Das unstandardisierte Regressionsgewicht bbeschreibt die vorhergesagte Änderung im Kriterium im Rahmen einer linearen Regression, wenn der Prädiktor um eine Einheit erhöht wird und alle anderen Prädiktoren innerhalb des Modells konstant gehalten werden (im Falle einer Moderation: wenn alle anderen Prädiktoren 0 sind).

Betai ist somit ein Indikator für die Stärke des Zusammenhangs zwischen Prädiktor (vorhersagende Variable) und Kriterium (vorhergesagte Variable). Siehe auch: standardisierte Regressionsgewicht βi.

Nach- und gleichzeitiger Vorteil des unstandardisierte Regressionsgewichts ist, dass Beta die gemessenen Einheiten von Prädiktor und Kriterium berücksichtigt. Dies erlaubte eine einfachere Interpretation des Effektes, weil dieser in gemessenen Einheiten leichter vorstellbar ist.

Die fehlende Standardisierung erschwert aber gleichzeitig den Vergleich zwischen den Beziehungsstärken der einzelnen Prädiktoren und dem Kriterium, weil der gleiche Wert (z.B. ein Beta von 0,5 für Prädiktor 1 und 2) nicht die gleiche Beziehungsstärke zwischen Prädiktor 1 / 2 und dem Kriterium ausdrücken muss, da beide Prädiktoren unterschiedliche Einheiten haben können. Beta ist also stark abhängig von der gemessenen Einheit des Prädiktors und des Kriteriums.

Ein Beispiel:

Prädiktor = Körpergewicht in kg

Kriterium = Alter bei erstmaligen Herzinfarkt

beta = – 0.152

Interpretation: Mit jedem zusätzlichen kg Körpergewicht, reduziert sich das Alter in dem ein Herzinfarkt auftritt um das 0.152-fache eines Jahres.

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

You have Successfully Subscribed!