2. Multiple Regression Flashcards
Je mehr Prädiktoren, desto…
besser die Prädiktion
Ziele:
- Möglichst viel Varianz am Kriterium erklären
2. Möglichst wenige Prädiktoren verwenden
Multiple Regression: Definition
Eine lineare Regression mit mehreren Prädiktoren
Multiple Regression: Methode
Methode der kleinsten Quadrate
Multiple Regression: Voraussetzungen
- intervallskaliertes Kriterium
- mehrere intervallskalierte oder dichotome Prädiktoren
Multiple Determinationskoeffizient: Definition
der Anteil der Kriteriumvarianz , der durch alle Prädiktoren vorhergesagt werden kann
Wie werden die ß-Koeffizienten bei mehreren Prädiktoren bestimmt?
- SPSS
Methode der kleinsten Quadrate
Für einen Datensatz (eine Punktewolke) werden und so gewählt, dass
der quadrierte Vorhersagefehler über alle Probanden minimal ist:
Methode der kleinsten Quadrate: warum wird der Vorhersagefehler quadriert?
damit:
(1) Die Abweichungswerte immer positiv sind.
(2) Große Abweichungen stärker berücksichtigt werden als kleine
Abweichungen.
Multikollinearität: resultierende Problem
“biased estimate” = Capitalization of Chance
Capitalization of Chance
R2 in der Stichprobe überschätzt den Populationszusammenhang
Faktoren die den “Bias” beeinflüssen (Capitalization of Chance)
1) Anzahl Prädiktoren
Je mehr Prädiktoren, desto größer die Verzerrung = Capitalization
of Chance
2) Höhe der Korrelationen zwischen den Prädiktoren
Je höher die Multikollinearität, desto größer Verzerrung
3) Stichprobengröße
Je größer N, desto kleiner die Verzerrung
Capitalization of Chance: Lösungen
- Kreuzvalidierung
- Korrigiertes R2 (SPSS)
- größeres N
- nur relevante und möglichst unkorrelierte Prädiktoren aufnehmen
Signifikanztest der multiplen
Regression
- F-Test
- beruht auf Zerlegung der Varianz des Kriteriums in einen erklärten ( SS𝒓𝒆𝒈) und einen nicht erklärten (SS𝒓𝒆𝒔) Teil.
- Wenn F𝒆𝒎𝒑 > F𝒌𝒓𝒊𝒕 ist das Testergebnis signifikant
- Die Prädiktoren weisen dann insgesamt einen bedeutsamen
Zusammenhang mit dem Kriterium auf.
Quadratsumme
( SS = „sum of squares“)