Regressionsgewichte

[engl. regression weights], [FSE], als Regressionsgewichte bezeichnet man die Vorhersagekoeffizienten einer Regressionsgleichung, die die Gewichtung der Prädiktorvariablen  zur optimalen Vorhersage der Kriteriumsvariablen Y repräsentieren (Regressionsanalyse). Die unstandardisierten Regressionsgewichte geben die Gewichtung der Prädiktorvariablen für die nicht transformierten Analysevariablen an. Für die lineare Regression können die wie folgt interpretiert werden: Eine Erhöhung des Wertes der Prädiktorvariablen um eine Einheit korrespondiert mit einer Erhöhung der Kriteriumsvariablen um -Einheiten. Hierbei muss jedoch berücksichtigt werden, dass eine kausale Interpretation (Kausalität) insbes. bei Querschnittsdaten (Querschnittuntersuchung) nicht zulässig ist. Angenommen, bei der Vorhersage des Lernerfolgs (Y) ergibt sich für die Prädiktorvariable Lernmotivation () ein Wert von = 0,3. Dies entspräche einer erwarteten Erhöhung des Lernerfolgs um 0,3 Einheiten, wenn die Lernmotivation um 1 Einheit ansteigt. In der linearen Regressionsgleichung wird zudem der y-Achsenschnittpunkt geschätzt, der den erwarteten Wert der Kriteriumsvariablen angibt, wenn alle Prädiktorvariablen gleich 0 sind.

Die Werte der standardisierten Regressionsgewichte (syn. Standardpartialregressionskoeffizienten)  geben die Vorhersagegüte in dem normierten Wertebereich –1 bis +1 wieder. Bei hohen Interkorrelationen der Prädiktoren können auch Werte  > 1 resultieren. Die Werte der  können ähnlich wie Korrelationskoeffizienten als Effektgröße interpretiert werden:  entspricht einem schwachen,  einem mittleren und  einem starken Effekt (Cohen, 1988). Unstandardisierte und standardisierte Regressionsgewichte unterscheiden sich um das Verhältnis der Standardabweichung des Prädiktors und des Kriteriums:

Bei gleicher Standardabweichung des Prädiktors und des Kriteriums gilt: .