SPSS-FORUM.DE

[tina123]

Liebe Mitglieder,

ich stehe vor einem Verständnisproblem.

Im Rahmen meiner Abschlussarbeit habe ich die (Inter)Korrelation verschiedner Skalen gemessen. Arbeitszufriedenheit und Commitment korrelierten dabei mit .78 hoch signifikant. ( ist das nicht schon ein Zeichen für multilinearität??)

Nun habe ich weiter messen wollen wie Arbeitszufriedenheit, Commitment auf berufliche Leistung wirken ( multiple Regessionsanalye)

Ich habe nun erwartet, dass ich ein VIF über 10 herauskommet und die beiden Variablen damit zu sehr miteinander korreliert, um eine sinnvolle regessionsanalyse durchzuführen...es entstehen aber werte von 2.34 im Bereich VIF....wie kann das sein??

Ich bin für jeden Tipp dankbar !!

LiebeGrüße

Tina

[ponderstibbons]

es entstehen aber werte von 2.34 im Bereich VIF....wie kann das sein??

Was meinst Du damit? Das ergibt sich aus der Formel zur Berechnung des VIF.

Mit freundlichen Grüßen

PonderStibbons

[tina123]

Ja, das verstehe ich.

Aber mir fehlt es am Inhaltlichen Verständnis..wenn die beiden Merkmale doch zu über .70 korrelieren..wie kann es dann sein, das kein multilinearitätsproblem im rahmen der Regessionsanalyse auftritt?

[ponderstibbons]

r=0,78 bedeutet 61% Varianzaufklärung, das ist von Redundanz noch weit entfernt.

Mit freundlichen Grüßen

PonderStibbons

[tina123]

ok! vielnvuelen Dank !!!

Dann stehe ich allerdings vor dem nächsten Problem..

wenn ich alle Variablen in die Regessionsnalayse einfüge und ein 95 % konfingenzintervall nutze.. bekomme ich negative Werte im B- Gewichte be( Steigungskoeffizent) Arbeitszufriedenheit aber nicht Commitment.. wie kann das sein, wenn doch beide stark korrelieren..wie ist es möglich, dass sie auf die abhängige Variable dann so verschwinden reagieren?

Ich dachte es sei durch multilinearität zu erklären..

[strukturmarionette]

Hi,

- möglicherweise liegt suboptimales Verständnis der Grundlagen vor (meist Googlo-bedingt)
- oft weiterhin fehlerhafte Rohdatenbearbeitung (s.o.)

Gruß
S.

[ponderstibbons]

Und/oder es handelt sich um einen -> Suppressor-Effekt.

[tina123]

Nachdem ich mich nun mit dem suppressor Effekt beschäftig habe wird mir einiges klarer....VIELEN VIELN DANK für eure hilfe !! =)