UV: IQ Mutter , die korrelieren alle drei miteinander.
IQ Tochter kann jetzt durch Vater oder Mutter erklärt werden, aber eben nur einmal,
eine Wirkung kann nicht gleichzeitig zwei Ursachen haben...
mir scheint bei dir ist alles ok, du musst jetzt nur noch auf die zusammenhänge zwischen den UVs eingehen..
gruß
dutchie
