8 Multiple Regression

Nachdem wir im letzten Modul gelernt haben, Zusammenhangshypothesen mit Hilfe der linearen Regression zu testen, werden wir in diesem Modul lernen, Zusammenhänge zweier Variablen unter Kontrolle mehrerer anderer unabhängigen Prädiktoren zu testen. Durch das Hinzufügen weiterer Prädiktoren in der multiplen Regression können wir für den Einfluss bestimmter Prädiktoren kontrollieren. Stell dir vor, du möchtest den Zusammenhang zwischen dem Kompetenzerleben von Schülerinnen und Schülern im Unterricht und der intrinsischen Motivation dieser Schüler testen. Du gehst allerdings davon aus, dass sich bestimmte Schüler bereits vor der Studie unterschiedlich kompetent fühlen. Dieses Kompetenzerleben vor der Studie kannst du erheben. Später hast du dadurch die Möglichkeit den Zusammenhag des Kompetenzerlebens im Unterricht und der intrinsischen Motivation zu testen und dabei für das ursprüngliche Kompetenzerleben zu kontrollieren. Der Vorteil dieser Methode ist, dass du durch dieses Verfahren den wirklichen Effekt deiner Hypothese besser testen kannst.

Die multiple Regression ermöglicht uns später zudem die gleichzeite Prüfung mehrerer Zusammenhangshypothesen. Ohne die multiple Regresssion müssten wir mehrere einfache Regressionen nacheinander berechnen.

Die multiple Regression geht genauso wie die einfache Regression von kontinuierlichen Prädiktoren aus. Im Vergleich zur einfachen linearen Regression haben wir bei der multiplen Regression mehrere Prädiktoren:

Wir werden im Verlauf des Moduls feststellen, dass die multiple Regression zwar ähnlich der linearen Regression ist, allerdings gibt es zwischen beiden Modellen wichtige Unterschiede. Einer dieser Unterschiede ist die Redundanz der Prädiktoren.