In dieser Sitzung erfahren Sie mehr über die Bedeutung des Testens auf Störfaktoren und erhalten Beispiele für Situationen, in denen eine Störvariable den Zusammenhang zwischen einer erklärenden und einer Antwortvariable erklären kann. Nachdem Sie nun den Zusammenhang zwischen einer erklärenden Variable und Ihrer Antwortvariablen statistisch getestet haben, werden Sie diesen Zusammenhang mit Hilfe einer einfachen linearen Regressionsanalyse für eine quantitative Antwortvariable testen und interpretieren. Sie werden auch lernen, wie das lineare Regressionsmodell zur Vorhersage Ihrer beobachteten Antwortvariablen verwendet werden kann. Schließlich werden wir auch die statistischen Annahmen erörtern, die dem linearen Regressionsmodell zugrunde liegen, und Ihnen einige bewährte Verfahren für die Kodierung Ihrer erklärenden Variablen zeigen. Beachten Sie, dass Sie, wenn Ihre Forschungsfrage keine quantitative Antwortvariable enthält, eine aus Ihrem Datensatz verwenden können, nur um etwas Übung mit dem Tool zu bekommen.

Die multiple Regressionsanalyse ist ein Instrument, mit dem Sie Ihre Forschungsfrage erweitern und einen strengeren Test der Assoziation zwischen Ihrer erklärenden und Ihrer Antwortvariablen durchführen können, indem Sie zusätzliche quantitative und/oder kategoriale erklärende Variablen zu Ihrem linearen Regressionsmodell hinzufügen. In dieser Sitzung werden Sie eine multiple Regressionsanalyse für eine quantitative Antwortvariable anwenden und interpretieren und lernen, wie Sie Konfidenzintervalle verwenden, um den Fehler bei der Schätzung eines Populationsparameters zu berücksichtigen. Sie werden auch lernen, wie man nichtlineare Zusammenhänge in einem linearen Regressionsmodell berücksichtigt. Schließlich werden Sie Erfahrungen mit Regressionsdiagnosetechniken sammeln, um zu bewerten, wie gut Ihr multiples Regressionsmodell Ihre beobachtete Reaktionsvariable vorhersagt. Beachten Sie, dass Sie, wenn Sie noch keine zusätzlichen erklärenden Variablen identifiziert haben, mindestens eine zusätzliche erklärende Variable aus Ihrem Datensatz auswählen sollten. Wenn Sie zu Ihren Codebüchern zurückkehren, stellen Sie sich einige Fragen wie "Welche anderen Variablen könnten die Assoziation zwischen meiner erklärenden und meiner Antwortvariablen erklären?"; "Welche anderen Variablen könnten einen größeren Teil der Variabilität meiner Antwortvariablen erklären?" oder sogar "Welche anderen erklärenden Variablen könnten interessant sein, um sie zu untersuchen?" Zusätzliche erklärende Variablen können entweder quantitativ, kategorisch oder beides sein. Obwohl Sie nur zwei erklärende Variablen benötigen, um ein multiples Regressionsmodell zu testen, ermutigen wir Sie, mehr als eine zusätzliche erklärende Variable zu identifizieren. Auf diese Weise können Sie die Leistungsfähigkeit der multiplen Regressionsanalyse wirklich erfahren und Ihr Vertrauen in Ihre Fähigkeit, komplexere Regressionsmodelle zu testen und zu interpretieren, stärken. Wenn Ihre Forschungsfrage keine quantitative Antwortvariable enthält, können Sie dieselbe quantitative Antwortvariable verwenden, die Sie in Modul 2 verwendet haben, oder Sie können eine andere aus Ihrem Datensatz auswählen.

In dieser Sitzung werden wir einige Dinge besprechen, die Sie beachten sollten, wenn Sie in Zukunft mit der Datenanalyse arbeiten. Wir zeigen Ihnen auch, wie Sie eine kategoriale erklärende Variable mit mehr als zwei Kategorien in einer multiplen Regressionsanalyse testen können. Schließlich führen wir Sie in die logistische Regressionsanalyse für eine binäre Antwortvariable mit mehreren erklärenden Variablen ein. Die logistische Regression ist einfach eine andere Form des linearen Regressionsmodells, die Grundidee ist also die gleiche wie bei einer multiplen Regressionsanalyse. Im Gegensatz zum multiplen Regressionsmodell ist das logistische Regressionsmodell jedoch darauf ausgelegt, binäre Antwortvariablen zu testen. Sie werden Erfahrungen mit dem Testen und Interpretieren eines logistischen Regressionsmodells sammeln, einschließlich der Verwendung von Odds Ratios und Konfidenzintervallen, um das Ausmaß des Zusammenhangs zwischen Ihren erklärenden Variablen und der Antwortvariablen zu bestimmen. Sie können die gleichen erklärenden Variablen verwenden, die Sie zum Testen Ihres multiplen Regressionsmodells mit einem quantitativen Ergebnis verwendet haben, aber Ihre Antwortvariable muss binär sein (kategorisch mit 2 Kategorien). Wenn Sie eine quantitative Antwortvariable haben, müssen Sie sie in 2 Kategorien binden. Alternativ können Sie auch eine andere binäre Antwortvariable aus Ihrem Datensatz auswählen, die Sie zum Testen eines logistischen Regressionsmodells verwenden können. Wenn Sie eine kategoriale Antwortvariable mit mehr als zwei Kategorien haben, müssen Sie sie in zwei Kategorien einteilen