Hallo,
vermutlich eine triviale Frage, aber ich bin mir halt nicht sicher? Was heisst ein negatives Vorzeichen des Regressionskoeffizient B (log. Regr.)? Die Exp (B) Werte sind wiederum positiv.
Heisst das ein negativen Einfluss, also dass die Wahrscheinlichkeit durch eine Erhöhung sinkt?
Besten Dank
Negatives Vorzeichen Regressionskoeffizient B
-
- Beiträge: 16
- Registriert: 24.07.2011, 21:50
-
- Beiträge: 8
- Registriert: 08.08.2011, 20:37
Eine lineare Interpretation ist bei der logistischen Regression - im Gegensatz zur "normalen" Regression - nicht möglich. Die Regressionskoeffizienten sind also nicht einfach zu interpretieren. Ich schreib dir hier mal die Antwort aus meinem schlauen Buch hin:
"Die Regressionskoeffizienten bj beeinflussen den Verlauf der logistischen Funktion in der Weise, dass sich die Wahrscheinlichkeitswerte für grosse bj (z.B. bj grösser 1) sehr schnell den Randbereichen der logistischen Funktion (0 und 1) annähern, während die Wahrscheinlichkeitswerte für kleine bj (0 kleiner bj kleiner 1) in Abhängigkeit von X nur sehr langsam ansteigen. Bei einem Regressionskoeffizienten von bj = 0 liegen die sich ergebenden Wahrscheinlichkeiten für alle Beobachtungen der unabhängigen Variablen Xj bei 0.5. Während für positive Regressionskoeffizienten bj die Wahrscheinlichkeiten mit grösser werdenden Beobachtungswerten ebenfalls - wenn auch nicht linear - ansteigen, bewirken negative Regressionskoeffizienten ein Absinken der Wahrscheinlichkeit P(y=1) mit ansteigenden Beobachtungswerten der unabhängigen Variablen" ...
kurz:
"negative Regressionskoeffizienten führen bei steigenden X-Werten zu einer kleineren Wahrscheinlichkeit für die Ausprägung y=1, während positive Regressionskoeffizienten bei entsprechender Entwicklung von X einen Anstieg der Wahrscheinlichkeit für das Ereignis y=1 bedeutuen."
Ich hoffe, das hilft dir...
LG
"Die Regressionskoeffizienten bj beeinflussen den Verlauf der logistischen Funktion in der Weise, dass sich die Wahrscheinlichkeitswerte für grosse bj (z.B. bj grösser 1) sehr schnell den Randbereichen der logistischen Funktion (0 und 1) annähern, während die Wahrscheinlichkeitswerte für kleine bj (0 kleiner bj kleiner 1) in Abhängigkeit von X nur sehr langsam ansteigen. Bei einem Regressionskoeffizienten von bj = 0 liegen die sich ergebenden Wahrscheinlichkeiten für alle Beobachtungen der unabhängigen Variablen Xj bei 0.5. Während für positive Regressionskoeffizienten bj die Wahrscheinlichkeiten mit grösser werdenden Beobachtungswerten ebenfalls - wenn auch nicht linear - ansteigen, bewirken negative Regressionskoeffizienten ein Absinken der Wahrscheinlichkeit P(y=1) mit ansteigenden Beobachtungswerten der unabhängigen Variablen" ...
kurz:
"negative Regressionskoeffizienten führen bei steigenden X-Werten zu einer kleineren Wahrscheinlichkeit für die Ausprägung y=1, während positive Regressionskoeffizienten bei entsprechender Entwicklung von X einen Anstieg der Wahrscheinlichkeit für das Ereignis y=1 bedeutuen."
Ich hoffe, das hilft dir...
LG
-
- Beiträge: 8
- Registriert: 08.08.2011, 20:37
-
- Beiträge: 16
- Registriert: 24.07.2011, 21:50
-
- Beiträge: 16
- Registriert: 24.07.2011, 21:50
Hallo Generalist,
ich habe einiges dazu gelesen u.a. von Aldrich und Nelson, Hosmer und Lemeshow, Jöreskog und Sörböm, Kraft , den großen Backhaus etc. Aber ich lese bei den Interpretationen nie was von der Konstante!? Was heisst es, wenn die negativ ist? EInfach, dass sie einen negativen Einfluss auf die Wahrscheinlichkeit hat!? OK, aber heisst das jetzt was für das gesamte Modell?
Wäre über eine Hilfe von Dir Dankbar! Nehme gerne auch eine gute Quelle, die dies erklärt.
Danke
ich habe einiges dazu gelesen u.a. von Aldrich und Nelson, Hosmer und Lemeshow, Jöreskog und Sörböm, Kraft , den großen Backhaus etc. Aber ich lese bei den Interpretationen nie was von der Konstante!? Was heisst es, wenn die negativ ist? EInfach, dass sie einen negativen Einfluss auf die Wahrscheinlichkeit hat!? OK, aber heisst das jetzt was für das gesamte Modell?
Wäre über eine Hilfe von Dir Dankbar! Nehme gerne auch eine gute Quelle, die dies erklärt.
Danke