ich glaube ich habe einen kleinen Denkfehler bei meiner Regression und mir kann jemand helfen.
Also ich habe als r²=.167 (was ja relaitv wenig ist). Dies heisst heisst ja, dass 16,7% der abhänggen Variablen durch meine 2 unabhängigen aufgeklärt wird.
Dann weiter habe ich als beta
Var1 = 0.212 Standard. beta = .302
Vari2= 0.134 = .245
Das bedeutet ja(?)
Abhängige Variable= Ausprägung1*0.302+ AusprägungVar2*0.245+Fehler
Hier widerum finde ich .302 und .245 extrem hoch, daja nur Werte zwischen
Hallo Susan,
entscheidend ist nicht, wie groß die Betas sind, sonder wie groß ihre Standardfehler sind (bzw deren Verhältnis zueinander).
Dann weiter habe ich als beta
Var1 = 0.212 Standard. beta = .302
Vari2= 0.134 = .245Das bedeutet ja(?)
Abhängige Variable= Ausprägung1*0.302+
AusprägungVar2*0.245+Fehler
Wenn ich das richtig verstehe, dann ist beta1 0,302 und der dazu gehörige Standardfehler 0,460 (Wurzel aus Varianz).Mit diesen Daten muss jetzt die Signifikanz des Betakoeffizienten berechnet werden. Nach dem t-Test ergibt sich ein Wert von 0,6559 (0,302/0,460). Das ist sehr schlecht, der Standardfehler ist ja größer als der Koeffizient. Nach der Faustformel beim t-Test muss mindestens ein Wert von 2 rauskommen. Der anderen Koeffizient ist ebenfalls nicht signifikant.
Dies passt aber
doch nicht zu dem ersten Wert, der besagt, dass mein gesamtes
Modell relativ unngenau ist.
Doch das passt sehr gut, beide Koeffizienten sind nicht signifikant.
Ich hoffe das war verständlich genug, falls nicht nochmal nachfragen, oder einfach mal ‚Signifikanztest‘ googeln.
MfG Trillian
nee, SPSS gibt ja hinten aus, ob es signifikant ist (und es ist sehr signifikant).
Der Standarfehler ist folgendermaßen
Var 1 beta = 0.160 SE= .051 p= .002
Var 2 beta = 0.122 SE= .035 p= .001
Var 3 beta = .154 SE= .048 p= .002
Was ich glaube, dass ich annehmen, dass die standardisierten Betas einen Raum von 0-1 annehmen. ABer vielleicht stimmt dies gar nicht. (und das bedeutet, die sind auch sehr klein). Dann würds ja ungefähr passen.
[Bei dieser Antwort wurde das Vollzitat nachträglich automatisiert entfernt]
Huhu!
Also ich habe als r²=.167 (was ja relaitv wenig ist).
Dies heisst heisst ja, dass 16,7% der Variabilität meiner ! abhänggen Variablen durch meine 2 unabhängigen aufgeklärt wird.
Hier widerum finde ich .302 und .245 extrem hoch, daja nur
Werte zwischen
Hallo,
der Zusammenhang zwischen R2 und den standardisierten Partialregressionskoeffizienten βi lautet:
R2 = ∑i(βi * ryi) = ∑i(βi2) + 2∑∑(βiβjrij).
Die Formel erlaubt aber keine Rückführung der aufgeklärten Varianz R2 auf die standardisierten Partialregressionskoeffizienten und damit der Prädiktorvariablen.
Um die Varianz zu berechnen, die eine Variable über die Zusammenhänge mit den anderen Variablen hinaus aufklärt (der „unique“ Anteil eines Prädiktors Xi), muß man die quadrierte Semipartialkorreation sr2 berechnen:
sr2 = βi2(1-Ri2)
Ri2 ist die Varianz von Xi, die durch alle Xj, j ≠ i, aufgeklärt wird.
Wenn Du Dir in SPSS die Semipartialkorrelationen (Teilkorrelationen / part correlations) ausgeben läßt und sie quadrierst, erhältst Du also den uniquen Beitrag der Variablen zum Determinationskoeffizienten und kannst dessen Größe (und damit die „Bedeutung“ der Variablen im Sinne der Varianzaufklärung) direkt einschätzen. Der Rest von R2 ist der Anteil, der von allen Prädiktoren gemeinsam aufgeklärt wird.
Beste Grüße,
Oliver Walter