Regression bildung psychologie

Hintergrund: Die Regressionsanalyse ist eine wichtige statistische Methode zur Auswertung medizinischer Daten. Sie ermöglicht es, Zusammenhänge zwischen verschiedenen Faktoren zu analysieren und aufzudecken. Des Weiteren können prognostisch wichtige Risikofaktoren identifiziert werden, die die Bildung von Risikoscores für die Erstellung von individuellen Prognosen ermöglichen.

Methoden: Die Arbeit basiert auf ausgewählten Lehrbüchern der Statistik, einer selektiven Literaturauswahl und der eigenen Expertise. Ergebnisse: Nach einer kurzen Darstellung des univariablen und multivariablen Regressionsmodells wird anhand von Beispielen erklärt, was vor der Durchführung einer Regression zu beachten ist und wie die Ergebnisse interpretiert werden können.

Der Leser soll in die Lage versetzt werden, zu beurteilen, ob Methoden korrekt angewandt wurden und wie die Resultate zu bewerten sind. Schlussfolgerung: Die Durchführung und Interpretation einer linearen Regressionsanalyse beinhaltet zahlreiche Fallstricke, auf die hier ausführlich eingegangen wird.

Darüber hinaus werden dem Leser häufige Fehler bei der Interpretation mittels Beispielen aus der Praxis verdeutlicht. Zusätzlich werden sowohl die Möglichkeiten als auch die Grenzen der linearen Regressionsanalyse aufgezeigt. Bei statistischen Auswertungen von medizinischen Daten besteht das Ziel oft darin, Zusammenhänge zwischen zwei oder mehreren Variablen zu beschreiben.

Es ist beispielsweise nicht nur interessant, ob Patienten einen erhöhten Blutdruck haben, sondern auch, ob dieser durch Faktoren wie Gewicht oder Alter des Patienten beeinflusst wird. Die Variable, die erklärt werden soll Blutdruck , bezeichnet man als abhängige Variable Zielvariable. Die erklärenden Variablen Gewicht, Alter werden unabhängige Variablen Einflussvariablen genannt.

Falls Zielvariable und Einflussvariable stetig sind Blutdruck und Gewicht , beschreiben Korrelationskoeffizienten die Stärke des Zusammenhangs Kasten 1 gif ppt. Die Regressionsanalyse ermöglicht es, drei Aspekte zu untersuchen:. Dabei verwendet die Regressionsanalyse ein Modell, das den Zusammenhang zwischen der Zielvariablen und den verschiedenen Einflussvariablen vereinfacht in einer mathematischen Form beschreibt.

Es kann biologische Gründe geben, bestimmte Funktionen anzunehmen oder es werden einfache Annahmen Blutdruck steigt linear mit dem Alter gemacht. Die bekanntesten Regressionsanalysen sind Tabelle 1 gif ppt :. Dieser Artikel hat das Ziel, eine Einführung in die lineare Regression zu geben. Neben einer kurzen Erläuterung der Theorie wird anhand von Beispielen auf die Interpretation der statistischen Parameter eingegangen.

Die Methoden der Regressionsanalysen werden in vielen Standardlehrbüchern ausführlich dargestellt 1 — 3.

This article is in review.

Die Cox-Regression wird in einem folgenden Artikel im Deutschen Ärzteblatt erörtert. Mittels linearer Regression wird der lineare Zusammenhang zwischen einer Zielvariablen Y Blutdruck und einer oder mehreren Einflussvariablen X Gewicht, Alter, Geschlecht untersucht. Die Zielvariable Y muss stetig sein, die Einflussvariablen können stetig Alter , binär Geschlecht oder kategorial Sozialstatus sein.

Für die erste Beurteilung eines möglichen Zusammenhangs zwischen zwei stetigen Variablen sollte die Darstellung immer durch ein Streudiagramm Punktwolke erfolgen. Hier wird sichtbar, ob es sich um einen linearen Grafik 1 gif ppt oder einen nichtlinearen Zusammenhang Grafik 2 gif ppt handelt. Nur im Falle eines linearen Zusammenhangs ist die Durchführung einer linearen Regression sinnvoll.

Zur Untersuchung von nichtlinearen Zusammenhängen müssen andere Methoden herangezogen werden. Oft bieten sich Variablentransformationen oder andere komplexere Methoden an, auf die hier nicht eingegangen wird. Die univariable lineare Regression untersucht den linearen Zusammenhang zwischen der Zielvariablen Y und nur einer Einflussvariablen X. Zunächst werden aus den Werten der Zielvariablen Y und der Einflussvariablen X die Parameter a und b der Regressionsgerade mit Hilfe statistischer Methoden geschätzt.

Die Gerade ermöglicht, Werte der Zielvariablen Y durch Werte der Einflussvariablen X vorherzusagen. Die Steigung b der Regressionsgeraden wird als Regressionskoeffizient bezeichnet. Das nachfolgende Beispiel verdeutlicht diese Beziehung:. Betrachtet werden fiktive Daten von Frauen und Männern zwischen 18 und 27 Jahren.