Hallo zusammen,
ich schreibe meiner Masterarbeit und habe einige Fragen bezüglich der Nicht-normale-Verteilung einiger Variablen.
Meine vier abhängigen Variablen (intervallskaliert) sind laut dem Kolmogorov-Smirnov-Test nicht normal verteilt (sig. 0,0%). D.h. in diesem Fall kann ich nur die nicht-parametrische Tests für Mittelwertvergleiche nämlich Mann-Whitney und Kruskal Wallis durchführen.
Frage: Da es die AV nicht normal verteilt sind, darf ich trotzdem Regressionsanalyse (einfache + mutiple) und Varianzanalyse durchführen? Falls nicht, welche Methoden dann?
Freue mich auf ihr Feedback
Danke
Variablen nicht normal verteilt - Regression erlaubt?
-
wish117
- Beiträge: 10
- Registriert: 21.08.2012, 14:50
-
Generalist
- Beiträge: 1733
- Registriert: 11.03.2010, 22:28
Variablen müssen nicht normalverteilt sein.
Allenfalls sollten die Residuen normalverteilt sein.
http://www.duke.edu/~rnau/testing.htm
Auch dies ist wenig bis gar nicht bedeutsam, wenn die
Stichprobe nicht klein ist (zentraler Grenzwertsatz).
Allenfalls sollten die Residuen normalverteilt sein.
http://www.duke.edu/~rnau/testing.htm
Auch dies ist wenig bis gar nicht bedeutsam, wenn die
Stichprobe nicht klein ist (zentraler Grenzwertsatz).
-
wish117
- Beiträge: 10
- Registriert: 21.08.2012, 14:50
Hallo,
danke für die rasche Antwort. Habe die Residuen bei der linearen Regression als Variable (unter Speichern - nicht standardisierte Residuen) gespeichert und danach diese Variable anhand des Kolmogorov-Smirnov-Tests getestet. Als Ergebnis kam Sig. 0,205 bzw. 20,5% > 0,05%. Heißt das jetzt, die Residuen weichen nicht signifikant von einer Normalverteilung ab und man darf eine Regression durchführen?
Danke
danke für die rasche Antwort. Habe die Residuen bei der linearen Regression als Variable (unter Speichern - nicht standardisierte Residuen) gespeichert und danach diese Variable anhand des Kolmogorov-Smirnov-Tests getestet. Als Ergebnis kam Sig. 0,205 bzw. 20,5% > 0,05%. Heißt das jetzt, die Residuen weichen nicht signifikant von einer Normalverteilung ab und man darf eine Regression durchführen?
Danke
-
wish117
- Beiträge: 10
- Registriert: 21.08.2012, 14:50
Hallo,
ich habe noch eine Frage bezüglich der Regression.
Ich möchte folgenden Hypothesen überprüfen: Das Motiv "Information", "Unterhaltung", "Identifikation" und "Information" (UV) wirken positiv auf die Mitgliedschaft (AV).
Die Variablen sind intervallskaliert, Residuen (AV) normalverteilt und korrelieren untereinander positiv.
Die lieneare Regression hat gezeigt, dass das Regressionsmodel zwar signifikant ist (Sig. 0,0%), aber von den vier Regressionskoeffizienten nur 3 signifikant sind. Bei der "Unterhaltung" trifft das nicht zu, da p>0,05%.
Frage. Soll ich jetzt diese Variable "Unterhaltung" aus dem Regressionsmodell entfernen und noch einmal mit nur 3 Variablen testen oder gibt es eine andere Methode, mit der ich den Zusammenhang "Unterhaltung" - "Mitgliedschaft" überprüfen kann?
ich habe noch eine Frage bezüglich der Regression.
Ich möchte folgenden Hypothesen überprüfen: Das Motiv "Information", "Unterhaltung", "Identifikation" und "Information" (UV) wirken positiv auf die Mitgliedschaft (AV).
Die Variablen sind intervallskaliert, Residuen (AV) normalverteilt und korrelieren untereinander positiv.
Die lieneare Regression hat gezeigt, dass das Regressionsmodel zwar signifikant ist (Sig. 0,0%), aber von den vier Regressionskoeffizienten nur 3 signifikant sind. Bei der "Unterhaltung" trifft das nicht zu, da p>0,05%.
Frage. Soll ich jetzt diese Variable "Unterhaltung" aus dem Regressionsmodell entfernen und noch einmal mit nur 3 Variablen testen oder gibt es eine andere Methode, mit der ich den Zusammenhang "Unterhaltung" - "Mitgliedschaft" überprüfen kann?
