„Ordinale Regression“

Präsentation zum Thema: "„Ordinale Regression“"—  Präsentation transkript:

1 „Ordinale Regression“
Am Beispiel des Eurobarometers 60.0 Methode Regressionsanalyse ist das wichtigste und am häufigsten angewendete multivariate Analyseverfahren, da es vielseitig und flexibel eingesetzt werden kann Beschreibung und Erklärung von Zusammenhängen (ein strukturen-prüfendes Verfahren, welches sachlogische - möglichst gut fundierte - Vorstellungen über den Kausal-zusammenhang zwischen Variablen wiedergibt) Durchführung von Prognosen Die Verfahren der Regressionsanalyse in SPSS Voraussetzungen ordinale Regression UV müssen jeweils mit AV signifikant korrelieren keine Multikollinearität Einfache bzw. multiple lineare Regression Binär logistische Regression Multinomial logistische Regression Ordinale Regression abhängige Variable (AV) metrisch dichotom nominal mit mehr als 2 Kategorien ordinal unabhängige Variable (UV) metrisch, nominal (Dummy) beliebig nominal, ordinal, Metrisch (Kovariate) Datensatz mündliche Befragung mit Hilfe standardisierter Fragebögen durch die Europäische Kommission in Europa (Sept. 2003) Forschungsfrage die Wahrscheinlichkeit, mit welcher das Ereignis Sporttreiben eintritt, wird von Nationalität, Alter, Geschlecht und Familienstand bestimmt Analyseergebnis, n=16124 2 Interpretationsmöglichkeiten Überblick über die allgemeinen Einflüsse der Faktoren Nordeuropäer treiben im Verhältnis zu Südeuropäern mehr Sport Jüngere (15-25 J.) sind sportlich aktiver als die 65+ Generation Männer sind sportlicher als Frauen alleinlebende Ledige beschäftigen sich mehr mit Sport als Verwitwete Berechnung der kummulierten Wahr-scheinlichkeiten für die Sportkategorien Sporthäufigkeit nach Länder-gruppen in % Schätzer Standard-fehler Signifi-kanz Schwelle [sport = 1] -3,310 ,072 ,000 [sport = 2] -2,068 ,069 [sport = 3] -1,576 ,068 Lage [laender=1] -1,700 ,048 [laender=2] -,403 ,049 [laender=3] -,597 ,041 [laender=4] 0(a) . [alter=1] -1,121 ,063 [alter=2] -,620 ,051 [alter=3] -,382 [alter=4] [sex=0] -,205 ,031 [sex=1] [famstandK=1] -,294 [famstandK=2] -,588 ,079 [famstandK=3] -,343 ,084 [famstandK=4] sport=1 sport=2 sport=3 sport=4 Variablen alter: 1=15-25 J./ 2=26-44 J./ 3=45-64 J./ 4=65 und Ältere sex: 0=Männer / 1=Frauen famstandK: 1=verheiratet, ledig / 2=ledig alleine / 3=geschieden, getrennt lebend / =verwitwet Verknüpfungsfunktion: Logit. a Dieser Parameter wird auf Null gesetzt, weil er redundant ist. Nagelkerke (Pseudo R2)=0,145 laender=1 laender=2 laender=3 laender=4 FAZIT ordinal skalierte abhängige Variablen kommen in den Sozialwissenschaften relativ häufig vor bisher meistens als intervallskalierte metrische Variablen behandelt (problematisch, da keine gleichen Skalenabstände) dichotomisiert (Informationsverluste, willkürliche Festlegung der Grenzen) Verfahren der ordinalen Regression allerdings in SPSS ebenso problematisch, da standardisierte untereinander vergleichbare Schätzer fehlen Modell mit vielen Variablenausprägungen und Wechselwirkungen kaum noch zu interpretieren ist die Methode bisher wenig in der Forschungspraxis Eingang gefunden hat Plakat vorgestellt von Elaine Souza Bruder und Antje Stubert im Rahmen des FoKo “Multivariate Datenanalyse” [Wittenberg, WS 2005/2006] am