hallo
Rebe hat geschrieben: ↑20.12.2021, 20:53
Hallo Dutchie,
vielen Dank für deine Antwort!
Hab es leider noch nicht ganz kapiert. Meinst du mit x Prädiktoren im Modell? Dann würde das bedeuten das ich die Klassifizierungstabelle ohne den Prädiktor also nur mit der Konstante im Modell (Block 0) mit der Klassifizierungstabelle mit dem Prädiktor vergleichen soll? Da steht leider genau dasselbe (also Ja wurde 0mal vorhergesagt).
Gruß
ja genau, nur mit konstante heißt, ohne einfluß von x (UVs) das ist nur das Vorkommen in deiner Stichprobe
und das ist repräsentativ für die population, nur dann klappt das, wenn du jetzt nur auf diesen Tabellen schaust
denks du dir zu recht???
d.h. das bringt dir nix um den Effekt zu verdeutlichen.
Rebe hat geschrieben: ↑20.12.2021, 21:18
Verstehe ich das richtig, dass es sein kann, dass das Modell für ein Ereignis das selten ist eher nein vorhersagt auch, wenn der Prädiktor die Wahrscheinlichkeit, dass das Ereignis eintritt erhöht?
ja genau das ist der unterschied zwischen Modell und Anwendung, Vorhersage
du kannst ja nur ja/nein vorhersagen, Prävalenz = 0.00001 seltenen Krankheit P(Krank/X = 1 = Vitamine) = 0.0001
Vitamine helfen, aber, ob eine x beliebige Person die Vitamine schluckt auf der Straße krank ist, wenn du raten solltes
würde des du sagen nein, weil die P(nicht krank/ Vitamine) = 0.9999 viel größer.
Die Verwendung von dem Ding bringt dir nix.
Rebe hat geschrieben: ↑20.12.2021, 21:21
Ist das Klassifikationsdiagramm das Modell dieser Graf mit den beobachteten Gruppen und vorhergesagten Wahrscheinlichkeiten?Sorry für die vielen Fragen. Bin noch Einsteiger bei dem ganzen Statistikzeug
bei mir sieht das so aus:
https://ibb.co/CVvYpZB
Zur interpretation verwendest an sich erstmal das odds ration
da gibts dann noch so ein margin effekt dings (weiß gerade nihct wie das genau heiß)
hat SPSS aber nicht.
gruß
dutchie