Allgemeine Statistikfrage zur AntwortabhängigkeitWelche Art von Modellierung, Analyse und Methodik würden Sie für das folgende Beispiel verwenden?
Angenommen, Sie haben die Faktoren A, B und C in einem Versuchsplan. Sie erfassen die Zielgrößen Y und Z. Eine Kombination aus B und C erhöht sowohl Y als auch Z mithilfe eines spezifischen Regressionsmodells. Theoretisch (aus Ihrem Fachgebiet und Ihrer Erfahrung) wissen Sie, dass die Zielgröße Y von Z abhängt. Wie lässt sich die Beziehung zwischen Y und Z am besten darstellen? Benötigen Sie lediglich Vorschläge, welche Art von Analyse diese Beziehung am besten beschreibt? Kann ich Z als Faktor in meinem Modell verwenden, um Y zu erklären?
Nehmen wir als konkretes Beispiel an, ich bin Metallurg und untersuche die Auswirkungen von Heizmedien, Wärmebehandlungstemperaturen und Abkühlgeschwindigkeiten auf Metalle. (Nicht mein Fachgebiet, aber sehr anschaulich.) Die von mir erfassten Größen sind die Zugfestigkeit und der Kristallinitätsgrad des Metalls. Ich weiß, dass die Zugfestigkeit mit dem Kristallinitätsgrad steigt und dass beide Größen mit sinkender Abkühlgeschwindigkeit und steigender Wärmebehandlungstemperatur zunehmen. In diesem Beispiel steigt der Kristallinitätsgrad um 1,5 % pro 10 Grad, die Zugfestigkeit um 8 % und die Kristallinität um 3 % pro 10 Grad Kristallinität. Handelt es sich hier um eine mathematische Aufgabe? Kann ich den Kristallinitätsgrad als Messgröße vernachlässigen?
Vielen Dank für Ihre Zeit und Ihr Fachwissen!
Fortgeschrittene statistische ModellierungGrundlagen der Datenanalyse und ModellierungVersuchsplanungBetreff: Allgemeine Statistikfrage zur AntwortabhängigkeitWillkommen in der Community. Es gibt keinen allgemeingültigen Weg, aber einige Methoden sind akzeptierter oder nützlicher als andere. Typischerweise verwendet man multivariate Methoden wie Korrelationsanalysen, um die Beziehungen zwischen mehreren Variablen (Y) zu erkennen und zu quantifizieren. Da man die Kristallinität nicht direkt beeinflussen kann, wäre es nicht sinnvoll, sie im Modell zu berücksichtigen. Sie ist eine abhängige, keine unabhängige Variable.
Betreff: Allgemeine Statistikfrage zur Antwortabhängigkeit@statmans Antwort trifft den Nagel auf den Kopf. Ich würde nur noch Folgendes hinzufügen…
Es kommt darauf an, welches Ziel Sie verfolgen. Wenn Sie lediglich den Einfluss Ihrer Faktoren A, B und C auf das Ergebnis Y ermitteln möchten, können Sie Z weglassen (vorausgesetzt, Sie verwenden ein allgemeines lineares Modell). Wenn Sie jedoch den „vermittelten Effekt“ von B und C über Z quantifizieren möchten, profitieren Sie von einem Strukturgleichungsmodell (SEM), das diese genaue Kausalstruktur abbildet.
Jeder Knoten im Strukturgleichungsmodell (SEM) repräsentiert eine Variable und jeder Pfeil einen Regressionseffekt. Das SEM zerlegt somit die gesamten Kausaleffekte von B und C in direkte und indirekte Effekte. Bei Interesse lohnt sich ein genauerer Blick darauf. Hier ist ein Beispiel mit Beispieldaten, in dem alle relevanten Effekte dieses Modelltyps dargestellt sind:
Es gibt zahlreiche Ressourcen, um zu lernen, wie man die SEM-Plattform zur Anpassung von Mediationsmodellen nutzt:
HTH,
~Laura
Betreff: Allgemeine Statistikfrage zur AntwortabhängigkeitVielen Dank für die Antwort und die nette Begrüßung in der Community! Ja, das leuchtet mir vollkommen ein. Ihre Antwort, zusammen mit Lauras, weist mir den richtigen Weg.
Vielen Dank!!!
Betreff: Allgemeine Statistikfrage zur AntwortabhängigkeitIhre Antwort ist die beste Nachricht der ganzen Woche. Vielen Dank, dass Sie sich die Zeit genommen haben, alles zu erklären und die relevanten Links beizufügen. Ich werde mir das genauer ansehen und eine SEM-Analyse erstellen.
Vielen Dank!
