Zum Standup 06 gab es einige Nachfragen sowohl im Hangout als auch per Mail. Hier findet Ihr die Zusammenfassung der Fragen und Antworten.

Frage: "Kannst Du grob skizzieren, wie das beste Vorgehen bei Standup 06 B ist?"

Antwort: Das Berechnen der Regression in SPSS ist ganz einfach: Analysieren | Regression | Linear.

In diesem Dialog lässt man alles genau so wie es ist und klickt nur die AV sowie die UVn in die entsprechenden Felder. Das war’s! Nun reduzierst Du die Regressionsgleichung, indem Du die Regeln für Nützlichkeit, Redundanz und Suppression anwendest, die wir in der Vorlesung kennen gelernt haben.


Frage: Wie bestimme ich Nützlichkeit, Redundanz und Suppression in SPSS? Muss ich das über die Interkorrelationsmatrix machen? Es reicht ja wahrscheinlich nicht, wenn ich die beta-Werte betrachte und ohne die niedrigen die Regression nochmal berechne und dann R bzw. R² vergleiche?

Antwort: Die Betrachtung der beta-Gewichte ist prinzipiell sehr sinnvoll, Du greifst da aber unserem nächsten Seminartermin vor. Wir beschränken uns erst einmal auf Nützlichkeit, Redundanz und Suppression. Diese Kennwerte sind in SPSS nicht direkt berechenbar, es ist etwas Handarbeit erforderlich.

Die notwendigen Regeln finden sich in den Vorlesungsfolien vom 13.12.2011.

(1) Für die Nützlichkeit U eines Prädiktors braucht man die Determinationskoeffizienten R², die Dir von SPSS für jede Kombination von Prädiktoren ausgegeben werden.

(2) Für die Redundanz benötigt man die betas und die Kriteriumskorrelationen. Dafür kann, wie Du ganz richtig gesagt hast, die Korrelationsmatrix berechnet werden, Man kann aber auch im SPSS-Dialog zur Multiplen Regression auf „Statistik“ klicken und dort das Häkchen bei „Deskriptive Statistik“ setzen. Es kommt aufs Gleiche heraus.

(3) Für die Suppression schließlich benötigt man die Kriteriumskorrelationen und die Nützlichkeit U des Prädiktors. Beides ist schon aus (1) und (2) bekannt.

Günstigerweise schaut man erst einmal primär die Nützlichkeit an. Also: U für jeden Prädiktor berechnen und dann denjenigen mit dem kleinsten U eliminieren. Dann dasselbe Prozedere für die verbleibende Kombination von Prädiktoren und so weiter. Sobald man findet, dass auf keinen Prädiktor mehr verzichtet werden kann, sollte noch geprüft werden, ob einer der verbleibenden Prädiktoren auf Basis des Redundanzkriteriums nicht berücksichtigt werden sollte. Zudem kann informationshalber noch ermittelt werden, ob Suppressoren unter den Prädiktoren enthalten sind. Dann hat man es!

Im Seminar werden wir Wege kennen lernen, um SPSS diese Arbeit übernehmen zu lassen, aber auch die Limitationen besprechen, die SPSS dabei aufweist.


Frage: "Bei der Standup Gruppe A (Illustration) habe ich an das einfache Streudiagramm gedacht aber komme nicht weiter, weil alle Prädiktoren dargestellt werden sollen. Es kann aber jeweils nur eine Variable der x- und y- Achse zugeordnet werden.
Ist es möglich die Daten passend zu verändern oder ist es sinnvoller ein anderes Diagramm zu wählen?

Antwort: Genau die Aufgabenstellung beachten! Es soll der Zusammenhang zwischen den vorhergesagten und den beobachteten Kriteriumswerten illustriert werden. Die Prädiktoren haben dort nichts zu suchen. Es geht also um einen Scatterplot (absolut richtig!), der y und ydach gegeneinander darstellt. Das kann man auf verschiedene Weise machen, z.B.

(1) Im SPSS-Dialog zur Multiplen Regression klickt man auf den Button "Speichern" und setzt dann ein Häkchen bei "Nicht standardisiert". Nach der Berechnung der Multiplen Regression taucht in der Datendatei eine neue Variable auf, die die vorhergesagten Werte enthält. Jetzt ist der Scatterplot wie gewohnt zu erstellen.

(2) Im SPSS-Dialog zur Multiplen Regression klickt man auf den Button "Diagramme" und wählt dort für X die Variable "ADJPRED" und für Y die Variable "DEPENDNT". Nach der Berechnung der Multiplen Regression erscheint im Output das gewünschte Diagramm.
Shared publiclyView activity