Hypothesen/binär logistische Regression

[adfin]

Hallo zusammen,

Ich habe folgende Hypothesen aufgestellt:

Nullhypothese:

H0: Traumatische Ereignisse jeglicher Art während des Fluchtverlaufes führen zu einer geringeren Investition in benötigtes Humankapital für die Sozialintegration in die Ankunftsgesellschaft.

Gegenhypothese:

H1: Traumatische Ereignisse jeglicher Art während des Fluchtverlaufes führen zu einer erhöhten Investition in benötigtes Humankapital für die Sozialintegration in die Ankunftsgesellschaft.

Unabhängige Variablen: Raub, Betrug, sexuelle Belästigung, körperliche Übergriffe, Schiffbruch, Erpressung, Gefängnisaufenthalt. Für die einzelnen Variablen gilt 1=ist mir passiert; 0=ist mir NICHT passiert

Abhängige Variable: Maßnahme. 1=Teilgenommen; 0=nicht teilgenommen

N=1928

Aufgrund, dass alle Variablen nominal sind und ich den Einfluss meiner unabhängigen Variablen auf meine abhängige Variable überprüfen möchte, habe ich eine binär logistische Regressionsanalyse gemacht. Das Verfahren stimmt doch oder?

Nun die Frage: Prüfe ich mit meiner Methode und den entsprechenden Kodierungen H1, statt H0?

Ich habe folgende Ergebnisse bei der Regressionsanalyse erhalten:

Code: Alles auswählen

Call:
glm(formula = Maßnahmen ~ Betrug_Ausbeutung + Sexuelle_Belaestigung + 
    Koerperliche_Uebergriffe + Schiffbruch + Raubueberfall + 
    Erpressung + Gefaengnisaufenthalt, family = binomial(), data = Sprache)

Deviance Residuals: 
   Min      1Q  Median      3Q     Max  
-1.493  -1.050  -1.029   1.310   1.556  

Coefficients:
                         Estimate Std. Error z value Pr(>|z|)    
(Intercept)              -0.30749    0.05389  -5.706 1.16e-08 ***
Betrug_Ausbeutung         0.31949    0.13642   2.342 0.019181 *  
Sexuelle_Belaestigung    -0.14650    0.35759  -0.410 0.682042    
Koerperliche_Uebergriffe -0.30333    0.17116  -1.772 0.076367 .  
Schiffbruch              -0.24668    0.17231  -1.432 0.152256    
Raubueberfall            -0.06831    0.18053  -0.378 0.705137    
Erpressung                0.62810    0.17360   3.618 0.000297 ***
Gefaengnisaufenthalt      0.07613    0.14981   0.508 0.611329    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2646.7  on 1927  degrees of freedom
Residual deviance: 2618.8  on 1920  degrees of freedom
AIC: 2634.8

Number of Fisher Scoring iterations: 4

Folgende Ergebnisse beim Ausrechnen der OR:

Code: Alles auswählen

                               OR     2.5 %    97.5 %
(Intercept)              0.7352911 0.6614010 0.8170039
Betrug_Ausbeutung        1.3764224 1.0534320 1.7990114
Sexuelle_Belaestigung    0.8637295 0.4235745 1.7394245
Koerperliche_Uebergriffe 0.7383581 0.5263072 1.0303701
Schiffbruch              0.7813887 0.5557244 1.0930461
Raubueberfall            0.9339680 0.6545560 1.3295188
Erpressung               1.8740524 1.3360410 2.6407396
Gefaengnisaufenthalt     1.0791017 0.8038531 1.4469776

Dies würde man doch dann so interpretieren, dass die die Wahrscheichlichkeit an einer Maßnahme teilzunehmen um 1,38 höher ist, wenn man einen Betrug erfahren hat?

Und damit hätte ich ja H1 was die UV Betrug angeht, bestätigt und nicht H0

Liebe Grüße

[dutchie]

Hallo
Hypothesen sind immer noch falsch!

und wo hast du die Daten her, die hast du doch nicht selber erhoben.

Dies würde man doch dann so interpretieren, dass die die Wahrscheichlichkeit an einer Maßnahme teilzunehmen um 1,38 höher ist, wenn man einen Betrug erfahren hat?

nein, das odds ratio im um 1.37 höher!! nicht die Wahrscheinlichkeit.

Und damit hätte ich ja H1 was die UV Betrug angeht, bestätigt und nicht H0

so weit ich sehe ja, Traumas auf der Flucht erhöhen die Bereitschaft zur Integration.
aber nicht alle und warum die und nicht die anderen.

....mir gefällt das Thema nicht und auch nicht, dass du Ergebnisse postest.

gruß
dutchie