Signifikanz von Parametern trotz schlechten Modells

[Cellschock]

Hallo zusammen,

nach einer Varianzanalyse hat sich herausgestellt, dass mein Modell meine Daten sehr schlecht fitted (R = 0,1743). Außerdem besitzt das Modell erwartungsgemäß eine Modellschwäche (lack of fit = 0,0096). Ich habe 8 Parameter untersucht (nur Haupteffekte), mir wird aber nur ein Parameter als signifikant angezeigt.

1.) Die Modellschwäche (lack of fit) besagt doch erst mal, dass mein Modell nicht passt und vermutlich ein weiterer Term hinzugefügt werden müsste oder? Dabei kann es sich doch vermutlich um einen qudrarierten Effekt handeln, oder um eine zweifach-Wechselwirkung oder ein Term (bzw. ein Parameter) den ich noch überhaupt nicht betrachtet habe. Ist das soweit erst mal richtig?

2.) Ein Faktor wurde mir dennoch als hochsignifikant (p = 0,012) angezeigt. Kann ich nun behaupten, dass dieser Faktor tatsächlich signifikant ist oder ist das nicht vertrauenswürdig, weil das gesamte Modell nichts taugt?

Danke und beste Grüße
Marcel

[dutchie]

hallo Cellschock

zu1) also quadrierten effekt eher nicht, weil du dich auf nominaniveau bewegst..
aber man sollte was tun wenn der fit schlecht ist...

zu2) der faktor ist erstmal signifikant, aber prüfe diesen faktor noch mal, mit einem modell
bei dem dieser faktor der einzige im modell ist, das gilt dann, kann sein dass er dann nicht mehr sig ist.
dies ganzen anderen quatsch faktoren reduzieren im modell ein wenig die fehlervarianz auch wenn sie nicht sig. sind.

sind alle faktoren nominal?

gruß
dutchie

[Cellschock]

Hallo Dutchie,

danke für deine schnelle Antwort und Entschuldigung, für meine verspätete Antwort.

Meine Faktoren sind alle metrisch. Also ich kann genau mit Nachkommastellen meine Antworten messen.

Oder was genau meinst du mit nominal? Nach etwas googlen habe ich gefunden, dass Werte nominal sind, wenn sie mit "ja/nein" z.b. beantwortet werden können. Das ist bei mir nicht der Fall.

[dutchie]

hallo Cellschock

wenn alle metrisch sind wie kommst du dann zu einer Varianzanalyse
bei der sind die UVs nominal, kategorial, oder qualitativ (z.B farbe rot gelb...)

die frage: gehst du jetzt exporativ vor (trial an error) um das modell zu maximieren
oder irgendwie planvoll theorie geleitet...
also in aller regel langt eine normale regression (ohne interaction quadrtate usw.) mit der Festellung
dies und das signifikant...zum bestehen..
bevor man an der gleichung rumbastelt eher versuchen zu erklären, warum die gleichung schlecht fitted
kommt aber darauf an wo du wie unterwegs bist.. gruß

gruß
dutchie