SPSS Regression vs Correlation?
Ich bräuche dringend eure Hilfe.
Im Screenshot seht ihr wie ich zuerst eine Korrelation durchgeführt habe.
Dann eine lineare Regression mit drei unabhängigen Variablen.
Dann eine lineare Regression mit nur einer unabhängigen Variable.
(Es handelt sich immer um die gleichen Variablen)
Bei der Regression mit nur einer unabhängigen Variable (Social Benefit) erhalte ich den gleichen Beta wie in der Correlationstabelle und Social Benefits --> Revisit ist signifikant!
Wenn ich jedoch alle drei unabhängigen Variablen in die Regression packe, dann erhalte ich ein ganz anderes Beta und auch nicht signifikant.
Nun weiß ich nicht was ich für meine Hypothesenn verwenden muss. Alle drei unabhängigen Variablen in der Regression oder die unabhängigen Variablen jeweils einzeln testen?
H1: Je höher der soziale Nutzen, desto höher ist die Wiederkaufsabsicht
H2: Je höher der finanzielle Nutzen, desto höher ist die Wiederkaufsabsicht
H3: Je höher der hedonische Nutzen, desto höher ist die Wiederkaufsabsicht
Ich bitte um dringende Hilfe.
DANKE
1 Antwort
Sozialer Nutzen ist mit hedonistischem Nutzen mäßig bis mittelhoch korreliert. Insofern "überlappen" sich die Variablen.
Hedonistischer Nutzen ist mit der Kaufabsicht hoch korreliert.
Hat man beide Variablen in derselben Vorhersagegleichung, dann nimmt hedonistischer Nutzen dem sozialen Nutzen sozusagen einen Teil seiner Vorhersageleistung weg, wodurch der ohnehin mäßige (aber aufgrund der großen Stichprobe statistisch signifikante) Zusammenhang sozialer Nutzen/Kaufabsicht sich verringert und der statistische Signifikanztest nicht mehr p < 0,05 ergibt.
Es gibt also 2 Ergebnisse, die man berichten kann, einmal die bivariaten Beziehungen, zum anderen die multiple Regression ("der [geringe] Stichprobenzusammenhang SN/WKA ist statistisch signifikant; in der multiplen Regressionsanalyse, unter Adjustierung für die beiden anderen Prädiktoren, ist er nicht mehr statistisch signifikant").
