Spearman-Korrelation: Ergebnisse interpretieren

Der letzte Schritt nach der Berechnung der Spearman-Korrelation ist die Interpretation und Verschriftlichung der Ergebnisse und genau das werden wir in diesem Artikel machen. Den Korrelationskoeffizienten bestimmen SPSS berechnet den Korrelationskoeffizienten als Teil der Spearman-Korrelation. Der Korrelationskoeffizient ρ ist das Maß für den Zusammenhang zwischen den beiden Variablen und damit der wichtigste Wert in der […]


Spearman-Korrelation in SPSS berechnen

Die Spearman-Korrelation gehört zu den einfachsten Verfahren überhaupt. Die Berechnung und Interpretation sind beide ebenfalls einfach, wie wir gleich sehen werden Auf der nächsten Seite werden wir die Interpretation und Verschriftlichung der Ergebnisse besprechen. Literaturverzeichnis Acock, A. C. (2005). Working With Missing Values. Journal of Marriage and Family, 67(4), 1012–1028. doi:10.1111/j.1741-3737.2005.00191.x


Spearman-Korrelation: Beispieldatensatz

In unserer Studie wollen wir die Arbeit von Bègue, Bushman, Zerhouni, Subra, und Ourabah (2013) replizieren. In dieser Studie haben die Autoren den Effekt von Alkohol auf die wahrgenommene eigene Attraktivität untersucht. In unserer Studie bekamen 100 Probanden einen Orangensaft zu trinken in dem entweder Alkohol beigemischt war oder nicht. Nach einer Stunden wurde ihr […]


Spearman-Korrelation: Voraussetzungen

Als nicht-parametrisches Verfahren ist die Spearman-Korrelation verhältnismäßig wenig anspruchsvoll, was die grundlegenden Voraussetzungen angeht. Dennoch gibt es zwei Voraussetzungen die erfüllt sein müssen, damit wir mit der Berechnung fortfahren dürfen. Die Voraussetzungen sind allerdings theoretischer Natur und können nicht direkt mit SPSS mit einem Test oder Verfahren überprüft werden. Voraussetzungen Skalenniveau. Die Variablen, die wir […]


Spearman-Korrelation: Spearman vs. Pearson

Ein Korrelationskoeffizient misst den Grad, in dem zwei Variablen dazu neigen, sich gemeinsam zu verändern. Der Koeffizient beschreibt sowohl die Stärke als auch die Richtung der Beziehung. Pearson-Produkt-Moment-Korrelation Die Pearson-Korrelation beurteilt die lineare Beziehung zwischen zwei kontinuierlichen Variablen. Eine Beziehung ist linear, wenn eine Änderung in einer Variablen mit einer proportionalen Änderung in der anderen […]


Spearman-Korrelation in SPSS

Der Korrelationskoeffizient von Spearman (auch Spearman-Korrelation, Spearman Rangkorrelation oder einfach nur Rangkorrelationskoeffizient) ist die non-parametrische Alternative zu der Produkt-Moment-Korrelation von Pearson. Wie auch die Produkt-Moment-Korrelation schätzt die Spearman-Korrelation die Stärke des Zusammenhangs zwischen zwei Variablen. Sie wird meistens durch den griechischen Buchstaben ρ (rho) abgekürzt, auch wenn vor allem in wissenschaftlichen Publikationen meist der Buchstabe […]


Binomiale Logistische Regression: Alle Ergebnisse zusammengefasst

Hier noch einmal alle Ergebnisse der binomial logistischen Regressionsanalyse zusammengefasst:   Table 1 / Tabelle 1 B SE Wald p Odds Ratio 95% CI for Odds Ratio Lower Bound Upper Bound Sex 0.382 0.437 .763 .382 1.464 0.622 3.447 Age 0.027 0.023 1.451 .228 1.028 0.983 1.075 Immunofactor -0.031 0.041 .556 .456 0.970 0.894 1.051 […]


Binomiale Logistische Regression: Variablen interpretieren

Im letzten Schritt interpretieren wir noch die Variablen der Regressionsgleichung. Sie geben uns Aufschluss darüber, welche Faktoren signifikant zu der Klassifikationsleistung unseres Modells beigetragen haben. Dazu betrachten wir die Tabelle Variablen in der Gleichung. Variablen in der Gleichung Regressions­koeffizientB Standardfehler Wald df Sig. Exp(B) 95% Konfidenzintervall für EXP(B) Unterer Wert Oberer Wert Schritt 1a Geschlecht […]


Binomiale Logistische Regression: Klassifikationsleistung

Die Vorhersage der Kategorie, also die Klassifikation, die durch unser Modell stattfindet, ist eines der wichtigsten Punkte der logistischen Regression. Wir wollen wissen, inwieweit unsere Prädiktoren das Kriterium korrekt vorhersagen können. Eine Klassifikationsgüte von 50% wäre nicht besser als der Zufall, sodass wir dies als Richtmaß betrachten. Auch müssen wir hier unser Baseline-Modell betrachten, da […]


