Brudi, du packst es eine komplette Vorlesung solide in 10 Minuten zusammenzufassen. Richtig stark und den meisten Dozenten anscheinend weit überlegen. Ehrenbrrudi, ich küsse dein Gehirn.
Deine Vids sind richtig gut! Wow! Ich bin völlig begeistert :D Ich hasse es, wenn Professoren nicht mehr unterscheiden können, was wirklich wichtig ist und was letztendlich nur "Exkurs" ist. Du kommst hingegen direkt zum Punkt. Viel Informationen schnell erklärt. Alle Achtung von meiner Seite!
Ich studiere gerade Wirtschaftsinformatik im dritten Semester und die Statistikvorlesungen sind etwas dürftig. Da bin ich froh, dass es so welche Channels wie deine gibt :) Damit schaffe ich mein Studium bestimmt Beste Grüße, Gabriel
Bestimmt! ;) Zu meinen Studienzeiten war das höchste der Gefühle bebildeter Klickfolgen im Netz. Englischsprachige Videos gab es auch, das Problem war aber meist die Länge von 30+ Minuten und zu viel unnütze Informationen. Da half dann letztlich meist doch nur das gute alte Buch (Bamberg, Baur) und ein paar lange Nächte zum selber rumprobieren in SPSS. :D Viele Grüße, Björn.
Wow was wäre ich nur ohne deine Videos. Wenn meine Proffesorin das erklärt verstehe ich absolut gar nichts. Bei dir ist es ordentlich, genau und verständlich erklärt auf einmal kann sogar ich die Aufgaben lösen. Einfach nur Danke!!!
Hallo Julia, freut mich sehr, wenn dir die Videos so sehr helfen! Dann viel Erfolg weiterhin beim nachvollziehen mit Hilfe der Videos. ;-) Viele Gruße, Bjorn.
Sehr gut auf den Punkt erklärt! Nichts unnötiges, nur das wesentliche. Nach dem Video war ich direkt in der Lage, meinen eigenen Datensatz zu analysieren und war mir auch sicher, die Ergebnisse richtig zu interpretieren. Tolle Arbeit!
Dein Channel ist wirklich großartig, leider hab ich gar keinen Vorschlag zur Verbesserung, bin wirklich sehr zufrieden. TOP! Hoffe du bekommst noch viel mehr Views!
Moment! Du sprichst immer von Einfluss, also von nachgewiesener Kausalität. Dabei handelt es sich hierbei nur um nachgewiesene Korrelation. Danke für das Video!
Hallo, ja, das ist bei einer entsprechend spezifizierten Hypothese auf Basis der theoretisch-konzeptionellen Grundlage legitim. Die Hypothese wird bekräftigt und der Einfluss ist nicht anderes als der Zusammenhang zwischen abhängiger und unabhängiger Variable, den man mit Regressionsanalysen untersucht. Ich hüte mich davor von Kausalität zu sprechen, da dies nur in Experimental- oder Quasi-Experimental-settings überhaupt untersucht werden kann. Viele Grüße, Björn.
ÄH HELLOOOOO?!?!?!?!!!??? Wo warst du all mein Unileben lang? Ich würde ja sagen du bist ein Geschenk Gottes, würde ich an ihn glauben, aber whatever, erstmal alle deine Videos binge watchen und meine empirische Hausarbeit aufpolieren.
Hallo Björn, erst mal: Vielen Dank für all die nützlichen Videos, das hilft sehr! Ich hätte für meine Masterarbeit eine Frage, deren Beantwortung ich bisher nirgends finden konnten. Und zwar möchte in meiner bivariaten Regression clustered standard errors berechnen. Wie mache ich das auf SPSS? Danke und liebe Grüße
Super Video. Interessant wäre ein Video zur (binären) logistischen Regression in SPSS. Dazu gibt es wenig bis keine videos im deutschsprachigen Umfeld.
