SPSS multiple regression analyse

[Tara Decker]

Ich arbeite derzeit an einem Forschungsprojekt, das darauf abzielt, die Auswirkungen der Arbeitslosigkeitsdauer, der Selbstwirksamkeit und des Bildungsniveaus auf den Alkoholkonsum zu untersuchen. Für die statistische Analyse plane ich die Verwendung einer multiplen Regression mit SPSS.



Ich habe die Selbstwirksamkeitsskala bereits in einen Score (SW-Score) umgewandelt und den Alkoholkonsum ebenfalls in einen Score (Audit-Score) umgewandelt. Ich habe jedoch einige Fragen zur Operationalisierung bestimmter Variablen für die multiple Regressionsanalyse.



Insbesondere beabsichtige ich, den Arbeitslosenstatus der Teilnehmer als binäre Variable (Ja/Nein) beizubehalten, die nicht transformiert wird. Darüber hinaus bin ich mir bewusst, dass ich das Bildungsniveau (operationalisiert als: 1=Grundschule, 2=Mittelschule, 3=High-School-Diplom, 4=Bachelor, 5=Master, 6=Ph.D.) in Dummy-Codes umwandeln sollte . Ebenso plane ich, die Dauer der Arbeitslosigkeit (operationalisiert als: 1 = weniger als 6 Monate, 2 = 6 bis 12 Monate, 3 = mehr als 12 Monate) in Dummy-Codes umzuwandeln.



Meine Hauptfrage bezieht sich auf den Umgang mit diesen dummy-codierten Variablen in der multiplen Regressionsanalyse. Sollte ich eine einzelne Regressionsanalyse durchführen, die alle dummy-codierten Variablen zusammen als Prädiktoren einbezieht, oder sollte ich separate Regressionsanalysen durchführen? Beispielsweise eine Analyse mit Audit-Score als abhängiger Variable und Bildungsniveaus als Prädiktoren, eine andere Analyse mit Audit-Score als abhängiger Variable und Dauer der Arbeitslosigkeit (die drei dummy-codierten Variablen) als Prädiktoren usw.



Ich würde mich sehr über Ihre Hinweise zum besten Ansatz zur angemessenen Analyse dieser Variablen im Rahmen der multiplen Regression in SPSS freuen.

Edit: Ich habe alle Prädiktoren (8 dummy variablen und SWB score) zusammen im Modell rein gemacht um den vergleich zwischen Effekten zu messen. Aber es steht diese Warnung: Warnungen
Bei Modellen mit der abhängigen Variablen Audit_score sind die folgenden Variablen Konstanten oder weisen fehlende Korrelationen auf: Q4=Ja. Sie werden aus der Analyse gelöscht.( Ja=1 =erwerbstätig, nein =0 nicht erwerbstätig) das Problem dass ich die Arbeitslosigkeit als Haupt Prädiktor habe, und wenn es vom Modell ausgeschlossen ist , dann ist meine Arbeit unvollständig oder?





Vielen Dank für Ihre Zeit und Rücksichtnahme.

[dutchie]

Hallo,

UV Arbeitslosigkeit
warum in Kategorien transformieren?
das kannst du doch so lassen, nur unklar, ob damit Arbeitslosigkeit vollständig erfasst ist?

Kommt auf die Frage an?
Wie lange waren sie in ihrem Leben bislang arbeitslos?
Sind sie jetzt arbeitslos?

Bei Modellen mit der abhängigen Variablen Audit_score sind die folgenden Variablen Konstanten oder weisen fehlende Korrelationen auf: Q4=Ja. Sie werden aus der Analyse gelöscht.( Ja=1 =erwerbstätig, nein =0 nicht erwerbstätig) das Problem dass ich die Arbeitslosigkeit als Haupt Prädiktor habe, und wenn es vom Modell ausgeschlossen ist , dann ist meine Arbeit unvollständig oder?

Q4 ?
unvollständig? dann änderst du die Hypothesen, wenn zufällig keine Arbeitslosen in der Stichprobe sein
sollten, das kann dir doch niemand vorwerfen.

Wenn du eine ANOVA machst ist Bildung nominal, und der PC baut dir selber die dummies
aber diese Kategorien sollten in etwas gleichbesetzt sein, und es sind auch irgendwie zu viele
normalen langen drei Grund- Realschule und Gymnasium, aber das ist heute komplexer, hängt auch vom Alter ab??

ES ist besser wenn man erstmal alles mit allem nur bivarait korreliert!
und dann das Regressionsmodell langsam von unten aufbaut, es größer werden läßt

Moderation und Mediation? bekannte Konzepte?

Gruß
dutchie