F-statistic interpretieren

[Ann-Kathrin]

Hallo,
ich habe eine multiple Regression gerechnet und werde aus der Literatur nicht schlau, wie ich den F-statistic Wert interpretieren muss. Kann mir jemand helfen?

Code: Alles auswählen

Residuals:
     Min       1Q   Median       3Q      Max 
-1.66554 -0.50395  0.04646  0.44516  1.34276 

Coefficients:
                            Estimate Std. Error t value Pr(>|t|)    
(Intercept)                 -1.15979    0.55650  -2.084  0.04065 *  
scale(self_enhancement_1)    0.54624    0.10082   5.418 7.39e-07 ***
scale(openness_to_change_1)  0.23900    0.09512   2.513  0.01419 *  
scale(self_transcendence_1) -0.02586    0.09091  -0.284  0.77684    
scale(conservation_1)        0.21548    0.09226   2.336  0.02227 *  
founders                    -0.02367    0.10314  -0.229  0.81914    
age                          0.04434    0.01405   3.155  0.00233 ** 
gen                         -0.70561    0.25822  -2.733  0.00788 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.7111 on 73 degrees of freedom
  (10 observations deleted due to missingness)
Multiple R-squared:  0.5393,	Adjusted R-squared:  0.4952 
F-statistic: 12.21 on 7 and 73 DF,  p-value: 3.184e-10

Das gleiche Problem habe ich auch bei meiner zweiten Regression (logistische Regression).

Code: Alles auswählen

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-0.5615  -0.3106  -0.1726   0.4663   0.7894  

Coefficients:
                             Estimate Std. Error t value Pr(>|t|)  
(Intercept)                 -0.135327   0.338504  -0.400   0.6905  
scale(self_enhancement_1)    0.086793   0.061325   1.415   0.1612  
scale(openness_to_change_1)  0.105324   0.057857   1.820   0.0728 .
scale(self_transcendence_1)  0.077553   0.055299   1.402   0.1650  
scale(conservation_1)        0.026939   0.056120   0.480   0.6326  
founders                    -0.050517   0.062741  -0.805   0.4233  
age                          0.017695   0.008548   2.070   0.0420 *
gen                          0.110393   0.157067   0.703   0.4844  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for gaussian family taken to be 0.187104)

    Null deviance: 17.284  on 80  degrees of freedom
Residual deviance: 13.659  on 73  degrees of freedom
  (10 observations deleted due to missingness)
AIC: 103.68

Number of Fisher Scoring iterations: 2

> pR2(reg_1b)
fitting null model for pseudo-r2
        llh     llhNull          G2    McFadden        r2ML        r2CU 
-42.8407595 -52.3748540  19.0681891   0.1820357   0.2097530   0.2890711 

F-statistic habe ich mit einer weiteren Formel ausgerechnet und das ist 2.768

Falls es eine Rolle spielt: mein n ist 244 genestet in n=91 Teams

[bigben]

Hallo Ann-Kathrin,

Hallo,
ich habe eine multiple Regression gerechnet und werde aus der Literatur nicht schlau, wie ich den F-statistic Wert interpretieren muss. Kann mir jemand helfen?

Ich würde die F-Statistik gar nicht interpretieren. F und die Freiheitsgrade zusammen ergeben einen p-Wert und dieser p-Wert ist winzig klein, weshalb Dein Modell signifikant besser als ein Nullmodel ist.

Das gleiche Problem habe ich auch bei meiner zweiten Regression (logistische Regression).

Nein, das ist ein ganz anderes Problem. Während Du oben mit dem F nichts anzufangen wusstest, wird bei der logistischen Regression erst gar keines ausgegeben, weshalb Du ja irgendwie versucht hast, es selbst auszurechnen. Ist nur bei der logistischen Regression nicht so sinnvoll.

Code: Alles auswählen

Null deviance: 17.284  on 80  degrees of freedom
Residual deviance: 13.659  on 73  degrees of freedom
  (10 observations deleted due to missingness)

Damit ließe sich ein log-likelihood-Test als Ersatz für den F-Test rechnen. Schau Dir mal die Antworten auf diese Frage bei Crossvalidated an:
https://stats.stackexchange.com/questio ... del/129959

LG,
Bernhard

[EDi]

Damit ließe sich ein log-likelihood-Test als Ersatz für den F-Test rechnen.

Und genauso könnte man auch den F Wert grob interpretieren: Als (gewichteten) Vergleich von einem Model zu einem Null-Modell.

Nicht umsonst bietet anova.glm den LTR und F Test in einer Funktion an...

[student]

HAllo Ann-Kathrin,

zur Modellinterpretation (MLR) habe ich hier mal etwas gemacht (ab ca. 5:00 Minute). Vielleicht hilft es weiter....