SPSS-FORUM.DE

[Karen222]

Hallo,

Ich bin noch SPSS Neuling und komme leider bei der Interpretation des Outputs nicht weiter.
Ich möchte wissen:
1) Ob eine Beziehung zwischen number of board members & CEO´s salary besteht? Und wenn ja, welche? Und wie sicher ist die Beziehung?
--> Auf welche Kennzahlen muss ich da schauen?
2) Bei Betrachtung der 4 Modelle, macht es da Sinn Gender als zusätzliche Variable mit einzubeziehen? Und warum ja oder nein?
--> muss ich da auf R^2 schauen? also wie viel Varianz die Variable erklärt? Bzw. korrigiertes R^2?

Ich bin echt am verzweifeln und würde mich über Hilfe freuen

[ponderstibbons]

Ich möchte wissen:
1) Ob eine Beziehung zwischen number of board members & CEO´s salary besteht? Und wenn ja, welche? Und wie sicher ist die Beziehung?
--> Auf welche Kennzahlen muss ich da schauen?

http://www.home.uni-osnabrueck.de/rnike ... on_V02.pdf
https://wikis.fu-berlin.de/display/fust ... on+in+SPSS
https://stats.idre.ucla.edu/spss/output ... -analysis/

HTH

PonderStibbons

[Karen222]

Würde man dann einmal in der Modellzusammenfassung auf R^2 schauen? Und dann noch noch auf Beta, VIF & Toleranz?

[ponderstibbons]

Ja.

Mit freundlichen Grüßen

PonderStibbons

[Karen222]

Wie bestimmt man dann ob der Zusammenhang positiv oder negativ ist?
Wenn R^2 groß ist sagt mir das ja nur dass ein linearer Zusammenhang vorliegt oder?

[ponderstibbons]

R² sagt Dir, dass Dein Regressionsmodell Varianz aufklärt. Ob das linear ist oder nicht, geht aus R² nicht hervor.
In welche Richtung etwaige Zusammenhänge gehen, ist - wie in den links ausführlich beschrieben - anhand der
Koeffizienten abzulesen.

Mit freundlichen Grüßen

PonderStibbons

[Karen222]

Also würde man im vorliegenden Fall zur folgenden Schlussfolgerung kommen:
R^2 liegt nahe 0 und zeigt, dass die unabhängige Variable nicht gut geeignet ist, um die Varianz der abhängigen Variable zu erklären (Poor Model fit). Beta würde mir jetzt noch was zu dem Beitrag des Prädiktors zur Varianzaufklärung sagen. Es ist unabhängig vom Vorzeichen, jedoch in dem Fall recht niedrig, also bestätigt die geringe Varianzaufklärung.

Anhand des Regressionskoeffizient b1 kann die Art des Zusammenhangs vorhergesagt werden. B1 ist in diesem Fall über 1 und es besteht daher ein positiver Zusammenhang zwischen x & y.

Die Toleranz&VIF liegen bei 1 und es kann daher von einer linearen Unabhängigkeit der Regressionen ausgegangen werden.

Also insgesamt liegt ein schwacher positiver linearer Zusammenhang vor?!? Habe ich nun alle Kennzahlen berücksichtigt?

[Karen222]

Kann mir einer helfen

[ponderstibbons]

Das ist hier kein Chatroom und kein Statistik-McDonald's mit Schnellbedienung. Hier helfen n=2 Leute anderen Leuten, und die sind nicht ununterbrochen online.

Zu Deinen Ausführungen kann ich leide nichts sagen. Dein R² hast Du nicht beschrieben. Hintergrund, Thema, Fragestellung sind nicht genannt.

VIF ist bei 2 Variablen erheblich, was klar ist wenn variable UND variable² im Modell sind. Anscheinend ist die Stichprobe sehr groß, weswegen das dann keine wesentliche Rolle zu spielen scheint, die Standardfehler sind trotz Kollinearität nicht explodiert.