das Thema gibt es bereits schon so ähnlich aber so richtig sicher war ich mir dennoch nicht, daher noch einmal meine Ausgangslage beschrieben:
Theorie
Es geht um den Zusammenhang zwischen einer psychischen Variable (nennen wir sie "KK") und Angst. Der Effekt soll für folgende Variablen kontrolliert werden: Alter des Bruders, Alter des Kindes, Geschlecht, Herkunft.
Variablenübersicht
AV = KK (Anzahl an Kommentaren. Die absoluten Häufigkeiten können nicht verwendet werden. Es werden relative Häufigkeiten verwendet. Metrisch skaliert???)
UV = Angstwerte (Werte aus einem Fragebogen. Tun wir der Einfachheit halber einfach mal so als wären diese Werte intervallskaliert und damit metrisch
)KV1 = Alter des Bruders (Jahre, metrisch skaliert)
KV2 = Alter des Kindes (Jahre, metrisch skaliert)
KV3 = Geschlecht (Dummycodierung; 1 DV)
KV4 = Herkunft (Dummycodierung; 3 DV)
Stichprobengröße: N = 60
Vorgehen
Jetzt hatte ich überlegt eine hierarchische Regression über 2 Stufen zu bilden:
Block/Stufe 1: Nur AV und nur UV, also folgendes Modell: AV = ß0 + ß1*UV
Block/Stufe 2: Neben AV und UV auch die KVs mit aufnehmen, also folgendes Modell: AV = ß0 + ß1*UV + ß2*KV1 +ß3*KV2 + ß4*DV1(KV3) + ß5*DV1(KV4) + ß6*DV2(KV4) + ß7*DV3(KV4)
Jetzt habe ich eigentlich nur zwei Fragen:
1) Wenn meine AV relative Häufigkeiten sind, kann ich sie doch als metrisch skalierte AV verwendet, oder nicht?
2) Ist die hierarschiche Regression hier angebracht oder habe ich hier einen Denkfehler? Ich würde gerne einmal den "nackten" Zusammenhang am Anfang sehen (Modell 1) und dann den Zusammenhang unter Kontrolle der anderen Variable (Modell 2). Ist es sinnvoll hier noch die Interaktionsterme mit einzubringen? Es gibt keinerlei theoretische Gründe dafür.
Ich danke im Voraus schon einmal für die Hilfe!
LG
Cadee
