Nachdem Sie nun die Grundlagen der Regressionsanalyse beherrschen, geht es im nächsten Schritt darum, wie Sie ein grundlegendes Regressionsmodell bewerten und modifizieren können. In diesem Modul lernen Sie ein gängiges Maß für die Modellanpassung und die drei Grundannahmen der Regressionsanalyse kennen. Außerdem werden wir uns mit dem besonderen Umstand befassen, eine Regressionsanalyse mit einer binären (auch Dummy-) Behandlungsvariable durchzuführen. Dummy-Variablen, die zwei Werte annehmen können, werden in der Statistik häufig verwendet. Das Verständnis für die Verwendung und Interpretation von Dummy-Variablen bildet die Grundlage für die Entwicklung eines multivariaten Regressionsmodells, mit dem wir uns im nächsten Modul beschäftigen werden.

Das bivariate Regressionsmodell ist ein wesentlicher Baustein der Statistik, aber in der Praxis ist es als nützliches Modell für deskriptive, kausale oder prädiktive Schlüsse meist unzureichend. Das liegt daran, dass es in der Regel mehrere Variablen gibt, die eine bestimmte Dynamik beeinflussen. Ganz gleich, ob Sie politisches Verhalten, Umweltprozesse oder die Ergebnisse einer Medikamentenbehandlung modellieren, es ist fast immer notwendig, mehrere Einflüsse auf ein bestimmtes Ergebnis zu berücksichtigen. In diesem Modul wird das multivariate Modell der Regressionsanalyse vorgestellt und erklärt, wie die Ergebnisse einer multivariaten Analyse zu interpretieren und zu bewerten sind.

Sobald Sie das multivariate OLS-Modell beherrschen, sind Sie bereit, sich mit einer Vielzahl von Regressionsmodellierungstechniken vertraut zu machen. Denken Sie daran, dass Forscher immer die Modellierungstools verwenden sollten, die sie am besten in die Lage versetzen, die jeweilige Frage zu beantworten. In diesem Modul geht es vor allem um zwei Instrumente, nämlich Interaktionsterme und Modelle für binäre abhängige Variablen. Denken Sie jedoch daran, dass es zahlreiche Tools für die Regressionsmodellierung gibt, die Sie je nach der Forschungsfrage, die Sie zu beantworten versuchen, erlernen und anwenden können. Nachdem Sie ein solides Verständnis der Regressionsgrundlagen entwickelt haben, sollten Sie sich in der Lage fühlen, diese Wissensbasis zu erweitern, wenn Sie sich als Produzent und Konsument von Analysen weiterentwickeln.