Multiple Choice

Regressionsmodelle aller Art mit SPSS.

Multiple Choice

Beitragvon Piccogod » Mi 17. Jan 2024, 00:04

Hallo
Ich habe einige Multiple Choice Fragen zu einem SPSS Output. Die meisten konnte ich lösen, aber fünf Stück machen mir zu schaffen.
Kann mir vielleicht jemand helfen?
Vielen Dank
Dateianhänge
Screenshot_SPSS_Chrome.pdf
(10.51 KiB) 26-mal heruntergeladen
Screenshot_SPSS2_Chrome.pdf
(75.05 KiB) 23-mal heruntergeladen
Screenshot_SPSS3_Chrome (1).pdf
Output
(106.66 KiB) 23-mal heruntergeladen
Piccogod
 
Beiträge: 2
Registriert: Di 16. Jan 2024, 23:29
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Multiple Choice

Beitragvon ponderstibbons » Mi 17. Jan 2024, 11:51

Für den Geburtenrate-Effekt (Frage XX) hast Du den Koeffizienten und den Standardfehler.
Für die Berechnung eines 95%-Intervalls unter Verwendung des Standardfehlers hast Du doch
vermutlich eine Formel?

Für XVII nimmst Du die Regressionsgleichung
Y = Konstante + (Gewicht von Geburtenrate * 20) + (Gewicht von Urbanisierungsgrad * ...
und rechnest aus.

Bei XVI könntest Du vielleicht sagen, woran es momentan hakt.

Mit freundlichen Grüßen

PonderStibbons
ponderstibbons
 
Beiträge: 2481
Registriert: Sa 1. Okt 2011, 17:20
Danke gegeben: 1
Danke bekommen: 256 mal in 255 Posts

Re: Multiple Choice

Beitragvon Piccogod » Mi 17. Jan 2024, 16:32

Vielen Dank

Also bei XVI kann ich d) schonmal ausschließen, da es sich nicht um eine bivariate Regression handelt. Aber ich bin mir bei a) b) und c) nicht ganz sicher. Wie erkenne ich einen hohen Model-Fit und wie interpretiere ich das Verhältnis von USS und TSS. Und ist die Regression wirklich 93%? Ich dachte das wäre R hoch 2

Mfg
Piccogod
 
Beiträge: 2
Registriert: Di 16. Jan 2024, 23:29
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Multiple Choice

Beitragvon ponderstibbons » Mi 17. Jan 2024, 19:09

Wie erkenne ich einen hohen Model-Fit

"Three statistics are used in Ordinary Least Squares (OLS) regression to evaluate model fit: R-squared, the overall F-test, and the Root Mean Square Error (RMSE). All three are based on two sums of squares: Sum of Squares Total (SST) and Sum of Squares Error (SSE)." R² dürfte am einfachsten zu erkennen und zu interpretieren sein.
Und ist die Regression wirklich 93%? Ich dachte das wäre R hoch 2

Die Frage war, ob das Modell 93% der Varianz aufklärt. Varianzaufklärung wird durch R² ausgedrückt.

Mit freundlichen Grüßen

PonderStibbons
ponderstibbons
 
Beiträge: 2481
Registriert: Sa 1. Okt 2011, 17:20
Danke gegeben: 1
Danke bekommen: 256 mal in 255 Posts


Zurück zu Regressionsmodelle

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 2 Gäste