Hallo Giuseppe. Danke für dein Lob! Um die logistische Regression habe ich mich schon recht lange gedrückt, werde aber dazu auch irgendwann ein Video machen. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther wenn Du es nur annähernd so gut machst wie die anderen Videos, dann freue ich mich schon. Gibt es eigentl. einen Datensatz zu den Videos?
@@giuseppesorrentino9466, na dann habe ich ja ein wenig extra Motivation. ;-) Einen Datensatz werde ich versuchen bald auf meiner Homepage bereitzustellen. Das ist dann jener, mit dem ich die meisten regressionsanalytischen Tests gerechnet habe. Viele Grüße, Björn.
Hallo Herr Björn, erstens möchte ich mich bei Ihnen bedanken für die tolle Videos . ich habe aber Fragen , und zwar ich habe die Aufgabe, damit ich die Schmerzlokalisationen (Kopfschmerzen , Hüftschmerzen, Unterleibsschmerzen) in einem einfachen und multiple Regressionsmodell durchführen muss in Abhängigkeit mit Schmerzintensität und mit der Verwendung von „Forward“ Variablenselektion. Die Koeffiziente waren beim einfachen Modell alle negativ und R-Quadrat bei allen war sehr klein . und beim multiple Modell bleibten die koeffoziente negativ und klein und die Ergebnisse bei beide Modelle sind signifikant. können Sie bitte erklären was das bedeutet?
Hallo Abassi, gerne doch! Negative (signifikante) Koeffizienten bedeuten, dass die abhängige Variable abnimmt wenn die jeweilige unabhängige Variable zunimmt. Das R² klein ist bzw. bei einer Vorwärtsselektion die delta-R² auch relativ klein sind, spricht für keinen dominierenden Faktor in der Varianzaufklärung der abhängigen Variable. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Prüfung vorbei und glatt ne 1 mündlich abgeholt. Multiple Lineare Regression war das Thema! Nochmals Danke für die Videos!
Vielen Dank für das Video. Gut auf den Punkt gebracht. Könntest du ein Video machen, in dem du die Voraussetzungen für die lineare Regression in SPSS berechnest?
Hallo und danke für dein Lob! Die Standardfehler geben die Schätzgenauigkeit um den wahren Wert an. Große Standardfehler bedeuten geringe Präzision und umgekehrt. Salopp gesagt möchte man eher kleine als grpße Standardfehler, weil diese wiederum in die Berechnung des t-Werts eingehen: Koeffizient/SE = t-Wert. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank für die Antwort. Nur noch eine Kleinigkeit auf welchen Koeffizienten bezieht sich denn der Standartfehler des Schätzers, auf R^2 ?
Hallo, ah, ich habe bei deinem ersten Kommentar nicht aufgepasst und meine Antwort bezog sich daher auf den Standardfehler des Koeffizienten und nicht den Standardfehler des Schätzers. Letzterer zeigt, wie gut die Schätzung ist, indem er die beobachteten y-Werte mit den geschätzten y-Werten vergleicht. Ein hoher Standardfehler, weist auf eine große Streuung hin. Viele Grüße, Björn.
Hallo Emely, wie groß ist deine Stichprobe denn? Generell, kannst du ein wenig was zu R², F-Test usw. sagen, damit man das besser einordnen kann? Viele Grüße, Björn.
