Download (1031Kb) - Electronic Publications of the WU-Wien ...

Binäre Logistische Regression - 109 -
Iterationsprotokoll(a,b,c)
Koeffizienten
Iteration
-2 Log-
Likelihood Konstante
Schritt 0 1 411,558 ,240
2 411,558 ,241
3 411,558 ,241
a Konstante in das Modell einbezogen.
b Anfängliche -2 Log-Likelihood: 411,558
c Schätzung beendet bei Iteration Nummer 3, weil die Parameterschätzer sich um weniger als ,001 änderten.
Abbildung 10.5: Anfangswert der –2LogLikelihood
Modellzusammenfassung
-2 Log- Cox & Snell Nagelkerkes R-
Schritt Likelihood R-Quadrat Quadrat
1 320,702(a) ,261 ,350
2 322,416(a) ,257 ,344
3 332,875(a) ,231 ,309
4 342,045(a) ,207 ,277
5 350,876(a) ,183 ,245
6 355,382(b) ,171 ,229
a Schätzung beendet bei Iteration Nummer 20 weil die Höchstzahl der Iterationen erreicht wurde.
Endlösung kann nicht gefunden werden.
b Schätzung beendet bei Iteration Nummer 4, weil die Parameterschätzer sich um weniger als ,001 änderten.
Abbildung 10.6: Analyse der Devianz bzw. des –2LogLikelihood-Wertes und
Pseudo-R-Quadrat-Statistiken
Eine weitere Methode die Güte der Anpassung zu testen, wird mittels Chi-Quadrat-
Wert durchgeführt. In unserem Fall ist das Modell höchst signifikant mit einem Wert
von 0,000, dies bedeutet, dass das Anfangsmodell bei Hinzunahme der Variablen
eine höchst signifikante Verbesserung erfahren hat (siehe Abbildung 10.7). Da wir
die „Rückwärts:LR-Methode“ gewählt haben, wird uns beim Omnibus-Test jeder
Schritt angezeigt. Die Entscheidung, dass bei jedem Schritt Variablen entfernt werden
sollen, wird in der Abbildung 10.7 unter Schritt getestet. Die Entfernung von Variablen
macht dann Sinn, wenn die Signifikanz größer 0,10 ist. In diesem Fall beträgt
die Signifikanz bei Schritt 6 unter Schritt 0,212 und ist somit größer als der Wert 0,10
(SPSS für Windows 2002, Ergebnis-Assistent).