SPSS-FORUM.DE

[Herr_Os]

Hallo,

im Rahmen meiner Arbeit analysiere ich (unter anderem) die Wirkung von zwei Einflussvariablen (x1, x2) auf jeweils drei Zielvariablen (y1, y2, y3). Ich führe in diesem Zusammenhang also drei multiple Regressionsanalysen durch. Vor dem Hintergrund meiner theoretischen und empirischen Grundlagen habe ich die Hypothese formuliert, dass ein signifikant positiver Vorhersagewert der Einflussvariablen x1 und x2 in Bezug auf alle drei Zielvariablen besteht.

Bei der Überprüfung der Verfahrensprämissen ist jedoch aufgefallen, dass einige der identifizierten Zusammenhänge nicht linear sind (teilweise eher quadratisch). Eine grundlegende Voraussetzung für die Durchführung einer multiple linearen Regression ist die Linearität.

Meine Frage: Sollte ich nur die nachweislich linearen Zusammenhänge in das Regressionsmodell aufnehmen?

Meine alternative Vorgehensweise wäre:
1. Korrelative Zusammenhänge identifizieren (Korrealtionsmatrix)
2. Überprüfen, ob bzgl. der signifikanten Zusammenhänge von Linearität ausgegangen werden kann (Streudiagramme)
3. Ausschließlich die linearen Zusammenhänge in das Regressionsmodell aufnehmen
4. Regression rechnen

Es klingt erst einmal recht abstrakt - falls weitere Angaben erforderlich sind, ergänze ich gerne.

Vielen Dank
Herr_Os

[ponderstibbons]

Das sind anscheinend keine für die Software SPSS spezifischen Fragen,
weswegen das Forum http://www.statistik-forum.de dafür geeigneter erscheint.

Generell ist das Problem, dass nach Inspektion der Daten die an dieselben
Stichprobendaten angepasste Modelle keine brauchbaren p-Werte mehr liefern.

Mit freundlichen Grüßen

PonderStibbons

[strukturmarionette]

Hi,

Vor dem Hintergrund meiner theoretischen und empirischen Grundlagen habe ich die Hypothese formuliert, dass ein signifikant positiver Vorhersagewert der Einflussvariablen x1 und x2 in Bezug auf alle drei Zielvariablen besteht.

- dann liegt dabei ('Hintergrund') oder in den Messwerten ein Fehler vor?
- N?
- Wie lauten die Modellhypothesen? Fachlich?

Gruß
S.