Multiple und einfache Regression

[SophiaK]

Hallo Zusammen,
ich habe folgendes statistisches Problem bei meiner Masterthesis: Ich habe quantitative Daten erhoben, es geht um die Zufriedenheit mit einem Chatbot. Ich habe die Zufriedenheit (Skala 1-7) zu 33 verschiedenen Kriterien abgefragt (Bsp. Grammatikalische Richtigkeit, Professionalität,…) sowie die Gesamtzufriedenheit mit dem Chatbot (auch Skala 1-7).

Ich möchte nun eine multiple Regression durchführen, bei der ich prüfe, welches Kriterium den größten Einfluss auf die Gesamtzufriedenheit hat. Das Ergebnis der Regression ist verwunderlich. Nur 3 der 33 Variablen sind signifikant. Von diesen 3 Variablen haben jedoch auch noch 2 einen negativen Regressionskoeffizienten, was inhaltlich bedeuten würde, dass bei höherer Zufriedenheit mit diesen Kriterien die Gesamtzufriedenheit sinken würde. Das macht alleine inhaltlich keinen Sinn.

Ich habe nun einmal eine einfache Regression aller 33 unabhängigen Variablen auf die abhängige Variable durchgeführt. Dabei kommt heraus, dass alle Variablen einen signifikanten sowie positiven Einfluss auf die Gesamtzufriedenheit haben.

Kann mir jemand sagen, was die genaue statistische Erklärung dafür ist und ob es ein Argument in der Literatur gibt, dass besagt, dass man in gewissen Situationen (z.B. unzureichende Validität oder Reliabilität) anstelle einer multiplen Regression auf eine einfache Regression zurückgreifen darf?

[dutchie]

Hallo Sophia

Du siehst das 33 einfache Regressionen in die Irre führen,
und auf die Multiple Regression nicht verzichtet werden kann!!!!

als kannst du das problem nicht lösen, indem du etwas weglässt
sondern eher was hinzufügst..

Die 33 Kriterien sind hoch korrleliert oder?
mach eine Faktorenanalyse mit den 33 Kriterien?
gibt das eventuell nur einen oder zwei Faktoren?
wie könnte man diese interpretieren....
korreliere mal mit den Faktorwerten, und versuch die UVs unabhängig zu definieren
33 korrelierte Kriterien erklären vielleicht weniger als 3 unabhängige Kriterien..

Zum anderen kann es sein das der Vorgang nicht additiv ist!!
Man ist nur zufrieden wenn alles OK ist,
wenn alles mist ist in man natürlich unzufrieden,
aber am meisten stört man sich, wenn 32 Kriterien erfüllt sind,
und dann irgend ein Kriterium den eindruck trübt.
das würde den negativen Koeffizienten erklären.

möglich ist auch ein Suppressioneffekt (einfach mal googln...)

also das problem nicht lösen, indem man die multiple Regression einfach unter den Tisch fallen läßt.
eher an der interpretation basteln..

gruß
dutchie

[SophiaK]

Hallo Dutchie,

lieben Dank für die Antwort.
Ok es hilft mir schon mal weiter, dass ich in diesem Fall nicht einfach eine einfache Regression machen darf.
Ich habe bereits eine Faktorenanalyse durchgeführt. Nach Rotation kommen 4 Faktoren raus, die sich aber inhaltlich nicht so gut interpretieren lassen.
Was meinst du mit "korreliere mal mit den Faktorwerten, und versuch die UVs unabhängig zu definieren"? Ich habe die 4 Faktoren für die Diskriminanzanalyse miteinander korrelieren lassen und es kommt nur eine sehr geringe korrelation heraus, allerdings ist diese nicht signifikant. Wofür steht die Abkürzung "UV"?

[dutchie]

hallo SophiaK

UV = unabhängige Variable
Die 4 Faktoren sind unabhängig voneinander
mach die Regression, erkläre die AV (abhängige Variable)
mit den 4 faktoren, dazu diese Faktore als Faktorwerte in der datei abspeichern,
sodaß jede VP einen Wert auf den Faktoren erhält.

gruß
dutchie

[SophiaK]

Hi Dutchie,

danke für deine Hilfe.

Die Faktorenanalyse habe ich sowie so schon gemacht. Die multiple Regression mit allen Faktoren war nur ein Zusatz und dabei bin ich auf dieses Problem gestoßen.
Die Werte, die daraus kommen machen auch Sinn.

Liebe Grüße
Sophia