Statistik Regression SPSS?
Warum ist die Ermittlung von R-Quadrat im bivariaten Fall grundsätzlich nicht
erforderlich?
2 Antworten
R-Quadrat ist ein Maß für die Stärke der Korrelation zwischen zwei Variablen, wobei eine Variable die abhängige (oder auch ausgangsbedingte) Variable und die andere die unabhängige (oder auch erklärende) Variable ist. In einem bivariaten Fall ist es nicht notwendig, R-Quadrat zu berechnen, da es nur zwei Variablen gibt, und die Stärke der Korrelation zwischen ihnen bereits direkt aus dem Korrelationskoeffizienten abgelesen werden kann.
Die Regression ist ein statistisches Verfahren, das verwendet wird, um eine Beziehung zwischen zwei oder mehr Variablen zu untersuchen. Es kann in verschiedenen Anwendungen verwendet werden, zum Beispiel zur Vorhersage von Ergebnissen auf der Grundlage von beobachteten Daten oder zur Ermittlung der Ursachen von bestimmten Ereignissen.
In SPSS (Statistical Package for the Social Sciences) können Sie die Regression verwenden, um die Beziehung zwischen Ihren Variablen zu untersuchen und zu berechnen, wie gut eine Variable die andere erklärt.
Grundsätzlich ist die Ermittlung nicht erforderlich in Regressionen, auch bei multiplen Regressionen nicht. R² ist halt die Varianzaufklärung des Modells, die kann einen interessieren oder auch nicht. Allerdings steckt die Information über R und R² schon in dem fertigen einfachen Regressionsmodell drin (der standardisierte Regressionskoeffizient beta = R der einfachen Regressionsanalyse = r der bivariaten Korrelation). Und der Signifikanztest des einfachen Modells läuft bereits über den Test von b bzw. beta.