Das standardisiertes Regressionsgewicht βi beschreibt die vorhergesagte Änderung im Kriterium bei einer Veränderung des Prädiktors im Rahmen der linearen Regression. Als Einheit für Prädiktor und Kriterium dient anders als beim unstandardisierten Regressionsgewicht nicht die gemessene Einheit von Prädiktor und Kriterium, sondern die Standardabweichung:

Wenn der Prädiktor um eine Standardabweichung erhöht wird und alle anderen Prädiktoren im Modell konstant gehalten werden (im Falle einer Moderation: wenn alle anderen Prädiktoren 0 sind), verändert sich das Kriterium um βi-Standardabweichungen. Das standardisiertes Regressionsgewicht βi beschreibt also die standardisierte Stärke des Zusammenhangs zwischen Prädiktor und Kriterium innerhalb der linearen Regression.

Der besondere Vorteil des standardisierten Regressionsgewichts ist die Vergleichbarkeit der jeweiligen Beziehungsstärken zwischen Prädiktoren und dem Kriterium, da die Einheiten der Prädiktoren und des Kriteriums durch die Standardisierung keine Rolle mehr spielen.

Beispiel:

β = – 0.238

Prädiktor = Körpergewicht in kg

Kriterium = Alter bei erstmaligen Herzinfarkt

Interpretation: Steigt das Körpergewicht um eine Standardabweichung, dann fällt das Alter beim erstmaligen Herzinfarkt um 0.238 Standardabweichungen.

Wichtig: Eine positives βi geht also mit einer Erhöhung des Kriteriums einher, ein negatives βi mit einer Verringerung.

Trag dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmässige Tipps für deine empirische Promotion

You have Successfully Subscribed!