Logistische Regression interpretieren

Regressionsmodelle aller Art mit Stata.

Logistische Regression interpretieren

Beitragvon Jakobson » Sa 6. Feb 2021, 14:42

Hey, ich habe eine logische Regression gemacht, hab aber noch Probleme bei der Interpretation. Besonders auch bei der Modellgüte.

Number of obs = 2,231
LR chi2(10) = 241.48
Prob > chi2 = 0.0000
Pseudo R2 = 0.1119

Ich kann mir noch wenig unter LR chi2 und Pseudo R2 vorstellen. Könnte mir jemand erklären ob das Modell "gut" ist bzw. ab wann?
Jakobson
 
Beiträge: 11
Registriert: So 3. Jan 2021, 19:30
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Logistische Regression interpretieren

Beitragvon Staxa » Sa 6. Feb 2021, 15:21

Die von die berichten Zahlen beziehen sich auf einen Omnibustest. Es wird also geprüft, ob dein Modell mit allen deinen erklärenden Vars insgesamt ist die abhängige Var zu erklären. Da der p-Wert sehr klein ist (Prob > chi2 = 0.0000) ist dies der Fall, also scheint das Modell Varianz zu erklären, was gut ist. Der R2 Wert liegt bei 11%, das ist für Sozialwissenschaften ganz OK. Eine absolute Beurteilung des Werts ist nicht möglich. Hier wäre es sinnvoll, den Wert mit publizierten Studien zu vergleichen und zu schauen ob andere. ähnliche Untersuchungen ähnliche Werte berichten. Ist dein Wert sehr viel kleiner könnte es darauf hindeuten, dass wichtige erklärende Variablen fehlen.
Stata für Anfänger: www.statabook.com
Staxa
 
Beiträge: 459
Registriert: Di 27. Feb 2018, 12:56
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Logistische Regression interpretieren

Beitragvon Jakobson » Sa 6. Feb 2021, 16:39

Ok, danke schon mal für die Antwort.

Also im Modell-Fit-Block wird quasi geschaut wie gut meine unabhängigen Variablen die Abhänge erklären oder?
Bin unschlüssig wie der LR chi2 Wert zu. verstehen ist (also ist das viel oder wenig)
Jakobson
 
Beiträge: 11
Registriert: So 3. Jan 2021, 19:30
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Logistische Regression interpretieren

Beitragvon Staxa » Sa 6. Feb 2021, 17:06

Im Prinzip brauchst du nur den p-Wert und R2 bewerten, die anderen Statistiken sind quasi Vorläufer und werden dazu benutzt um diese dann zu berechnen. Wenn der Chi2 hoch ist, dann ist der p-Wert klein. Warum das so ist kannst du einem Statistik Grundlagenbuch entnehmen.
Stata für Anfänger: www.statabook.com
Staxa
 
Beiträge: 459
Registriert: Di 27. Feb 2018, 12:56
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post


Zurück zu Regressionsmodelle

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 1 Gast

cron