7.

Signifikanztest der Korrelation und

Regressionsanalyse
Diplom-Psychologin: Christine Mühlhan
 Signifikanztests der Korrelation

t-Test für Korrelationskoeffizienten (1 Stichprobe)

2
 Signifikanztests bei der Korrelation

t-Test für Korrelationskoeffizienten (1 Stichprobe)

Beispiel:
18 Versuchspersonen wurden untersucht auf die Merkmale: Umfang des
Wortschatzes und Rechtschreibung. Es ergab sich eine Korrelation von r =
0,62. Untersucht werden soll, ob in der Grundgesamtheit eine Korrelation
besteht.

N = 18
r = 0,62
α = 0,01, zweiseitige Testung
3
 Signifikanztests bei der Korrelation

4
 Regressionsanalyse
 Überprüfung des Zusammenhangs einer oder mehrerer
unabhängiger Variablen mit einer abhängige Variable

 Abhängige Variable: Kriterium

 Unabhängige Variable(n): Prädiktor(en)

5
 Regressionsanalyse
 Einfache lineare Regressionsanalyse

 Regressionsgleichung

 Methode der kleinsten Quadrate (KQ-Methode)

 Güte der Anpassung:

Bestimmtheitsmaß= Determinationskoeffizient

 Signifikanztests im Rahmen der Regression

 Multiple Regression

6
 Regressionsanalyse
Einfache lineare Regressionsanalyse:

 Eine abhängige Variable y (Kriterium): metrisch

 eine unabhängige Variable x (Prädiktor): metrisch

oder binär

 Regressionsgleichung: yˆ i  a  bxi
7
 Regressionsanalyse
Einfache lineare Regressionsanalyse:Ein Prädiktor

yˆ i  a  b  xi
 Regressionsgleichung:

 Steigung der Geraden: wie verändert sich der Wert in der y-

Variable, wenn man im Prädiktor einen Einheit höher geht

sy
b  rxy 
sx
 Schnittpunkt der Regressionsgeraden mit der y-Achse:
welchen Wert man einer Person vorhersagen würde, die im
Prädiktor einen Wert von 0 hat
a  y b x
8
 Regressionsanalyse
Einfache Regressionsanalyse:

 Residuen (Schätzfehler): ei  yi  yˆ i
n
 Summe der Residuen = 0 :
  y  yˆ   0
i 1
i i

 Methode der kleinsten Quadrate (KQ-Methode):

n
 y ˆ
y 
 i i  Minimum

2

i 1

 Die Regressionsgleichung erfüllt die Methode der kleinsten Quadrate

9
 Regressionsanalyse
Varianzzerlegung:
 Totale Varianz der abhängigen Variable= aufgeklärte Varianz +
Residualvarianz

 Totale Varianz= Kriteriumsvarianz

 Aufgeklärte Varianz= vorhersagbare Varianz, gemeinsame

Varianz, Regressionsvarianz

 Residualvarianz= Schätzfehlervarianz, unerklärte Varianz

 Standardschätzfehler: Wurzel aus der Schätzfehlervarianz

(=Standardabweichung der Schätzfehler)

10
 Regressionsanalyse

Totale Varianz der Kriteriumsvariable

Regressionsvarianz Fehlervarianz

11
 Regressionsanalyse
Varianzzerlegung:

(Sedlmeiner & Renkewitz)

12
 Regressionsanalyse
 Güte der Anpassung

r2 = Bestimmtheitsmaß = Determinationskoeffizient:

 r2 = Anteil der aufgeklärten Varianz der abhängigen

Variablen durch die unabhängigen Variablen

 1- r2 = Anteil der unaufgeklärten Varianz

 Beispiel:
 Korrelation zwischen dem Alter und der
Lebenszufriedenheit: rxy= 0,60
 r2= 0,62= 0,36
 36 % der Varianz der Lebenszufriedenheit kann durch das
Alter erklärt werden

13
 Regressionsanalyse
 Gesamtmodell
 H0: Die Varianzaufklärung durch das Modell beträgt 0.
 H1: Die Varianzaufklärung durch das Modell ist > 0.

 Prüfgröße für das Gesamtmodell

ˆ
2

F Regr

ˆ
2
Fehler

14
 Regressionsanalyse

 Einzelne Prädiktoren
 H0: Das Regressionsgewicht (=b) des Prädiktors ist 0.
 H1: Das Regressionsgewicht (=b) des Prädiktors ist  0.

Die Überprüfung der Signifikanz für die einzelnen

Regressionsgewichte erfolgt mittels t-Tests.

b
t
SE

15
 Regressionsanalyse
 ANOVA-Tabelle der Regression

Varianzquelle SSq Freiheitsgrade Varianzschätzung F p-Wert

df

Regression SSRegr m F p

Fehler SSFehler N-(m+1)

Gesamt SSGesamt N-1

 m= Anzahl der Prädiktoren

16
 Regressionsanalyse
Einfache Regression
Beispiel:
Kriterium: Wohlbefinden, Prädiktor: Optimismus

Call: lm(formula = befinden$Wohlbefinden ~ befinden$Optimismus)

Residuals: Min 1Q Median 3Q Max
-1.83417 -0.41526 -0.01707 0.38428 1.56583

Coefficients: Estimate Std. Error t value Pr(>|t|)

(Intercept) 0.1349 0.3157 0.427 0.669
befinden$Optimismus 1.1658 0.1070 10.891 <2e-16 ***

--- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.6278 on 216 degrees of freedom

Multiple R-squared: 0.3537, Adjusted R-squared: 0.3508
F-statistic: 118.2 on 1 and 216 DF, p-value: < 2.2e-16

17
 Regressionsanalyse
 Gruppierter scatterplot

18
 Regressionsanalyse
Voraussetzungen

 Linearer Zusammenhang zwischen den Prädiktoren und y

 Schätzfehler sind normal verteilt

 Die Schätzfehler sind unabhängig von den Prädiktoren

 Die Schätzfehler sind unabhängig voneinander

 Homoskedastizität = gleiche Fehlervarianzen

19