Binomiale Logistische Regression: Baseline-Analyse

Im ersten Teil der eigentlichen Auswertung schauen wir uns das Baseline-Modell an. Bei der binomialen logistischen Regression ist das Baseline-Modell das erste Modell, bei dem noch keine unserer Prädiktoren aufgenommen wurden. Es wird bei SPSS auch Block 0: Anfangsblock genannt. Hier sehen wir, wie gut die Klassifikation wäre, wenn wir unserem Modell keine weiteren Informationen […]


Binomiale logistische Regression: Datenintegrität

In ersten Schritt der Datenauswertung überprüfen wir noch einmal, ob alle Fälle, die wir erwarten, auch in die Analyse mit einbezogen wurden. Dies trifft vor allem auf fehlende Fälle zu, die sich Potenziell durch eine falsche Eingabe eingeschlichen haben könnten. Zusammenfassung der Fallverarbeitung Eine Übersicht aller Fälle finden wir in der Tabelle Zusammenfassung der Fallverarbeitung, […]


Binomiale logistische Regression: Einstieg in die Interpretation und Auswertung

Die folgenden Seiten werden sich jetzt mit der Interpretation und Auswertung der Ergebnisse beschäftigen. SPSS hat uns eine ganze Reihe verschiedener Tabellen erzeugt, die wir für die Interpretation der weiteren Voraussetzungen und schlussendlich der Ergebnisse benötigen.


Binomiale logistische Regression: Ausreißer finden

Wir haben insgesamt drei verschiedene Methoden berechnet, die allesamt Ausreißer finden sollen. Generell ist es schwierig zu definieren, ab wann ein Wert ein echter Ausreißer ist und auch hier existieren unterschiedliche Empfehlungen von verschiedenen Autoren. Oft kann es daher hilfreich sein, die verschiedenen Maße zu betrachten und anhand der Summe der Informationen zu entscheiden, ob […]


Binomiale Logistische Regression: Multikolinearität

Multikollinearität tritt auf, wenn abhängige Variablen sehr hoch miteinander korrelieren. Multikollinearität verursacht sowohl logische als auch statistische Probleme. Durch die hohe Korrelation werden die Variablen redundant, beide Variablen messen dadurch effektiv dasselbe. Allerdings ist es für die meisten statistischen Verfahren problematisch redundante Variablen in dieselbe Analyse aufzunehmen, es sei denn, wir führen eine Strukturanalyse durch […]


Binomiale logistische Regression in SPSS berechnen

Jetzt geht es an die eigentliche Berechnung der binomialen logistischen Regression. Auf der nächsten Seite besprechen wir die weitere Überprüfung und Verschriftlichung der übrigen Voraussetzungen, sowie dann auch die Interpretation und das Berichten der Ergebnisse des Regressionsmodells.


Binomiale logistische Regression: Linearität interpretieren

Wie auf der vorherigen Seite besprochen, haben wir das Box–Tidwell Verfahren durchgeführt, um zu überprüfen, inwieweit Linearität unter unseren Variablen gegeben ist. SPSS generiert sehr viele Tabellen in unseren Ausgabe, von denen wir aber lediglich die zweite Tabelle mit der Überschrift Variablen in Gleichung benötigen. Sie enthält alle Informationen, die wir zur Bestimmung der Linearität […]


Binomiale logistische Regression: Variablen vorbereiten

Obwohl man oft davon ausgeht, dass die logistische Regression Linearität nicht direkt voraussetzt, gehen wir davon aus, dass die Beziehungen zwischen den kontinuierlichen Prädiktoren und dem Logit linear sind. Diese Annahme kann getestet werden, indem in das Modell die Interaktionen zwischen den kontinuierlichen Prädiktoren und ihrem logarithmierten Wert aufgenommen werden (Box & Tidwell, 1962). Wenn […]


Binomiale logistische Regression: Minimale Stichprobengröße

Multivariable Analysemethoden – wie Regression – stehen im Verdacht, problematische Ergebnisse zu liefern, wenn im Verhältnis zur Anzahl der im Modell analysierten Prädiktoren zu wenige Fälle vorliegen. Die größten Probleme, die hierbei entstehen können, betreffen die Genauigkeit und Präzision der Regressionskoeffizienten sowie potenziell fehlerhafte Assoziationen. Dabei können zwei Arten von Fehlern entstehen: Überanpassung (Typ-I-Fehler) tritt […]


Binomiale logistische Regression: Voraussetzungen

Insgesamt acht Voraussetzungen sind zu erfüllen, damit wir eine binomiale logistische Regression berechnen dürfen. Allerdings sind nicht alle Punkte, die wir nachfolgend nennen werden, echte Voraussetzung die strikt eingehalten werden müssen. Manche von ihnen lassen sich biegen, ohne das unser Testergebnis stark verfälscht wird, andere wiederum müssen eingehalten werden. Die ersten vier Voraussetzung aus der […]


Binomiale Logistische Regression: Beispieldatensatz

In unserer Studie wollen wir untersuchen, ob Schlaf einen Einfluss auf die Anfälligkeit für Erkältung hat. Prather, Janicki-Deverts, Hall und Cohen (2015) haben eine ähnliche Studie durchgeführt; unsere Daten hier sind im Gegensatz aber rein fiktiv. Neben Schlaf haben wir noch einige weitere Variablen in unserem Datenfile, die wir mit in das logistische Regressionsmodell aufnehmen […]