Ich hoffe, ihr habt bei SPSS mehr drauf als ich und könnt mir helfen
.Momentan schreibe ich meine Bachelorarbeit und mache dafür eine Studie. Ich weiß, dass die schrittweise multiple Regression richtig für die aufgestellten Hypothesen ist: H1: Prädikator B erklärt neben Prädikator A zusätzliche Varianz beim Testergebnis 1, bzw. bei Test 2 dann andere Prädiktoren.
Hier nun mein "Problem":
Zu Testergebnis 1 bekomme ich 2 Modelle:
Korrigiertes R² Regressionskoeffizient B Beta Sig.
Modell 1 .162 2.043 <.001
Prädiktor A .594 .410 <.001
Modell 2 .181 2.129 <.001
Prädiktor A .118 .429 <.001
Prädiktor B .070 -.162 .050
--> Meine Frage: Ist Prädikator B hier signifikant? Der p-Wert liegt ja genau an der Grenze, aber warum wird das Signifikanzniveau des Modells
kleiner ausgegeben als es bei Prädiktor B ist? - oder ist das irrelevant?
Beim Testergebnis 2 bekomme ich 3 Modelle:
Korrigiertes R² Regressionskoeffizient B Beta Sig.
Modell 1 .045 2.770 <.001
Prädiktor X .249 .230 .010
Modell 2 .075 2.968 <.001
Prädiktor X .251 .232 .008
Prädiktor Y -.152 -.192 .028
Modell 3 .119 2.826 <.001
Prädiktor X .194 .180 .040
Prädiktor Y -.208 -.263 .004
Prädiktor Z .085 -.241 .009
--> Ähnliche Frage hier: Sind die Prädiktoren X, Y & Z signifikant? Theoretisch liegen auch deren p-Werte unter .05 - aber auch hier sind die p-
Werte der einzelnen Modelle wieder unter denen der Prädiktoren - wie ist das zu erklären?
Vor der Rechnung habe ich alle Voraussetzungen geprüft & die Stichprobe erfüllt diese alle. Allerdings habe ich nach der Regression des 2. Testergebnis den Verdacht auf Multikollinearität der Prädiktoren bekommen. Tatsächlich korrelieren X, Y & Z untereinander um etwa r = .20 bis .45 - dementsprechend läge doch Multikollinearität vor und die Regression wäre nicht gültig oder?
Ich hoffe sehr, dass mir jemand eine schlaue Antwort auf die Fragen gibt. Ich habe diese Rechnung in der Art noch nie gemacht und wäre ecuh sehr dankbar für Hilfe!
Vielen Dank schonmal & noch einen schönen Abend!
Grüße, Devid
