STATA-FORUM.DE

[statistik_wuna]

Hallo zusammen,

ich berichte für meine Abschlussarbeit die Ergebnisse einer hierarchischen Regression (2 Prädiktoren die nacheinander hinzugefügt werden). Diese werde ich in einer Tabelle darstellen und die wichtigsten Werte nochmal im Text aufgreifen. Ich bin mir gerade unsicher, ob ich den p-Wert SPSS-Tabelle Modellzusammenfassung nehmen muss oder den p-Wert der ANOVA-Tabelle (für den 2. Schritt). Bei der Modellzusammenfassung wird ja dargestellt, ob der zweite Prädiktor signifikant zur Varianzaufklärung beiträgt, deswegen hätte ich intuitiv diesen Wert genommen. Jedoch sind in der ANOVA Tabelle die F-Werte und die damit zusammenhängenden p-Werte dargestellt, die ja eigentlich bei einer normalen Regression standardmäßig berichtet werden müssen.
Bin mir gerade wirklich unsicher, welcher Wert der Richtige ist. Ich hoffe mir kann jemand weiterhelfen..

[Staxa]

Hier gibt es keine strengen Richtlinien, am besten schaust du in ein einschlägiges Journal deines Fachgebiets, was dort berichtet wird bzw. die Vorlage von deinem Prof. Üblich ist es, dass Koeffizient und Standardfehler berichtet werden, der p-Wert dann über die Sternchen, also p < 0.05 = * usw...

[statistik_wuna]

Vielen Dank für die schnelle Antwort.
Genau, was berichtet werden muss ist mir klar. Ich bin mir nur unsicher, ob sich das p auf die Modellzusammenfassung oder auf die ANOVA-Tabelle beziehen muss..

[statistik_wuna]

Ich habe mich nun dafür entschieden, die Änderung des F-Wertes und das damit zusammenhängende Signifikanznivau aus der Tabelle Modellzusammenfassung zu berichten:
As shown, the first step of the model was significant (F [1, 18] = 7.995, p = .011), suggesting that the mean SUA at the PBT were associated with the mean SUA during the SHS. No significant effect of stress emerged after controlling for the mean SUA at the PBT at height (R² change = .040, Δ F [1, 17] = 1.031, p = .324).
Über eine kurze Rückmeldung ob man das so machen kann oder ob ich völlig auf dem Holzweg bin, würde ich mich sehr freuen

[Staxa]

Gute Frage. Der p-Wert aus der Modellzusammenfassung gibt dir an, ob sich das Modell INSGESAMT verändert hat. Dieser Wert sollte aber nicht benutzt werden, da es hierbei verschiedene Probleme gibt, wenn man Modelle untereinander vergleichen will. Es ist grundsätzlich ratsam den AIC oder BIC zu verwenden, um zu testen, ob sich verschachtelte Modelle verbessern. Je kleiner der AIC, desto besser der Modellfit. Alternativ dazu gibt es auch den Likelihood Ratio Test um zu schauen, ob es zwischen Modellen Verbesserungen gibt. Ich finde jedoch den AIC sehr empfehlenswert, er sollte für jedes Modell berichtet werden. So wie du es machst, die Änderungen in R2, finde ich kritisch. Ob das statistisch haltbar ist kann ich nicht sagen, würde es aber zumindest vorsichtig anzweifeln.