Regression nach APA 7 berichten
Die Regression ist das Verfahren, bei dem der SPSS-Output recht weit von der fertigen Tabelle entfernt ist. Vier Ausgabeblöcke, ein Dutzend Kennwerte und in die Arbeit gehört davon eine kompakte Tabelle plus ein paar wenige Sätze Text.
Welche Kennwerte du brauchst um die Regression nach APA 7 zu berichten
Für das Gesamtmodell: R², korrigiertes R², F-Wert mit beiden Freiheitsgraden und p.
Für jeden Prädiktor: unstandardisiertes b, Standardfehler, standardisiertes β, t, p. Nach Möglichkeit zusätzlich das Konfidenzintervall für b.
Alles Weitere aus dem Output wie Änderungsstatistiken, Toleranz, VIF, Normalverteilung Testung der Residuen etc. gehört in die Voraussetzungsprüfung, nicht in die Ergebnistabelle.
b oder β?
Diese Unterscheidung wird häufig verwechselt.
b ist unstandardisiert und in den Einheiten deiner Variablen zu lesen: Steigt der Prädiktor um eine Einheit, verändert sich das Kriterium um b Einheiten. Inhaltlich anschaulich, aber nicht zwischen Prädiktoren vergleichbar.
β ist standardisiert und in Standardabweichungen ausgedrückt. Dadurch lassen sich Prädiktoren untereinander vergleichen, die Interpretation ist aber abstrakter.
APA erwartet beides. Wer nur β berichtet, verliert die inhaltliche Bedeutung; wer nur b berichtet, kann die Prädiktoren nicht gewichten.
Kleiner Formalpunkt: β kann theoretisch über 1 liegen, wird aber üblicherweise ohne führende Null berichtet. Wichtiger ist, dass du innerhalb der Arbeit konsistent bleibst , siehe APA-7-Fehler im Ergebnisteil.
Die Tabelle
Tabelle 1
Multiple Regression zur Vorhersage der Lebenszufriedenheit
Anmerkung. N = 214. R² = .21, korrigiertes R² = .20, F(3, 210) = 18.62, p < .001.
Formal gilt dasselbe wie für alle APA-Tabellen: keine senkrechten Linien, Nummer fett, Titel kursiv, Anmerkung darunter. Eine ausführliche Anleitung dazu steht unter Korrelationstabelle nach APA 7.
Der Fließtext
Zur Vorhersage der Lebenszufriedenheit wurde eine multiple lineare Regression mit drei Prädiktoren berechnet. Das Gesamtmodell wurde signifikant, R² = .21, F(3, 210) = 18.62, p < .001. Die Schlafqualität erwies sich als stärkster Prädiktor, β = .38, p < .001. Außerdem leistete die Arbeitsbelastung einen ebenfalls signifikanten Beitrag, β = −.17, p = .026. Das Alter trug nicht signifikant zur Vorhersage bei.
Drei bis vier Sätze reichen. Die Zahlen stehen in der Tabelle, der Text ordnet ein.
Voraussetzungen, die du geprüft haben solltest
Linearität des Zusammenhangs, per Streudiagramm
Homoskedastizität: Streudiagramm der standardisierten Residuen gegen die vorhergesagten Werte, es sollte kein Trichter entstehen
Normalverteilung der Residuen, nicht der Variablen selbst – häufig verwechselt
Keine Multikollinearität: VIF-Werte deutlich unter 10, konservativer unter 5
Unabhängigkeit der Residuen, Durbin-Watson nahe 2
Einflussreiche Fälle: Cook's Distance, siehe Fehlende Werte und Ausreißer
Bei Multikollinearität sind zwei Prädiktoren so hoch korreliert, dass sich ihre Beiträge nicht mehr trennen lassen. Typisches Anzeichen: Das Gesamtmodell ist signifikant, aber kein einzelner Prädiktor.
Wie viele Prädiktoren sind vertretbar?
Als grobe Faustregel werden häufig 10 bis 20 Fälle pro Prädiktor genannt. Verlässlicher ist eine Fallzahlplanung vorab. Wichtiger als die Anzahl ist die Begründung: Jeder Prädiktor sollte theoretisch hergeleitet sein. Modelle, in die alles hineingeworfen wird, was erhoben wurde, sind statistisch instabil und inhaltlich schwer zu verteidigen.
Häufige Fragen zum Thema Regression nach APA 7 berichten
Was bedeutet ein R² von .21? 21 Prozent der Varianz im Kriterium werden durch das Modell erklärt. Ob das viel ist, hängt vom Feld ab, in der Persönlichkeits- und Sozialforschung sind Werte in dieser Größenordnung durchaus üblich.
R² oder korrigiertes R²? Beides berichten. Das korrigierte R² berücksichtigt die Anzahl der Prädiktoren und ist bei mehreren Prädiktoren die ehrlichere Kennzahl.
Was ist mit schrittweisen Verfahren? Stepwise-Regression wird methodisch kritisch gesehen, weil die Variablenauswahl datengesteuert erfolgt und die Ergebnisse schlecht replizierbar sind. Wenn du sie verwendest, begründe es und kennzeichne die Analyse als explorativ.
Regression rechnen und erklären lassen Wir übernehmen Modellaufbau, Voraussetzungsprüfung und Ergebnisdarstellung als Teil der statistischen Auswertung – inklusive Abschlussgespräch, in dem wir jeden Koeffizienten so durchgehen, dass du ihn selbst erklären kannst.