-
Generalist
- Beiträge: 1733
- Registriert: 11.03.2010, 22:28
Das wären 4 getrennte Analysen. Oder meinst Du: "wieken gemeinsam auf...".Ich möchte folgenden Hypothesen überprüfen: Das Motiv "Information", "Unterhaltung", "Identifikation" und "Information" (UV) wirken positiv auf die Mitgliedschaft (AV).
Wozu? Die Analyse ist komplett.Frage. Soll ich jetzt diese Variable "Unterhaltung" aus dem Regressionsmodell entfernen
-
wish117
- Beiträge: 10
- Registriert: 21.08.2012, 14:50
Hallo,
diese vier Motive (Information, Identifikation, Unterhaltung, Zugehörigkeit) gehören zu einem Konstrukt "Motivation" und möchte testen, dass jedes einzelne Motiv einen positiven Einfluss auf die "Mitgliedschaft" ausübt.
Die Regression ergibt, dass "Unterhaltung" keine Wirkung auf die Mitgliedschaft ausübt bzw. kein signifkantes Ergebnis, obwohl positiv mit der Mitgliedschaft korreliert (bei der Korrelationsanalyse). Für mich ist natürlich nicht von Vorteil, wenn ich das Motiv "Unterhaltung" ausschließen soll.
diese vier Motive (Information, Identifikation, Unterhaltung, Zugehörigkeit) gehören zu einem Konstrukt "Motivation" und möchte testen, dass jedes einzelne Motiv einen positiven Einfluss auf die "Mitgliedschaft" ausübt.
Die Regression ergibt, dass "Unterhaltung" keine Wirkung auf die Mitgliedschaft ausübt bzw. kein signifkantes Ergebnis, obwohl positiv mit der Mitgliedschaft korreliert (bei der Korrelationsanalyse). Für mich ist natürlich nicht von Vorteil, wenn ich das Motiv "Unterhaltung" ausschließen soll.
-
Generalist
- Beiträge: 1733
- Registriert: 11.03.2010, 22:28
De Regression ergibt, dass kein ZusammenhangDie Regression ergibt, dass "Unterhaltung" keine Wirkung auf die Mitgliedschaft ausübt
nachweisbar ist, sofern die anderen 3 Prädiktoren
mit ins Modell eingeschlossen werden. Damit wird
zumindest im Modell der Zusammenhang zwischen
diesem Prädiktor und der AV weitgehend durch die
3 übrigen Prädiktoren erklärt.
Wobei, warum, wozu solltest Du es ausschließen?Für mich ist natürlich nicht von Vorteil, wenn ich das Motiv "Unterhaltung" ausschließen soll.
-
wish117
- Beiträge: 10
- Registriert: 21.08.2012, 14:50
Hallo,
dein letztes Kommentar hat mir sehr geholfen. Ich denke, ich hab schon verstanden, wo mein Fehler lag.
Bis jetzt habe ich bei der Regression für AV(Mitgliedschaft) und für die UV alle vier Motive zusammen (Motiv1, M2,M3,M4) eingegeben und nicht jedes einzeln mit der AV getestet. Deswegen bekomme ich als Ergebniss, dass beim Zusammenwirken aller vier Motive, nur 3 signifikante Ergebnisse liefern.
Wie du geschrieben hast "für jedes Motiv einzelne Analyse" habe ich so gemacht und konnte schließlich nachweisen, dass jedes einzelne Motiv (sig. 0,0%) einen positiven Einfluss auf die AV hat.
Danke für die Hilfsbereitschaft
dein letztes Kommentar hat mir sehr geholfen. Ich denke, ich hab schon verstanden, wo mein Fehler lag.
Bis jetzt habe ich bei der Regression für AV(Mitgliedschaft) und für die UV alle vier Motive zusammen (Motiv1, M2,M3,M4) eingegeben und nicht jedes einzeln mit der AV getestet. Deswegen bekomme ich als Ergebniss, dass beim Zusammenwirken aller vier Motive, nur 3 signifikante Ergebnisse liefern.
Wie du geschrieben hast "für jedes Motiv einzelne Analyse" habe ich so gemacht und konnte schließlich nachweisen, dass jedes einzelne Motiv (sig. 0,0%) einen positiven Einfluss auf die AV hat.
Danke für die Hilfsbereitschaft