#statistikamPC Herzlichen Dank für das tolle Video! Dein Kanal ist eine große Bereicherung und erspart mir einige Nerven bei der Auswertung. Ich habe noch eine Frage: ich muss 5 Hypothesen auswerten. Bei allen Hypothesen wird ein Signifikanzwert (Korrelationsanalyse, T-Test oder Regression) immer
Hallo Jane, gerade bei sehr großen Stichproben werden die p-Werte immer kleiner. Deswegen sollte man immer auf die Effektstärken schauen, um zu sehen, wie groß der Effekt ist. Signifikant wird ja gerne mal mit groß verwechselt. ;-) Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank für deine Antwort, Björn! Das hilft mir sehr weiter. Ich werde mir auf jeden Fall mal die Effektstärken anschauen :)
Hallo, vielen dank für deine Videos! Du hast mir sehr weitergeholfen :-) Eine Frage habe ich noch: Ich habe bei einer meiner einfachen Regressionen in der Koeffizienten-Tabelle bei der Konstante einen Sig.-Wert von 0,151. Was bedeutet das? Oder muss ich sowieso nur den Sig.-Wert der unabhängigen Variable betrachten? LG
Hallo Björn, ich kann mich meinen Vorrednern nur anschließen, fantastische Videos die kurz und knapp sind und trotzdem auf den Punkt gebracht. Auch sind die Anleitungen gut zu verstehen und leicht nachzubauen. Jetzt habe ich das alles mal nachgemacht und komme zu folgendem Ergebnis: Mein R-Quadrat ist 0,000 und meine Signifikanz ist 0,9 . Quasi umgekehrt wie in diesem Beispiel. Kann ich das Modell trotzdem verwenden für meine MA mit der Aussage dass die beiden Variablen keinen Zusammenhang haben oder ist das ganze Modell hinfällig, da R sehr klein und die Sig. sehr hoch ist? Vielen Dank schon mal. Mit freundlichen Grüßen
Hallo, danke für dein Lob! An sich ist das Modell hinfällig - der F-Test ist nicht signifikant, das Modell leistet keinen Erklärungsbeitrag. Das bedeutet im Umkehrschluss, dass es keinen Zusammenhang zwischen UV und AV gibt. Demnach hat dir das Modell zumindest das gezeigt und sollte auch so berichtet werden. Viele Grüße, Björn.
Hallo Björn, ich schreibe gerade meine Masterarbeit und muss mir Statistik neu beibringen. Deine Videos sind toll und helfen mir dabei sehr weiter. Deine Werte sind natürlich so erstellt, dass perfekte Ergebnisse raus kommen :) In meinem Fall spuckt die Anova bei 4 von 5 einfachen linearen Regression einen nicht sig. Wert aus. Was kann ich in diesem Fall tun? Wie interpretiere ich das? Zudem habe ich mir mit der HC3-Methode die robusten Standardfehler ausgeben lassen, da Heteroskedastizität vorlag. Bleibt in diesem Fall das R² das Gleiche? Hier habe ich nämlich keinen neuen Wert. Ich danke dir für deine Hilfe und wünsche dir weiterhin viel Erfolg.
Hallo Marina, danke für die lobenden Worte! In der Tat, die Daten sind schon etwas idealisiert und in der Realität wird es kaum solche deutlichen Ergebnisse geben. Wenn die ANOVA nicht signifikant ist, bricht man an der Stelle ab, da das Modell keinen signifikanten Erklärungsbeitrag leistet. Eventuell hast du keinen hinreichend linearen Zusammenhang zwischen UV und AV? Das R² sollte bei HC unberührt bleiben, weil hier robuste Standardfehler geschätzt werden und das R² ja nur angibt, wie groß das Verhältnis von erklärter zu totaler Quadratsumme ist. Viele Grüße, Björn.
Halo Usuallie, z-Standardisierung ist unnötig, da dir SPSS die standardisierten Koeffizienten ausgibt. Andere Anwendungsmöglichkeiten gibt es da keine sinnvollen. Am ehesten verwendet man bei Mediation standardisierte Ausgangswerte, aber auch das ist nicht zwingend notwendig. Viele Grüße, Björn.
Hey, super Video, qualitativ gut gemacht und auch noch verständlich erklärt. Bei meiner Bachelorarbeit habe ich nur folgendes Problem: die abhängige Variable bei der linearen Regression soll eine Korrelation von 2 Variablen sein. SPSS spuckt mir dabei den Fehler aus "die Variable Korrelation wurde gelöscht" bzw. ist eine Konstante und damit kann mir das Programm nicht die Regression ausrechnen. Vielleicht hast du ja einen Tipp für eine verzweifelte Psychologiebachelorstudentin...
