SPSS-FORUM.DE

[MSE86]

Hallo zusammen,

ich bräuchte einmal dringend bei meiner Doktorarbeit Hilfe.

Nach einer bivariaten Korrelation, möchte ich nur diejenigen unabhängigen Variablen in eine lineare Regression aufnehmen, welche zur abhängigen Variablen eine Signifikanz aufweisen.
Wenn ich nun bei der linearen Regression bei "Optionen" "Fehlende Werte" "Fälle listenweise ausschließen" bleiben nur noch N=61 Fälle übrig.Dies ist mir jedoch zu gering. Deswegen habe ich nun bei der Regression bei "Optionen" "Fehlende Werte" "Paarweiser Fallausschluss" gewählt um ein größeres N zu erhalten. Nun bekomme ich bei der Auswertung der Regression (abermals nur mit signifikanten korrelierte unabhängie Variablen folgende Fehlermeldungen:

"Bei Modellen mit der abhängigen Variablen sind die folgenden Variablen (Aufzählung von Variablen) Konstanten oder weisen fehlende Korrelationen auf (unabhängige Variablen mitunter Dummys (0;1)). Sie werden aus der Analyse gelöscht."
"Bei Modellen mit der abhängigen Variablen sind die Toleranzen einiger Variablen nicht möglich. Die ursprüngliche Korrelationsmatrix ist möglicherweise nicht positiv definitiv. Das paarweise Löschen ist möglicherweise ungeeignet."

Kann ich diese Fehlermeldungen quasi übergehen oder ist durch den paarweisen Fallschluss keine aussagekräftige lineare Regression möglich!?

Vielen Dank für eure Hilfe!!!

[strukturmarionette]

Hi,

- das wichtgste ist immer zunächst die AV.
- was ist das und wie wird (wurde) das gemessen?

Gruß
S.

[ponderstibbons]

Nach einer bivariaten Korrelation, möchte ich nur diejenigen unabhängigen Variablen in eine lineare Regression aufnehmen, welche zur abhängigen Variablen eine Signifikanz aufweisen.

Das wäre der leider wohlbekannte Kardinalfehler. Damit ist overfitting so gut wie garantiert und die resultierenden p-Werte des Modells sind nicht zuverlässig. Die Berechnungen des Modells "wissen" nicht, dass die Variablen vorher gesiebt wurden und die Rolle von Zufallszusammenhängen immens vergrößert wurde.

ist durch den paarweisen Fallschluss keine aussagekräftige lineare Regression möglich!?

Allenfalls unter sehr strengen Voraussetzungen.

Mit freundlichen Grüßen

PonderStibbons