STATISTIK-FORUM.de

[Marco K.]

Hallo zusammen,

ich möchte einen Interaktionseffekt zwischen zwei Variablen untersuchen. Beides sind kategoriale Variablen, wobei die eine k>2 Ausprägungen hat. Die andere ist dichotom. Nun lassen sich Interaktionen ja grundsätzlich dadurch berechnen, indem man die Variablen, zwischen denen eine Interaktion vermutet wird, miteinander multipliziert. Für die kategoriale Variable muss allerdings ein Dummysystem, mit k-1 Dummys gebildet werden.

Nun meine Frage:

Folgt daraus, dass ich bei der Berechnung der Interaktion jede der k-1 Dummys mit der dichotomen Variable multiplizieren muss? Ist das richtig und macht das überhaupt Sinn oder wird das Modell dadurch nicht total unübersichtlich?


Gruß und vielen Dank für eure Hilfe

[daniel]

Das ist korrekt. Und ja, das Modell kann ein wenig schwierieger interpretierbar sein. Es gibt aber keinen anderen Weg (außer getrennte Modelle zu schätzen, aber ob mit k-1 Modellen die Übersicht wächst wage ich zu bezweifeln.)

[Marco K.]

Vielen dank für die schnelle Hilfe.

[Schmelena]

Hallo,

ich habe das bei meiner Analyse ähnlich gemacht. Ich lasse ausschließlich kategoriale Variablen und die Interaktionsterme aus diesen in das Regressionsmodell einfließen. Ihr schreibt, dass die Interpretation dann schwieriger ist. Inwiefern schwieriger?

Ich bin folgendermaßen vorgegangen: Meine erste Dummyvariable beschreibt, ob die Probanden den Klimawandel als ein lokales oder globales Phänomen (Frames) präsentiert bekommen (global=0 lokal=1). Meine zweite Dummy-Variable beschreibt, ob die Probanden am Thema Klimawandel interessiert sind oder nicht (Interesse nein=0 Interesse ja=1). Meine Hypothese besagt, dass für Menschen, die interessiert am Klimawandel sind, schwächere Framing-Effekte auftreten als für Menschen, die am Klimawandel nicht interessiert sind

abhängige Variable ist die auf einer fünfstufigen Skala gemessene wahrgenommene Schwere der Bedrohung durch den Klimawandel

Folgendes kam heraus:

b lokal = .327
b Interesse_Klimawandel = .560
b lokal*Interesse_Klimawandel = -.479

Alle Koeffizienten sind signifikant

Ich würde das jetzt folgendermaßen interpretieren:

b lokal gibt an, um wie viele Einheiten sich y durchschnittlich mit der Änderung einer Einheit in x (lokal) ändert, falls z (Interesse Klimawandel) den Wert 0 annimmt -> heißt, für Menschen, die nicht am Klimawandel interessiert sind (z=0) und die den Klimawandel als lokales Phänomen geframet sahen nehmen die Bedrohung durch den Klimawandel im Schnitt um 0,327 Skalenpunkte "stärker" wahr

Wenn z (Interesse Klimawandel) aber nicht den Wert 0 annimmt, verändert sich y nun mit einer Einheit Änderung in X um b lokal + b lokal*interesse_klimawandel * z -> 0,327 - 0.479*1 = - 0, 152

Heißt: Menschen, die interessiert am Klimawandel sind und den Klimawandel als lokales Phänomen präsentiert bekamen schätzen die Bedrohung durch den Klimawandel um 0,152 Skalenpunkte geringer ein als Menschen, die nicht am Klimawandel interessiert sind..

Macht das Sinn?

Sorry für den langen Post, aber ich forste mich hier seit Stunden durch Foren und stehe ein bisschen auf dem Schlauch mit der Interpretation..

Vielen Dank im Voraus!!

[PonderStibbons]

Warum siehst Du Dir nicht die 4 Mittelwerte an, vielleicht auch
grafisch?

Mit freundlichen Grüßen

P.

[Schmelena]

Danke für deine schnelle Antwort! Die Mittelwerte würden sich dann aus den Regressionsgleichungen ergeben oder?

Konstante: y=2,277

Lokal: y= 2,277+0,327 = 2,604 -> Das ist die Gruppe, die den lokalen Frame gesehen hat aber kein Interesse am Klimawandel hat

Interesse_Klimawandel: y = 2,277 + 0,560 = 2,837 -> Das ist die Gruppe, die den globalen Frame gesehen hat und Interesse am Klimawandel hat

Lokal * Interesse_Klimawandel: y = 2,277 + 0,327 + 0,560 - 0,479 = 2,685 -> Das ist die Gruppe, die den lokalen Frame gesehen hat und Interesse am Klimawandel hat

-> Interpretation: Um herauszufinden, ob das Interesse am Klimawandel einen Effekt auf den gesehenen Lokal-Frame hat muss ich also die beiden Gruppen Lokal und Lokal*Interesse_Klimawandel miteinander vergleichen -> Das heißt die Gruppe, die Interesse am Klimawandel hat und den lokalen Frame gesehen hat nimmt die Folgen des Klimawandels im Schnitt um 0,081 Skalenpunkte stärker wahr als die Gruppe, die den lokalen Frame gesehen hat und kein Interesse am Klimawandel hat..

Ist das soweit korrekt? Und wenn ja, wie stelle ich das mit SPSS grafisch dar?

Vielen Dank!!

[PonderStibbons]

Die Mittelwerte würden sich dann aus den Regressionsgleichungen ergeben oder?

Du hast 2*k Gruppen, jede hat einen Mittelwert. Oder sind in der Regressionsgleichung
noch weitere Variablen, die nicht erwähnt wurden?

[Schmelena]

Nein, aber die Mittelwerte kann ich ja nicht so einfach aus der SPSS-Ausgabe ablesen oder? Das heißt um den Mittelwert für jede Gruppe zu berechnen fülle ich die Regressionsgleichung mit den entsprechenden Werten auf. Also Beispiel: Für den Fall, dass z = 0 (kein Interesse am Klimawandel) und x = 1 (Lokaler Frame) lautet die Regressionsgleichung:

y = 2,277 + 0,327*1 + 0,560*0 - 0,479*0 = 2,604

und so weiter..

oder habe ich einen Denkfehler drin?

[PonderStibbons]

Nein, aber die Mittelwerte kann ich ja nicht so einfach aus der SPSS-Ausgabe ablesen oder?

?!

Man benutzt in SPSS z.B. die Prozedur "Means" oder Deutsch "Mittelwerte" und lässt
sich die Mittelwerte auswerfen.

Oder man rechnet ganz klassisch einfach eine zweifaktorielle Varanzanalyse,
in dem Zuge kann man sich die Gruppenmittelwerte ebenfalls ausgeben lassen.

Mit freundlichen Grüßen

P.