Hätte gern noch mehr erfahren über die Güteabschätzung so eines Modells. da kann man doch normal p-p plots von den standardisierten Residuen anzeigen lassen, und die erwarteten kumulierten Wahrscheinlichkeiten auf die beobachteten kumulierten Wahrscheinlichkeiten regredieren. da sieht man dann wie nah diese die Werte um die Regressionsgrade liegen. Auch das scatterplot von standardisierten Residuen regrediert auf vorhergesagte standardisierte werte ist hilfreich, um zu sehen, dass da keine Muster in den Fehlern sind, sondern alles schön zufällig...
Hallo Tom, danke für dein Feedback. Prinzipiell hast du natürlich Recht. Das Grundproblem ist aber, dass die Videos dann zu lang werden und sie keiner mehr schauen möchte. Das lagere ich dann lieber in separate Videos aus, die sich nur gezielt um ein Thema kümmern (z.B. wenn es um Normalverteilung der Residuen geht ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-Ibl33-e56U0.html). Viele Grüße, Björn.
Könntest du mal ein Video machen, darüber, wie man das dann im Bericht präsentiert, bzw. welche der vielen Infos aus den Spss Angaben wirklich für die Ergebnispräsentation wichtig sind.
Ich notiere mir das mal und schaue, wo ich das am besten mal mit unterbringe. Ich produziere immer recht viel vor und würde das bei einem der nächsten Male versuchen mitzumachen. Viele Grüße, Björn.
Vielen Dank für die unfassbar interessanten und kurzweiligen Videos! ☺️ Bei einem Bestimmtheitsmaß von 0,1 - 0,4 kann man also in der Praxis schon von einem guten/aufschlussreichen Modell sprechen. Gibt es dafür beispielhafte Quellen? 🤔
Hallo Severin, das hängt stark von der jeweiligen Disziplin ab. Für Sozial- und Verhaltenswissenschaften wird meist Cohen (1992) A Power Primer zitiert. Da wird allerdings das in ein f² transformiertes R² verwendet. Viele Grüße, Björn.
Hallo Björn, ich hoffe, du hast eine Antwort auf meine Frage. Wie rechne ich in SPSS ein lineares Wahrscheinlichkeitsmodell (meine AV ist binär). Führe ich das genau so durch wie bei der linearen Regression? Viele Grüße und danke für deine super nachvollziehbaren Videos.
Hallo, erst mal vielen Dank für deine Videos! Wirklich super erklärt :-) Ich habe eine Frage zu der Anzahl der unabhängigen Variablen. Und zwar hab ich bei meiner Bachelorarbeit drei unabhängige Variablen die einzelne Hypothesen bilden. Allerdings habe ich gerade gemerkt, dass andere Werte dabei rauskommen, wenn ich die Variablen einzeln einfüge, oder alle zusammen in das vorgesehene Feld packe. Welchen Grund hat das und welche Vorgehensweise ist richtig? Liebe Grüße
Hallo und danke für dein Lob. Hier gibt es dazu ein Video: ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-VQKBEFHLw6g.html Die ganz kurze Antwort ist, das in der multiplen Regression die Korrelation der unabhängigen Variablen untereinander beachtet wird - das sollte man immer tun, wenn verschiedene UV auf die selbe AV wirken. Viele Grüße, Björn.
