verschiedene Unabhängige Variablen kombinieren - Anfänger :(

Faktoren- und Clusteranalysen, Diskriminanzanalysen und weitere multivariate Verfahren aller Art mit SPSS

verschiedene Unabhängige Variablen kombinieren - Anfänger :(

Beitragvon SPSS_Sandra » Do 4. Apr 2013, 15:37

Hallo liebe User,

folgende Situation: Ich schreibe gerade eine Seminararbeit in Politik die einen statistischen Anteil hat, dessen Anspruch ich wohl unterschätzt habe.

Es geht in der Arbeit um Zusammenhänge zwischen der amerikanischen Wirtschaftslage und dem Wahlergebnis bei Präsidentschaftswahlen.

Die abhängige Variable ist der Stimmenanteil des Kandidaten der Partei des Amtsinhabers da, nach meiner Argumentation, die Partei weniger Stimmen bekommt, wenn die Wirtschaft den Bach runtergeht.

Ich habe zuerst einzelne erklärende Variablen in einfachen linearen Regressionen als vermutlich signifikant identifiziert. Dazu zählen so Faktoren wie "Entwicklung der Arbeitslosenquote in der Legislaturperiode" (Ich beobachte nur 25 Fälle, da weiter zurück kaum Daten vorliegen). Außerdem habe ich, in Anlehung an <a href='http://fairmodel.econ.yale.edu/rayfair/pdf/2006chtm.htm' target='_blank'>fairmodel.econ.yale.edu/rayfair/pdf/2006chtm.htm</a> aber auch Variablen die nur ja/nein (1/0) oder positiv/neutral/negativ (1/0/-1) wiedergeben um zum Beispiel sowas zu berücksichtigen wie ob der Kandidat als wirtschaftspolitisch kompetent gilt oder nicht.

Mein Problem ist, wie ich diese Variablen kombinieren kann, um zu einer Wahlfunktion zu kommen, die etwa so aussieht:

f(Stimmenanteil_amtsinhabende_Partei)=Konstante b + b1*arbeitslosigkeit + b2*Inflationsrate + bn*weitere_Variablen

Meine Fragen sind jetzt:
1. Wie bekomme ich die Konstante heraus und
2. woher die Regressionskoeffizienten? (ich arbeite mit SPSS Version 21)
3. Muss ich was besonderes beachten, weil ich die verschiedenen Variablenformen (prozentuelle Veränderung, 1/0, 1/0/-1) verwende?
4. Gibt es ein Verfahren, stufenweise eine Variable hinzuzufügen um so festzustellen, ob eine als scheinbar signifikant identifizierte Variable aufgrund von Korrelationen mit einer anderen Variable (zB Wachstum und Arbeitslosigkeit) nicht zur Verbesserung des Modells beiträgt und daher ausgeschlossen werden kann?

Ich hoffe, dass ich das jetzt einigermaßen verständlich dargestellt habe und habe noch die Hoffnung, dass das für jemanden, der Ahnung von Statistik hat, ein Kinderspiel ist.
Ich muss (Schande über mein Haupt) nichtmal genau verstehen, was da mathematisch von sich geht. Wenn jemand sagt, was ich in SPSS klicken muss um die Ergebnisse zu bekommen, wäre ich schon unendlich dankbar :).

Auch wenn ihr mir nur einen Tipp geben könnt, bitte tut es. Ich befürchte, jeder hier weiß mehr als ich.
So, ich gebe mich dann mal wieder meinem 900 Seiten-Schinken zu "Multivariaten Analyseverfahren" hin in der Hoffnung, dass ich vll. doch noch selbst auf die Lösung komme... VIELEN DANK schonmal!!!!!!

P.S.: Ich habe die Suchfunktion genutzt, konnte dies aber aufgrund fehlenden Wissens über die Bezeichnung der gesuchten Verfahren möglicherweise nicht effizient tun. Falls meine Frage hier schon beantwortet wurde: Sorry!

P.P.S.: Ich habe diese Frage auch in folgenden Foren auf anderen Internetseiten gestellt: http://matheplanet.de/matheplanet/nuke/ ... pic=180075
SPSS_Sandra
 
Beiträge: 1
Registriert: Do 4. Apr 2013, 15:36
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: verschiedene Unabhängige Variablen kombinieren - Anfänge

Beitragvon aziz » Do 4. Apr 2013, 16:29

SPSS_Sandra hat geschrieben:Die abhängige Variable ist der Stimmenanteil des Kandidaten der Partei des Amtsinhabers da, nach meiner Argumentation, die Partei weniger Stimmen bekommt, wenn die Wirtschaft den Bach runtergeht.

Leider sind sind Varablen mit diesem Skalenniveau häufig für eine allgemeines lineares Modell ungeeignet. Das hängt damit zusammen, dass bei der allgemeinen linearen Regression die abhängige Variable intervallskaliert (hin und wieder auch strikter und normalverteilt) sein muss. Da es sich hier um eine Zählvariable (Stimmenanzahl) handelt, denke ich das die ordinale Regression geeigneter wäre. Jetzt kenn ich deinen Dozenten nicht und vorallem nicht seinen statistischen Anspruch. Da es sich aber um ein Seminar von Nicht-Statistikern handelt, gehe ich da recht in der Annahme? So könnte ich mir auch vorstellen, dass du mit einem gewöhnlichen linearen Modell und einer hierauf basierenden Interpretation durch kommen könntest.

SPSS_Sandra hat geschrieben:f(Stimmenanteil_amtsinhabende_Partei)=Konstante b + b1*arbeitslosigkeit + b2*Inflationsrate + bn*weitere_Variablen

Naja rein formal möchtest du diese Funktion nicht schätzen. Das würde auch nicht funtionieren. Aber du meinst das richtige. Ein Modell der Form, der einfachheit halber lasse ich die Indizes deiner Beobachtungen weg:

Mit dem Stimmenanteil, Arbeitslosgkeit^, Infaltionsrate, weitere Variablen und der Modellfehler.

SPSS_Sandra hat geschrieben:1. Wie bekomme ich die Konstante heraus und
2. woher die Regressionskoeffizienten? (ich arbeite mit SPSS Version 21)
3. Muss ich was besonderes beachten, weil ich die verschiedenen Variablenformen (prozentuelle Veränderung, 1/0, 1/0/-1) verwende?

Das liefert SPSS dir im Output. Entweder über Analysiseren>Regression>lineare Regression oder über Anlysieren>Allgemeines Lineares Modell>Multivariate....
Ich empfehle dir die zweite Variante. Hierbei musst du beachten, dass du intervallskalierte Kovariablen als Kovariate modellierst und die kategorialen Variablen als Faktoren. Hier kannst du dann unter der Konstrate die Kodierungen auswählen (also: 1/0 und 1/0/-1, wobei SPSS noch mehr Varianten ermöglicht).

SPSS_Sandra hat geschrieben:4. Gibt es ein Verfahren, stufenweise eine Variable hinzuzufügen um so festzustellen, ob eine als scheinbar signifikant identifizierte Variable aufgrund von Korrelationen mit einer anderen Variable (zB Wachstum und Arbeitslosigkeit) nicht zur Verbesserung des Modells beiträgt und daher ausgeschlossen werden kann?

Ja. Solche Verfahren heißen Variablenselektionsverfahren. Auch in SPSS möglich.

Gruß
Aziz
aziz
 
Beiträge: 34
Registriert: Di 29. Jan 2013, 17:28
Danke gegeben: 0
Danke bekommen: 3 mal in 3 Posts


Zurück zu Multivariate Verfahren

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 2 Gäste