OLS Regression bei =60

[markus25041978]

Hallo zusammen,

für meine Diss habe ich untersucht, ob 6 unabhängige Variablen einen signifikanten Einfluß auf 4 abhängige Variablen haben.
Dies waren z.B. Höhe der Arbeitslosenquote auf das Eigenkapital einer Stadt.
Dazu wurde eine Korrelation nach Bravais Pearson durchgeführt (bivariat).

Nun erhielt ich die Anmerkung im Review, dass doch zumindest eine OLS Regression durchgeführt werden müsste, um gerade auch das "model fit" zu testen. Meine Stichprobengröße ist knapp über 60, daher meine Frage, ob eine multiple Regression denn überhaupt sinnvoll ist, bzw. adäquate Ergebnisse erzielt. In gängiger Literatur wird entweder ein Mindest-n von 100 genannt, oder 50+8m (m=Anzahl der unabh. Variablen)...


Viele Grüße und besten Dank
Markus

[dutchie]

Hallo Markus,

na ja, was bleibt dir anderes übrig, mach eine multiple Regression.

Achte auf die Vorausetzungen! Vielleicht hebelwerte beachten,
und über Kreuzvalidierung nachdenken, also die Stichproben zufällig halbieren!
dann wird das ja noch kleiner ja aber wenn ungefähr das gleiche rauskommt umso besser!

Und diskutiere die kleine Stichprobe.
Aber wenn der Merkmalsträger Städte sind, kannst du das ja fast rein deskriptiv sehen.
dann ist das überhaupt kein Problem. Stichprobe aus wie vielen Städten einer Population?


fertig,

wenn du 4 AVs hast, eventuell auch mal kanonische Korrelation (bortz),
kommt drauf an, ob die AVs korreliert sind, und eventuell eine zusammegesetzen Inhalt abbbilden.

gruß
dutchie

[dutchie]

[markus25041978]

Hallo dutchie,


vielen Dank für Deine schnelle und hilfreiche Antwort:-)
Ich werde mir gleich einmal ansehen, wie man in SPSS eine multiple Regression durchführt. So wie ich das verstehe, messe ich zudem die Modellgüte und teste auf Multikollinearität.


Viele Grüße
Markus

[markus25041978]

..Vielleicht noch ein Nachtrag: ich habe ja 6 unabhängige Variablen und 4 abhängige (wobei die 4 AV nicht wirklich verschieden sind, jeweils 2 Eigenkapitaldefinitionen und jeweils 2 EK Quoten (also prozentual); ist EK I höher ist wahrscheinlich auch EK ii höher).
Jetzt mal die blöde Nachfrage: beim Pearson Koeffizienten habe ich ja eine Korrelation von jeder einzelner UV mit den 4 AV auf einen Zusammenhang untersucht; ist es richtig, dass nur die Regression einen Ursachen/Wirkungszusammenhang feststellen kann? Und mir ist auch die Begrifssabgrenzung bivariat und multivariat (ungleich multipel) nicht ganz klar; ich habe ja 4 AV, muss ich da multivariatvorgehen?

Entschuldige, wenn das grundlegende Statistikfragen sind, aber ich hatte das zuletzt im BWL Grundstudium:-)


Viele Grüße und vielen Dank
Markus

[dutchie]

Hi

Regression und Korrelation ist nur zusammen denkbar (meistens)
Die Korrelation (Determination) ist die Güte der Regression.
Das eine gibt es nicht ohne das andere

dass nur die Regression einen Ursachen/Wirkungszusammenhang feststellen kann

ne ne ne, das kann normal keine Regression, kein statistisches Verfahren!
Das ist nur denkbar unter Umständen, die kaum realisiert sind.......

Kausalität, kann nur durch ein aktives Experiment geklärt werden, durch die Methode.

Du hast 4 multiple Regressionen für jede AV eine,
jede multiple Regression hat 6 UVs und jeweils immer nur eine AV.

AV1 = f (UV1, UV2,UV3,...UV6)
AV2 = f (UV1, UV2,UV3,...UV6)
AV3 = f (UV1, UV2,UV3,...UV6)
AV4 = f (UV1, UV2,UV3,...UV6)

In bivariaten Verfahren gehen nur zwei Variablen ein, in multivariate (=multiple) mehr als zwei.
unabhängig davon, ob UV, AV oder sonst was...oder Regression oder Korrelation..

Bu bist multivariat, weil die 6 UVs hast, hättest du nur eine wärst du bivariat (1 AV + 1 UV)

gruß
dutchie