Hi Björn, klasse Videos, hast mir bis jetzt sehr weiterhelfen können! :) Ich habe eine Frage bzgl. der Zusammenfassung von Konstrukten: In meiner Forschung ist die abhängige Variable = Engagement und die unabhängige Variable = emotionale Bindung. Abgefragt habe ich die emotionale Bindung mittels eines Konstruktes aus mehreren Items. Für das Engagement habe ich jedoch 3 vers. Konstrukte (Konsum, Partizipation und Kreation) abgefragt. Macht es Sinn, dass ich die Regression jeweils für Emotionale Bindung -> Konsum Emotionale Bindung -> Partizipation Emotionale Bindung -> Kreation durchführe? Oder kann ich auch die drei Engagement Kategorien durch Bildung des Mittelwertes zusammenfassen, sodass ich nur eine Analyse: Emotionale Bindung -> Engagement Gesamt durchführen muss oder verzerrt das gegebenenfalls die Forschung? Danke und VG Niclas
Hallo Niclas, danke für dein Lob! Normalerweise sollte dir das Skalenhandbuch hierbei helfen, die Entscheidung zu treffen. Für mich liest es sich so, dass deine AV aus 3 Subskalen besteht. Diese sind aber wohl zusammenfassbar, also ein bspw. Mittelwert aller Items der Subskalen sollte reichen, um das Konstrukt entsprechend abzubilden. Viele Grüße, Björn.
Vielen Dank für das hilfreiche Video! Ich hätte bitte eine kurze Frage. Wie muss ich vorgehen, wenn meine Konstante nicht signifikant ist, sondern lediglich der Koeffizient?
Hallo Björn, wie immer klasse Video. Eine kleine Frage habe ich noch. Ist die Anova hier extra für die Regression oder die Gleiche, welche ich im Voraus gemacht habe? Nicht dass ich das doppelt gemacht habe:DGruß Jan
Hallo Jan, danke für das Lob! Den Unterschied erknnst du an den Zeileninhalten. "Regression" und "nicht standardisierte Residuen" sowie "zwischen den Gruppen" und "innerhalb der Gruppen". Das Verfahren ANOVA ändert sich freilich nicht. Die Quadratsummen sind aber entsprechend unterschiedlich, die Freiheitsgrade auch, deswegen auch das Mittel der Quadrate. Viele Grüße, Björn.
Hey Björn, ich bedanke mich für deine Mühe und Arbeit, die du in deine Videos packst! Ich hätte eine kleine Frage bezüglich der Interpretation. Wie interpretier ich das, wenn das R-Quadrat nur ein Wert von 0,191 (geringer Wert) hat, aber bei der ANOVA-Tabelle der Wert für die Signifikanz 0,000 ist, also hoch signifikant ist? Ebenfalls wie bei deinem Beispiel , ist bei meiner Koeffizienten-Tabelle der T-Wert ungleich 0 und hoch signifikant. Beste Grüße, Bachelorstudent :-)
Hallo und danke für dein Lob! In der Regression ist ein R² mit fast 0,2 gar nicht so niedrig wie immer alle denken. Das kann von der Stichprobe, vom Modell selbst (also den UV), der Messung der Variablen usw. abhängen. Du hast offensichtlich nur eine UV, also schon eine sehr hohe Varianzaufklärung der AV. Mein Beispiel ist konstruiert, deswegen ist das R² so hoch. Da also immer schön Ruhe bewahren. ;-) Wenn du weitere (sinnvolle) UV aufnimmst, wird das R² mit Sicherheit auch weiter steigen. Die ANOVA-Tabelle zeigt dir ja bei einem solch signifikanten F-Wert lediglich, dass die Aufnahme der UV in das Modell einen Erklärungsbeitrag leistet. Die Höhe der Signifikanz spiegelt sich nicht im R² wieder - allerdings in der Höhe des F-Wertes. Aus dem F-Wert wird die Signifikanz ermittelt. Die Signifikanz der ANOVA-Tabelle ist aber identisch zur Signifikanz deiner UV - ACHTUNG: das gilt nur bei einer einfachen Regression. Bei einer multiplen Regression entsprechend sich die Werte nicht. Ein hoher t-Wert ist gleichzeitig ein sehr niedriger Signifikanzwert, weil auch da aus dem einen der andere ermittelt wird. Also alles gut. Bei dir hört sich alles vernünftig an. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Hallo, mein R² ist 0,03 bis 0,07 (habe verschiedene Linerare Regressionen durchgeführt). Die Signifikanz ist stehts 0,003 oder niedriger. Wenn ich das Streuungsdiagramm anzeigen lassen, dann erkennt man schon eine steigene Linie, welche nicht so stark ist wie in deinem Beispiel hier im video, aber deutlich eine Steigerung darstellt. Wie kann ich denn das Ergebnis interpretieren? :/
Hallo Björn, wie interpretiere ich R-Quadrat und korrigiertes R-Quadrat bei einer einfachen linearen Regression mit einer unabhängigen Variable? Bzw. welches davon gibt an, wie viel % durch das Modell erklärt werden kann. Merci :)
Hey, echt super deine Videos! Welche Version von SPSS verwendest du? Ich verwende Version 23 und kann die lineare Regression unter Analysieren - Regression nicht finden. Hast du vielleicht einen Tipp wo die sich verstecken könnte? Vielen Dank ☺️ 🙏
Hallo Rebekka, das Video zur Regression habe ich mit Version 25 gemacht. Es sollte eigentlich unter Regression stehen. Alternativ könnte es allerdings noch unter allgemeines lineares Modell stehen. Viele Grüße, Björn.
