Normalverteilung prüfen als Regressionsvoraussetzung

[@alinahdhwk]

Wirklich top erklärt! Danke!

[@Tschuli99]

Ehrenmann 😍

[@anonymeironikerin2839]

Die Signikanztests kann man eigentlich bei großen Stichproben vergessen. Dann werden selbst triviale Abweichungen als signifikant erkannt, obwohl die keinen großen Einfluss auf die Schlussfolgerungen aus den Daten haben. Graphische Beurteilung ist eher nicht für Neulinge, da man Erfahrungen braucht. Falls Verletzung vorliegt, dann einfach das normale Modell und das Modell mit Anpassung (z. B. transformierte Daten) rechnen. Dann schauen wie groß die Abweichung ist, die man beobachtet. Wenn die Ergebnisse sich ähnelt, ist alles gut.

[@aldoraine7848]

Danke für das tolle Video! Eine Frage habe ich noch zu multipler Regression - wenn ich verschiedene Modelle teste: Lasse ich ein Histogramm (bzw. einen Test) für jedes einzelne Modell anzeigen oder eins, indem alle Prädiktoren gleichzeitig vorhanden sind?

[@RegorzStatistik]

Ein Histogramm für die Residuen der multiplen Regression (also mit allen Prädiktoren).

[@aldoraine7848]

Dankeschön! Das ist ja dann auch bei moderierten Regressionen der Fall oder? Weil diese ja rechnerisch das gleiche ist. PS: Ich hatte oberen Kommentar nochmals bearbeitet. Jetzt bin ich mir unsicher, ob sich die Antwort auf die Originalfassung oder die bearbeitete Version bezieht.

[@RegorzStatistik]

@@aldoraine7848 Ja, Voraussetzungen beziehen sich immer auf das konkrete Regressionsmodell, mit dem man die Hypothesen prüft (wenn man verschiedene Hypothesen mit verschiedenen Modellen prüft, muss man z.B. auch die Voraussetzungen mehrfach prüfen).

[@aldoraine7848]

@@RegorzStatistik Ah okay jetzt hab ich es richtig verstanden. Vielen vielen Dank!

[@simbex1904]

Wenn ich eine lineare Regression in JASP für eine AV durchführe die auf einer 7er-Likert-Skala ordinal skaliert ist (1-7), dann kommt da alles andere als eine Normalverteilung raus. Mache ich hier etwas falsch oder ist das normal und ich kann mich auf den Grenzwertsatz berufen? Dazu findet man wenig Informationen..

[@RegorzStatistik]

Streng genommen darf man für eine ordinale AV keine lineare Regression durchführen. Wenn man so tut, als wenn die AV intervallskaliert ist, gibt es verschiedene Optionen bei der Verletzung der Normalverteilung: - Berufen auf den Grenzwertsatz (wobei es strittig ist, ab welcher Stichprobengröße das zulässig ist) - m.E. besser: Verwendung von Bootstrapping (in der Regression mit JASP unter "Statistics" und dann bei "Estimates" den Haken beim Bootstrapping setzen.

[@tatjanaorth3786]

Hallo! Warum benutzen Sie studendisierte anstatt standardisierte Residuen? Ich habe beim Testen mit unstandisierten Residuen keine Signifikanz beim Kolmogorov Test, mit standardisierten aber Signifikanz. Was nun?

[@RegorzStatistik]

Habe ich so gelernt, aber zwischen standardisierten und studentisierten dürfte es nur in sehr kleinen Stichproben nennenswerte Abweichungen geben - Sie können auch die standardisierten Residuen nehmen. Ich würde in Ihrem Fall auch noch den Shapiro-Wilk-Test machen, der soweit ich weiß eine höhere Power hat als der KS-Test.

[@tatjanaorth3786]

@@RegorzStatistik Danke. Ich habe 250 Personen.

[@elisaschwing626]

Ein sehr hilfreiches Video, vielen Dank! Ich habe noch eine Frage zum generellen Vorgehen: Ich habe das Modell einer moderierte Mediation - kann ich dann auch die Voraussetzungen über eine Regression überprüfen (indem ich zB. UV, Mediator und Moderator als Prädiktoren auswähle)?

[@RegorzStatistik]

Ich würde das PROCESS Modell ausführen und dann schauen, welche beiden Regressionsmodelle PROCESS geschätzt hat (Anfang vom Output), und die dann nachbauen zum Test der Voraussetzungen. Oder gleich Bootstrap nehmen.

[@franz3371]

richtig gut danke, schön, dass man nichts mehr lesen muss