Muva (Fach) / Suppressorvariablen (Lektion)
In dieser Lektion befinden sich 6 Karteikarten
5. Vorlesung
Diese Lektion wurde von Amalaswinthaa erstellt.
- Typischer Befund in der Regressionsanalyse - Regressionsgewicht eines Prädiktors wird kleiner, wenn weiter Prädiktoren in das Modell aufgenommen werden
- Klassische Suppression - meistens wird Regressionsgewicht eines Prädiktors kleiner, wenn weitere Prädiktoren aufgenommen werden - es kann aber auch das Gegenteil passieren - klassische Suppression = Regressionsgewicht eines Prädiktors wird größer, wenn weitere Prädiktoren in das Model aufgenommen werden - verschiedene formale Definitionen z.B. negative oder reziproke Suppression
- Suppressoreffekt - hohe bivariate Korrelation zwischen 2 Prädiktoren deutet darauf hin, dass der zweite Prädiktor irrelevante Varianz im ersten Prädiktor (Varianz, die nicht mit dem Kriterium zusammenhängt) "absorbieren" bzw. unterdrücken kann und sich dadurch die Vorhersage verbessert
- Beispiel Prädiktor: Fähigkeitstest (x1) Kriterium: Berufserfolg (y) Suppressor: Tagesform (x2) --> Mittlere Korrelation zwischen Fähigeit und Berufserfolg --> hohe Korrelation zwischen Tagesform und Fähigkeit --> KEINE Korrelation zwischen Tagesform und Berufserfolg
- Fazit - aus der Tatsache, dass ein Prädiktor (bivariat) nicht mit dem Kriterium korreliert, kann man nicht folgern, dass er im Rahmen einer multiplen Korrelation bedeutungslos ist (Suppressoreffekt) --> kann die Vorhersagerkaft eines anderen Prädiktors erhöhen - es muss mindestens eine substantielle Korrelation zu mindestens einem anderen Prädiktor vorliegen --> erklärt u.a. auch, warum bei der Auswahl eines Prädiktors bzw. Beurteilung die Nützlichkeit der anderen Prädiktoren zu wichtig sind
- Wann spricht man von einem Suppressor? Immer dann, wenn: - ein Prädiktor die Vorhersagekraft eines anderen Prädiktors erhöht (--> so kann man die Wirkung erkennen) - sein Beitrag (Nützlichkeit) in der multiplen Regression deutlich höher ist als sein Beitrag (r2) in der einfachen Regression (--> so kann man den Suppressor erkennen) - es kann zu Umkehr des Vorzeichens zwischen dem Regressionsgewicht in der multiplen Regression und dem Regressionskoeffizient der einfachen Regression kommen (negative Suppression)