Hallo Veblen, danke für dein Lob. Den Datensatz gibt es in etwas eingekürzter Form aber mit den relevanten Variablen im zum Video zugehörigen Blogbeitrag: www.bjoernwalther.com/einfache-lineare-regression-in-spss-rechnen-und-interpretieren/ Viele Grüße, Björn.
Hi :) ich hätte noch eine Frage: welches Skalenniveau kann die unabhängige Variable zum Berechnen einer linearen Regressionen haben? In meinem Modell würde ich gerne überprüfen, ob die Teilnahme an einer psychologischen Intervention (Ja =1; Nein =2) das Scoring in einem Fragebogen zum zweiten Messzeitpunkt kausal erklärt (also eine gerichtete Hypothese). Teilnahme ja und nein ist halt eigentlich ein nominales Skalenniveau nur umcodiert in 1 und 2... Geht das trotzdem?
Gibt es eigentlich eine Möglichkeit, die Regressionsgerade automatisch in dem Streudiagramm generieren zu lassen? Der Umweg per Doppelklick kann doch nicht die einzige Möglichkeit sein, oder? Und gibt es dafür einen Eintrag in der Syntax?
Hallo, du kannst in der Diagrammerstellung unten rechts "Lineare Anpassungslinien" anfordern. Bei nur einer Gruppe muss der Haken bei "Gesamt" gesetzt sein. Viele Grüße, Björn.
Schreibe gerade Meine Masterarbeit und das Video ist sehr hilfreich, danke dafür! :) Lass mich bitte kurz klugscheißen, denn mit durchgehend 15 Punkten kann man ein 0,66 Abitur erreichen. Bei uns hatte der Beste damals einen Abischnitt von 0,8.
Hallo, immer gerne. Ja, es ist theoretisch möglich aber solche Ausnahmefälle wollte ich nicht noch zusätzlich diskutieren, weil die Anzahl derer, die daraufhin Fragen stellen, erheblich größer wäre. ;-) Viele Grüße, Björn.
Wie kann ich denn eine Regressionsanalyse (eine UV eine AV) getrennt für zwei Bedingungen rechnen? D.h. für zwei unabhängige Stichproben. Geht das alles in einer Analyse oder muss ich zwei getrennt für die Bedingungen machen? :/
Hallo, das kannst du mit der hier gezeigten Funktion analog machen: ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-v-52926vCLs.html Viele Grüße, Björn.
