Hierarchische Regression (Blöcke)

Kurz

Die Spalten unter „Woraus?“ werden in 2 oder 3 Blöcken geprüft. Jeder Block zeigt, wie viel Varianz er über die vorigen Blöcke hinaus erklärt (ΔR²).

Wofür

Typisch: Block 1 enthält Kontrollgrößen (zum Beispiel Alter), Block 2 die Größe, um die es geht. Gewählt wird „Blöcke bilden“ unter „Weitere Wege“ in der Frage „Lässt sich etwas vorhersagen?“. Ohne Blöcke bleibt die Regression wie gewohnt.

Voraussetzungen

• Wie bei der linearen Regression. Hat die Zielspalte genau zwei Werte, rechnet Statable ohne Blöcke.
• Die Reihenfolge der Blöcke steht vor der Auswertung fest und ist theoretisch begründet, nicht nach dem Ergebnis gewählt.
• Alle Blöcke rechnen auf denselben Fällen: Wer in einem späteren Block eine Lücke hat, fehlt auch in Block 1. Statable nennt die Zahl dieser Fälle.

Ergebnis lesen

• Je Block R², korrigiertes R², ΔR² und die F-Änderung mit df1 (neue Koeffizienten; eine Gruppen-Spalte mit k Stufen zählt k − 1), df2 und p. Block 1 wird gegen ein Modell ohne Prädiktoren geprüft.
• Signifikantes ΔR²: Der Block erklärt über die vorigen hinaus weitere Varianz. Sonst: kein bedeutsamer Anteil. Sinkt das korrigierte R², bringt der Block nach Abzug des Zufallsgewinns nichts.
• Die Koeffizienten (B, β, p) gehören zum Modell mit allen Blöcken.

Ergebnis berichten

Block 1: R² = ,10, F(2, 97) = 5,53, p = ,005; Block 2: ΔR² = ,23, F(2, 95) = 16,06, p < ,001

Im Text die Spalten je Block nennen und die Reihenfolge begründen.

Grenzen

• ΔR² ist kein Kausalbeweis: Es zeigt, wie viel Varianz ein Block zusätzlich erklärt, nicht, dass er sie verursacht.
• Eine andere Reihenfolge ergibt andere ΔR². PSPP rechnet je Block ein Modell; ΔR² und F-Änderung rechnet Statable (wie SPSS „F Change“, in R paarweise anova(m1, m2)).

Quelle

Cohen, J., Cohen, P., West, S. G. & Aiken, L. S. (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences (3. Aufl.). Erlbaum. Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5. Aufl.), Kap. 9. Sage.