SPSS: lineare Regression vs Allgemeines Lineares Modell Univariat?
Hallo,
ich habe eine Frage. Ich habe zwei Fragebögen die ich in SPSS auswerten soll.
Ich muss die Hypothesen Testen:
- Besteht ein Einfluss von der Unabhängigen Variable auf die Abhängige Variable
- Welche Unabhängige Variable hat einen stärkeren Einfluss auf die Abhängige Variable.
Alle Anworten sind 7-point likert scales (1- stimme gar nicht zu --> 7- stimme voll zu)
Nun weiß ich, dass wir sowohl mit linearer Regression arbeiten und aber auch mit dem Allgemeines Linearen Modell (Univariat) - kann mir jemand sagen welches ich jetzt nehmen soll für welche Hypothese? Bzw was der Unterschied zwischen den beiden ist, denn es kommen unterschiedliche Signifikanz/ F-Values bei der Regression vs der ALM raus. Und soll ich jede Unabhängige Variable extra auf die Abhängige Testen oder gemeinsam?
Danke!
LG
2 Antworten
Du hast wie es scheint keine Likert-Skalen, sondern Likert-Items (Likert-Skalen bestehen aus mehreren Likert-Items, die summiert werden)? Likert-Items sind streng genommen ordinalskaliert, was aber oft ignoriert wird. Nimmt man diese Variablen also als intervallskaliert an, dann ist die Regressionsanalyse Methode der Wahl. Wenn nämlich die erklärende Variable im ALM als "Faktor" verwendet wird, dann betrachtet die Prozedur die 7 Stufen als 7 qualitative Kategorien, was einen herben Informationsverlust bedeutet, der in der 7stufigen Messung steckt (u.a. daher unterschiedliche Ergebnisse).
Die 2. Frage ist selbst für Experten häufig schwer zu beantworten, wenn die UVs auch miteinander korreliert sind und sozusagen in ihrem Erklärungswert für die AV "überlappen" können. Wenn man einfach fragt, welche Variable ist am engsten mit der "abhängigen Variable" assoziiert, könnte man die Korrelationen zwischen den beteiligten Variablen berechnen und dann per statistischem Test paarweise vergleichen (online geht das hier: https://www.psychometrica.de/correlation.html#dependent ). Vielleicht ist auch einfach nur gefragt, eine multiple lineare Regression zu rechnen, also alle UVs simultan in die Regression einzubringen und sich dann die Regressionsgewichte anzusehen, ohne groß zu testen.
vielen dank! darf ich dich noch fragen, woher ich weiss ob ich alle unabhängigen variablen mit in die regression ziehen soll.
Beispiel:
Ich habe verschiedene Risiken
- Sicherheits Risiko
- Persönliches Risiko
und verschiedene Nutzen
- Geldlicher Nutzen
- Sozialer Nutzen
all
Nun möchte ich wissen welchen Einfluss diese unabhängige Variablen jeweils auf die abhängige Variable (Wiederkommen) haben.
Meine Frage deshalb: soll ich jetzt alle (Sicherheits-/Persönliches Risiko, Geldlicher-/ Sozialernutzen) als unabhängige Variablen in die Regression ziehen oder alle einzeln Testen oder nur die zwei Risiken testen und extra die zwei Nutzen testen?
Ich will eben wissen ob eine Beziehung zwischen jeder einzelnen Unabhängigen Variable und dem Wiederkommen besteht
und ich will auch wissen, welche unabhängige stärker ist?
Bin ich dann generell mit einer Regression richtig?
Man sagt, ab 5 Stufen wären lineare Modelle in Ordnung. D.h. du kannst ja ein ganz einfach OLS-Modell und ein Ordinal-Modell rechnen und schauen, ob es krasse Unterschiede gibt. Zusätzlich empfehle ich dir auf Normalverteilung zu prüfen (auch wenn es nur 7 Ausprägungen sind). Trifft sie nicht zu, müsstest du dir in deinen Regressionsberechnungen robuste Standardfehler ausgeben lassen.
Liegt denn überhaupt eine theoretische Grundlage für die Beziehungen zwischen den (un)abhängigen Variablen vor? Wenn nicht, dann kannst du erstmal mit einer Korrelationsanalyse nach ersten Hinweisen schauen und dann das Regressionsmodell anpassen. Am Ende kannst du einfach alle unabhängigen Variablen implementieren, dir standardisierte Koeffizienten ausgeben lassen und schauen, welche am meisten Einfluss ausübt. ACHTUNG! Da das ein "data driven"-Prozess ist, wird dieses Vorgehen je nach Fachbereich anders beurteilt. In den sozialwissenschaften ist es eher verpönt, in den Wirtschaftswissenschaften ist es okay.
Hallo, danke für deine Antwort!
Darf ich dich noch was fragen,
wenn ich mir die Koeffizienten anschaue in der Regression dann erhalte ich nicht signifikante Ergebnisse bei einer Variable, wenn ich alle Unabhängigen Variablen in die Regression schmeisse.
wenn ich jedoch diese eine Variable alleine in eine lineare Regression nehme, erhalte ich ein signifikantes Ergebnis (welches auch eigentlich laut der Korrelationentabelle signifikanz sein sollte)
Muss ich also alle unabhängigen Variablen die nichts miteinander zu tun haben einzeln in die Regression schmeissn?