Hi, ich könntest du mir sagen, ob im folgeden Fall eine lineare Regressionsanalyse (unabhängig von den Voraussetzungen) angebracht ist: Meine Probanden haben in 3 Anläufen nacheinander Aufgaben an einem System bearbeitet, wobei ich jedesmal einen Parameter x (metrisch) des Systems erhöht habe. Ich habe bei allen drei Szenarien die Bedienzeit gemessen. Dabei habe ich festgestellt (nicht statistsich), dass mit der Erhöhung des Paramteres x auch die Bedienzeit steigt. Genau das möchte ich statistisch zeigen/prüfen. Ich habe einfach mal eine Regressionanalyse in SPSS durchgeführt und diese zeigte einen statistsich signifikanten Einfluss des Parameters x auf die Bedienzeit. Nur bin ich mir nicht sicher, ob ich die Methode in disem Fall anwenden darf. Viel Dank im Voraus! PS: Ich habe davor eine ANOVA mit Mewsswiederholung und dann noch post-hoc-Tests durchgefüht. Dieses lieferte aber lieferte aber keine sign. Ergebnisse und hat mir generell nicht viel geholfen, weil ich daraus nicht viel ableiten kan...
Hallo zidane61, so wie du es beschrieben hast, hast du eine zweifache Messwiederholung, also drei Zeitpunkte von Probanden vorliegen. Zunächst wäre eine einfache Möglichkeit x und Bedienzeit zu korrelieren und zu schauen, was passiert. Allerdings hast du hier das Problem, dass du die Messwiederholungen nicht adäquat beachtest und sozusagen jeden Probanden, wenn auch mit einer Modifikation, mehrfach aufnimmst. Das passiert ebenfalls in der Regression. Du brauchst daher etwas, dass die Mittelwerte vergleicht, aber sich dessen bewusst ist, dass es abhängige Stichproben sind. Da bleibt schon, wie du richtig angemerkt hast, nur die ANOVA mit Messwiederholung oder eine Panelregression. Letztere kannst du in R oder STATA rechnen, nicht jedoch in SPSS. Wenn die Ergebnisse nicht signifikant sind, dann scheint das tatsächlich so zu sein. Klassische Gründe hierfür ist eine zu kleine Stichprobe oder eine Stichprobe, die die Grundgesamtheit nicht adäquat abbildet. Was du in keinem Fall tun solltest, ist mit Längsschnittdaten einen Querschnitt zu rechnen, den du nicht hast. Damit meine ich eine einfache Regression. Zusatz: Wenn du allerdings keine Messwiederholungen, sondern deine x-Variable experimentell zufällig geändert und jedes mal andere Probanden hättest, dann ginge eine einfache lineare Regression. Wenn x aber lediglich 3 Stufen hätte, würde man auch da eine ANOVA rechnen, allerdings ohne Messwiederholung. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther vielen Dank! Eine Frage noch zum Verständnis: Ich habe für x drei feste Werte bei jedem Probanden getestet (als Beispiel 1,2 und 3). Könnte ich die Korreletaionen getrennt überprüfen, also erst zwischen x=1 und Bedienzeit, dann zw x=2 und Bedienzeit..., und dann die drei Korreleationsergebnisse miteinander vergleichen?
Hi, schreibe gerade meine Bachelorarbeit und habe Probleme die Anpassungslinie hinzuzufügen. Die Auswahl ist grau hinterlegt und nicht klickbar. Woran könnte das liegen? Vielen Dank!
du erklärst es echt gut!!! Nur leider zeigen alle meine Variablen einen viel zu niedrigen r-Quadrat wert an...... alle so um 0,03 rum.... Muss in meiner Arbeit Faktoren zur Wahrnehmung von Korruption erklären, nur leider scheint alles zu niedrig zu sein, na super. Verzweifelter Gruß Sxrpio
Frage: Ein Streudiagramm mit Test auf Linearität ist quasi unmöglich, wenn meine Unabhängige Variable (x) aus einer Dummy Codierung (0;1) besteht. Wie gehe ich dann vor?
Gibt es auch ein Video über Regression bei Variablen, die nur Ja und Nein als Merkmal haben? Mein Prof. meinte ich soll dafür die logistische Regression verwenden...?
Hallo, genau, da müsste man eine logistische Regression rechnen. Dazu gibt es allerdings noch kein Video. Das wird in den nächsten 4-6 Wochenaber sicher noch kommen. Viele Grüße, Björn.
