17.4 Multiple Regression | Erklärung des Modells an einem Beispiel

In diesem Video erkläre ich ein multiples Regressionsmodell an einem BEispiel. Wir besprechen die rolle der (unstandardisierten) Regressionsgewichte und Koeffizienten (b), sowie der standardisierten Regressionsgewichte Beta. Desweiteren den T-Test auf die Beta-Gewichte und deren Signifikanz

[@statistikgrundlagen]

Das Statistik-Buch zu diesem Kanal mit den besten Info-Grafiken und allen Videos jetzt auf Amazon: amzn.to/3dYLUip

[@okipi100]

Der Stoff ist super verständlich rübergebracht worden, vielen Dank dafür! Zurzeit verfasse ich meine Bachelorarbeit über die Regressionsanalyse und wollte Sie fragen, welche Quellen/Literatur Sie für die Videos bezüglich der multiplen Regression genutzt haben? Ich würde diese Quellen auch gerne verwenden bzw. darf ich nur Bücher, wissenschaftliche Artikel oder Dissertationen nutzen. Vielen dank im Voraus und VG!!!

[@statistikgrundlagen]

Danke. Die Bücher von Andy Field sind sicherlich oft die Inspiration für meine Videos. Viel Erfolg bei der Bachelorarbeit!

[@johanna9931]

Sehr gut erklärt

[@statistikgrundlagen]

Danke

[@sandraandrea1305]

Vielen Dank für die Erklärung, das ist wirklich eine top Videoreihe, die mir bei meiner Masterthesis sehr weiterhilft! Ich habe zu diesem Video eine Frage: Die Ergebnisse zeigen ja, dass das Gehalt und die Stimmung im Team einen Einfluss die Mitarbeiterzufriedenheit haben. Lässt sich anhand dieser Beta-Werte nun auch eine vergleichende Aussage treffen? Also hier, dass das Gehalt einen stärkeren Einfluss auf die Mitarbeiterzufriedenheit hat als die Stimmung im Team (da 0,511 > 0,414)? Könnte man hier dann Ergebnisse der Art ableiten, dass Unternehmen sich bspw. stärker auf das Gehalt fokussieren sollten, wenn sie die Mitarbeiterzufriedenheit steigern wollen? (Unbeachtet der Tatsache, dass das grundsätzlich pro Mitarbeiter individuelle Präferenzen sind und das Gehalt ggf. kein linearer Zusammenhang ist, da die Bedeutung irgendwann abflacht. Das könnte man ja dann in die Ergebnisdiskussion aufnehmen.) Ich würde mich sehr über eine Antwort von Ihnen freuen. Vielen Dank im Voraus und herzliche Grüße!

[@statistikgrundlagen]

Hallo Frau Schadt, danke und ja da haben Sie recht, genau so könnte man die Daten in diesem Fall interpretieren. Beachten Sie dabei aber bitte, dass es sich hierbei um keine echten Studiendaten handelt :-)

[@Umbelbumbel]

Kurze Verständnisfrage: Bei der Prüfung der Multikolinearität prüfen Sie die Korrelation zwischen den AV und den UV, aber eigntl müssten Sie die Korrelation zwischen den UV untereinander prüfen oder? Und diese darf dann nicht über 0,8 liegen...

[@statistikgrundlagen]

Hallo Jules, vielen Dank für den Hinweis, das ist natürlich richtig, bei der Multikollinearität prüft man Korrelation zwischen den Prädiktoren, nicht wie hier kurz dargestellt mit der UV. Hier habe ich versucht zu viel auf einmal zu machen (mir ging es bei dem Thema ja eigentlich auch darum den Mehrwert der multiplen Regression im Verleich zu einer Korrelationsmatrix zu zeigen). Aber ist trotzdem ein Versprecher, und danke für das Richtigstellen. Werde ich korrigieren! Viele Grüße! Patrick Planing

[@Umbelbumbel]

@@statistikgrundlagen Wow, vielen Dank für die schnelle Antwort. Fantastisch, dann bin ich ja beruhigt, dass ich es nicht falsch verstanden habe! Einen schönen Sonntag noch.

[@benjaminmoritzgronau9136]

Warum gibt es bei den Standardpartialregressionskoeffizienten / Betas trotzdem eine Konstante / einen Ordinatenabschnitt? Müsste diese/r durch die z-Transformation nicht jeweils bei 0 liegen?

