zurück zur Startseite
diese Aktion ist z.Z. nicht möglich Übersicht Nächster Arbeitsschritt Hilfe Technisches Feedback
ViLeS 1 > XII Erweiterungen des linearen Regressionsmodells > XII-2 Regression und Korrelation mit standardisierten Variablen > Konzepte und Definitionen

Konzepte und Definitionen im Modul XII-2 Regression und Korrelation mit standardisierten Variablen

1. Die standardisierten Variablen zj (j = 1,2)

a) Definition und Funktion standardisierter Variablen

  • Definition der standardisierten Variablen:

    Eine standardisierte Variable weist einen Mittelwert von "0" und eine Standardabweichung von "1" auf. Eine beliebige Variable xj kann in eine standardisierte Variable zj transformiert werden, dabei führt die Standardisierung zu einer Rescalierung der Ausgangswerte.

  • Die Funktion der Standardisierung:

    Aus verschiedenen Gründen kann es sinnvoll sein, eine beliebige Variable xj in eine standardisierte Variable zj zu transformieren:

    • So lässt sich die formale Betrachtung von komplexen statistischen Zusammenhängen wesentlich vereinfachen, wenn man sie für standardisierte Variablen durchführt. Insofern bereitet dieser Abschnitt die folgenden Methodenbeschreibungen vor.

    • Wie nachstehend gezeigt wird, eignet sich der standardisierte Regressionskoeffizient besonders für den Vergleich des Einflusses unterschiedlicher Regressoren.

    • Darüber hinaus stehen standardisierte Variablen im Zentrum der schließenden Statistik (vgl.: ViLeS 2)

  • Beispiel einer standardisierten Variablen:

    Als Beispiel betrachten wir die skalierte Variable zPartprof, die sich aus der Variablen Partprof der tatsächlichen Beteiligung ableiten lässt:

    Abbildung 12-2: Die Verteilung der standardisierten Variablen zPartprof

    Die Beobachtungen streuen nun um den Mittelwert von "0". Die Skaleneinheit beträgt eine Standardabweichung und die Skalenwerte reichen von -2 bis +3, d.h. die Abweichungen vom Mittelwert werden nicht mehr in den ursprünglichen Einheiten gemessen sondern in der Einheit "Standardabweichung". Die innere Struktur der Verteilung bleibt hingegen unverändert.

b) Die Standardisierung der Variablen xj

Wir erhalten die standardisierte Variable zj über:

2. Regression zwischen standardisierten Variablen

a) Die Regressionsfunktion

  • Die Funktionsform:
    Die Regressionsfunktion z1c = f(z2) lautet:

    z1c = a* + b* · z2
    , mit a* und b* wie folgt:

    Zu den Formeln für die Regressionsparameter vgl. b).

  • Die Darstellung im Streuungsdiagramm:

    Das Zentrum der Punktwolke liegt im 0-Punkt des Koordinatensystems und die Funktion verläuft durch diese Mitten der Verteilungen:

    Abbildung 12-3: Die Funktion im Koordinatensystem

    Die Fehlerquadrate werden minimiert, wenn die Regressionsfunktion, wie in Abb. 12-3 gezeigt, durch die arithmetischen Mittel der beiden Verteilungen verläuft.

b) Die Regressionsparameter

  • Die Ermittlung:

    • Die Parameter az1z2 und bz1z2 der Regressionsfunktion mit standardisierten Variablen z1 und z2 ergeben sich nach der Methode der kleinsten Quadrate für gemäß den in Kap. 11 vorgestellten Formeln. Danach folgt:

    • Daraus resultiert die Regressionsfunktion mit βz1z2 als Regressionskoeffizient.

  • Die Interpretation des beta-Koeffizienten :

    • Der standardisierte Regressionskoeffizient βz1z2 drückt den Einfluss des Regressors unabhängig von der Skalierung der Variablen aus.

    • Sein Wert gibt an, um wieviele Standardabweichungen sich die abhängige Variable verändert, wenn die unabhängige Variable um eine Standardabweichung zunimmt.

    • Er ist deshalb besonders geeignet, die Einflüsse verschiedener Regressoren mit einander zu vergleichen und wird deshalb von SPSS standardmäßig ausgewiesen.

3. Der Korrelations- und Determinationskoeffizient

a) Die Ermittlung von R und R2

Wie schon bei der rechnerischen Bestimmung der Regressionsparameter stützt sich die Berechnung des Korrelations- und des Determinationskoeffizienten auf die entsprechenden Formeln in Kap. 11.

b) Die Interpretation von R und R2

R2 verkörpert das Ausmaß der Varianz von z1, das durch den Regressor z2 erklärt wird. Dabei sind zwei Aspekte von zentraler Bedeutung:

  • Im Falle standardisierter Variablen entsprechen sich Korrelationskoeffizient und Regressionkoeffizient.

  • Der Korrelationskoeffizient zwischen standardisierten Variablen entspricht dem Korrelationskoeffizient zwischen nicht-standardisierten Variablen.
    Dies ist auschlaggebend für Regressions- und Korrelationsanalysen auf der Basis standardisierter Variablen, weil somit die Standardisierung keinen Einfluss auf die Stärke des Zusammenhangs hat.


Hinweis zur Navigation, zum Ausdrucken und zur Bewertung:

  • In der Abschusszeile finden Sie einen Link zur Druckversion, zum vorherigen und zum nächsten Arbeitsschritt und mit der Sitemap eine Übersicht über das gesamte Angebot.

  • Zur Bewertung:

    Diese Seite ist überarbeitet worden. Deshalb wurden die bisherigen Bewertungen gelöscht.
    Bewerten Sie bitte diese aktualisierte Seite neu und helfen Sie uns, damit dieses Angebot weiter zu verbessern:


    Diese Seite ist:

sehr gut    gut    eher gut    mittelmäßig    eher schlecht    schlecht    sehr schlecht
Diese Seite wurde von 3 Benutzern im Durchschnitt mit "eher gut" bewertet.

1/2 50 %
Fortschritt
50% der Dokumente sind in diesem Modul bereits bearbeitet
50% der Dokumente sind in diesem Modul bereits bearbeitet50% der Dokumente sind in diesem Modul bereits bearbeitet
50% der Dokumente sind in diesem Modul bereits bearbeitet
 

letzte Änderung am 28.2.2020 um 7:49 Uhr.

Adresse dieser Seite (evtl. in mehrere Zeilen zerteilt)
http://viles.uni-oldenburg.de/navtest/viles1/kapitel12_Erweiterungen~~ldes~~llinearen~~lRegressionsmodells/modul02_Regression~~lund~~lKorrelation~~lmit~~lstanda
rdisierten~~lVariablen/ebene01_Konzepte~~lund~~lDefinitionen/12__02__01__01.php3

| Feedback | Copyright | Übersicht | Druckversion | Log-Out | Sitemap | Nächster Arbeitsschritt |