Hallo Sophia, soweit ich weiß nicht. Evtl. existiert in den Untiefen von SPSS eine Schaltfläche, die ich aber nicht kenne. Im Zweifel einfach Tabelle bearbeiten und händisch anfügen. Viele Grüße, Björn.
Hallo Hajer, ja, ein Streudiagramm reicht. Eine Regressionslinie ist allerdings nicht notwendig, da dann ja ein gerichteter Zusammenhang unterstellt wird. Ein Streudiagramm wird natürlich kaum darstellen können, ob Spearman 0,45 oder 0,55 ist. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther was meinst du mit gerichtetem Zusamnenhang meinst nur in einer Richtung der Einfluss einer Variable auf die andere oder ? Danke sehr Björn !
Hallo Hajer, genau, man spricht bei einem gerichteten Zusammenhang, wenn man eine abhängige und eine unabhängige Variable explizit benennen kann. Kann man das nicht, ist es ungerichtet und eine Regression unangebracht und die Korrelation sinnvoller. Viele Grüße, Björn.
ich habe einfach das Gefühl im Studium wieder alles vergessen zu haben. Ich hätte einfach keinen Schimmer mehr, warum das R Quadrat korrigiert werden muss. Irgendwie ist das deprimierend.
Es geht mir so ähnlich! 4 Semester Statistik gehabt (sogar mit relativ guten Noten), zwei Semester Pause und ich habe ALLES vergessen! Es deprimiert wirklich... Vor allem, weil ich es nun brauche. :( Danke für das Video, war eine gute Auffrischung!
Hallo, das Komma ist einfach um vier Stellen nach rechts verschoben. Das ist die wissenschaftliche Schreibweise. In deinem Falle wäre das 0,0001431. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Super! Danke für die schnelle Antwort und die tollen Videos! Hatte das sogar vermutet, aber war mir nicht sicher ^^ Schönes Wochenende :)
Ich hab das interpretieren mit dem T Wert nicht verstanden, wieso ist das Signifikant und wann wäre es nicht signifikant, gibts ne Regel wie groß oder klein der t Wert sein muss
Hallo, den t-Wert interpretiert man typischerweise nicht. Er dient mir i.V.m. den Freiheitsgraden zur Ermittlung des p-Wertes. Pauschal sind große t-Werte (ab ~3) ein Hinweis auf niedrigere p-Werte, allerdings hängt das zusätzlich von den Freiheitrgraden (ANOVA-Tabelle) ab. Wenn man so will, ist der p-Wert der Zwillingsbruder des t-Wertes. Viele Grüße, Björn.
aufgepasst! die beste note die jmd im abischnitt erreichen kann ist eine 0,7 bei 15 punkten im schnitt. eine 1,0 im abi wäre ein durchschnitt von 14 punkten!
Durchschnittsnoten mit einer 0 vor dem Komma gibt es offiziell nicht. Worauf du anspielst, ist ein theoretisches Rechenbeispiel. Da es hier aber a) nur um ein hypothetisches Beispiel geht, unter dem sich jeder etwas vorstellen kann und b) besagte Noten offiziell nicht existieren, wollte ich keine Haarspalterei betreiben. Dafür steht ja letztlich der methodische Teil des Videos viel zu sehr im Vordergrund.
Hallo, dieser 0,7-Kommentar kommt gefühlt öfter als methodische Kommentare. Von mir aus gerne, aber dann bitte ich an dieser Stelle auch oder vielmehr eher folgendes zu bedenken: in manchen Bundesländern ist das (inzwischen) möglich, in anderen nicht - Deutschland ist bildungspolitisch ein jämmerlicher Flickenteppich. Ich würde mich mehr daher viel mehr darüber freuen, wenn hier die bundesweite (Nicht-)Vergleichbarkeit der Noten und die Folge für die damit verbundene problematische Zulassung zu NC-Fächern diskutiert wird, als die theoretisch mögliche Bestnote in einem beliebig gewählten Beispiel, um die Durchführung und Interpretation der Analyseergebnisse eine statistische Methode zu erklären. Viele Grüße, Björn.
