Multivariate Zusammenhangsanalyse

Bei Betrachtung bivariater Beziehungen besteht die Gefahr, dass Zusammenhänge aufgrund von nicht berücksichtigten Drittvariablen überschätzt werden oder gar erst entstehen Ziel Aufschluss über die kausale Anordnung der in Beziehung gesetzten Merkmale zu erhalten

Fragen Wie wirken mehrere uVs gemeinsam auf eine aV? Welchen Einfluss weisen einzelne uVs unter Kontrolle anderer uVs auf? Welchen Einfluss haben verschiedne Variablen auf die uVy?

Bestimmungsmaß R2 gibt den Anteil der durch die uVs erklärten Varianz an der Gesamtvarianz der aVy wieder abhängig von der Anzahl der Variablen die ins Modell einfließen korrigiertes R2 wird interpretiert (R2 wird größer durch jede zusätzliche uV)

Skalenniveau: aV metrisch; uV quasi metrisch oder Dummy Linearität Zahl der uVs muss theoretisch plausibel fundiert sein Struktur der Residuen: Homoskedastizität und Normalverteilung Abwesenheit perfekter Multikollinearität: Zusammenhang der uVs darf nicht perfekt sein