Zusammenfassung
Bei vielen Problemstellungen in Wissenschaft und Praxis treten immer wieder die folgenden Fragen auf:
• Welcher von zwei oder mehreren alternativen Zuständen liegt vor oder welches Ereignis wird zukünftig eintreffen?
• Welche Faktoren eignen sich für die Entscheidung oder Prognose und welchen Einfluss haben sie auf das Zustandekommen eines Zustandes oder Ereignisses?
Häufig geht es dabei nur um zwei alternative Zustände oder Ereignisse. Typische Fragen sind etwa:
• Hat ein Patient eine bestimmte Krankheit oder nicht?
• Wie ist die Überlebenswahrscheinlichkeit bei einer schweren Krankheit?
• Wird ein bestimmtes Produkt gekauft oder nicht?
• Welcher Partei wird ein Wähler seine Stimme geben?
Die logistische Regression kann auf solche Fragen eine Antwort geben. Obwohl die logistische Regression durchaus der Problemstellung der Diskriminanzanalyse ähnelt, so besteht der für den Anwender wesentliche Unterschied zwischen den beiden Verfahren darin, dass die logistische Regression direkt Wahrscheinlichkeiten für das Eintreffen der alternativen Zustände oder der Zugehörigkeiten zu den einzelnen Gruppen liefert.
Das Kapitel verdeutlicht die Vorgehensweise der logistischen Regression anhand der zentralen Ablaufschritte des Verfahrens unter Rückgriff auf ein einfaches Beispiel. Behandelt werden dabei sowohl die binäre als auch die multinominale logistische Regression. Anschließend wird für ein größeres Fallbeispiel gezeigt, wie eine logistische Regression mit Hilfe von IBM SPSS gerechnet wird und welche Ergebnisoutputs dabei für die praktische Anwendung eine besonders zentrale Bedeutung besitzen. Die SPSS Outputs werden anwendungsbezogen interpretiert, sodass für den Leser eine Übertragbarkeit auf eigene Anwendungsfälle leicht möglich ist. Das Kapitel schließt mit wichtigen Anwendungsempfehlungen zur Durchführung einer logistischen Regression.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2018 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Backhaus, K., Erichson, B., Plinke, W., Weiber, R. (2018). Logistische Regression. In: Multivariate Analysemethoden. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-56655-8_6
Download citation
DOI: https://doi.org/10.1007/978-3-662-56655-8_6
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-56654-1
Online ISBN: 978-3-662-56655-8
eBook Packages: Business and Economics (German Language)