[@statistikgrundlagen]

Da haben Sie recht dieser ist immer 0. In Statistikprogrammen wie SPSS wird dieser aufgrund der Berechnungsweise meist mit einem Wert sehr nahe 0 angegeben. Der Wert im Video scheint aber in der Tat sehr groß, das schaue ich mir nochmal an. Danke für den Hinweis

[@benjaminmoritzgronau9136]

@@statistikgrundlagen Danke für die Klärung! Ansonsten eine sehr anschauliche Erklärung, nur die Formeln hätte ich mir jeweils noch gewünscht ;).

[@statistikgrundlagen]

Danke für das Feedback

[@statistikgrundlagen]

@@benjaminmoritzgronau9136 Hallo Herr Gronau, habe mir das nochmal angeschaut und in der Tat gehört der Wert da nicht hin. Bei Beta sollte eine "0" stehen (bzw. wird bei SPSS ausgeblendet, bei R steht ein wert Nahe 0). Danke für den Hinweis, wird bei nächster Gelegenheit korrigiert.

[@timoeichmann1137]

Ich möchte die multiple Regression für meine wissenschaftliche Arbeit einsetzen, bin mir aber nicht genau sicher, ob es die richtige Wahl ist bzw. realisierbar ist. Ich möchte überprüfen, inwiefern die Textlänge, das Benutzen von Emojis, der Wochentag, etc. von Facebook-Postings die Beliebtheit bzw. die Klickrate des Postings beeinflussen. Meinen Sie, das ist mit diesen Variablen umsetzbar? Vielen Dank im Voraus!

[@statistikgrundlagen]

Ka das sollte gehen. Sie brachen dafür genügend Daten, also mehrere Hunder FB Posts. Als Abhängige Variable brauchen sie eine numerische Variable z.B Anzahl likes. Für die Prädiktoren: Die Textlänge muss numerisch sein, Einsatz von Smileys und Wochentag muss Dummy Codiert werden. Viele Grüße Grüße

[@pascalmensah8402]

Irgendwie steh ich gerade total auf dem Schlauch. Wie hast du die Konstante berechnet?

[@statistikgrundlagen]

Die Werte wurden in SPSS berechnet. Eine multiple Regression von Hand zu berechnen ist eher unüblich und auch recht umständlich, die Grundsätzliche Vorgehensweise (Methode der kleinsten Quadrate ) habe ich in der Playlist "Regression " erklärt.

[@imano.z1703]

ich verstehe nicht ganz was damit gemeint ist, dass man b1 und b2 nicht vergleichen kann weil sie nicht auf den selben Skalen sind? etwa 5:10min

[@gorg8467]

Kann man auch den Gehalt in Ränken ausdrücken?

[@statistikgrundlagen]

Ja z.B. Wenig, Mittel, Viel Gehalt wäre eine Ordinal oder Rangskala

[@itzsale3927]

Sehr gutes Video! Ist eine multiple Regression auch als Grundlage für einen RESET Test möglich, wenn in der multiplen Regression nur ein Messwert pro Regressor bzw. Regressand vorliegt (Bsp. Arbeitslosenquote, Durchschnittseinkommen etc.pp. bezogen auf den durchschnittlichen Immobilienpreis einer Stadt)?

[@statistikgrundlagen]

Wenn nur ein Messwert pro Prädiktor vorliegt können sie keine Regression durchführen, aber in ihrem Beispiel könnten Sie ja auch viele Städte betrachten und dann haben Sie je Stadt einen Wert, das würde funktionieren. Der Reset Test, zumindest so wie ich ihn kenne, testet ob die Bedingung eines linearen zusammenhangs gegeben ist, was ja eine Vorraussetzung für die lineare Regression ist (kann man auch optisch prüfen wenn man das Streudiagramm betrachtet). Viel Erfolg! PP

[@itzsale3927]

@@statistikgrundlagen Danke für die hilfreiche Antwort! SO gesehen macht es Sinn, dass eine überparametrisierte Regression nicht funktionieren kann. Wie genau werden Beta0 und Beta1 berechnet, was genau ist also der Unterschied zur Berechnung der b's bei der Stichprobe?

[@wiiiin]

Sehr informativ. Du solltest nur vielleicht etwas langsamer sprechen, trotzdem danke fürs hochladen 👍

[@DerFlash001]

Du kannst die Wiedergabegeschwindigkeit auch senken :) Also auf 0,75fache Geschwindigkeit z.B.