Erklärbare Varianz & Prädiktor im Prä-Post Design

Alle Verfahren der Regressionanalyse.

Erklärbare Varianz & Prädiktor im Prä-Post Design

Beitragvon Tino » Mi 29. Jan 2014, 14:54

Hallo,

ich habe ein Prä-Post Design (N=323), in dem ich den vorhergehenden Wert der abhängigen Variable (AV, "Selbstvertrauen") zum 1. Messzeitpunkt kontrolliere; dieser autoregressive Effekt auf Selbstvertrauen zum 2. Messzeitpunkt ist recht stark, der standardisierte OLS-Regressionskoeffizient ist .90.

Ok, offenbar "erklärt" der Wert der Selbstvertrauens-Score zum 1. Messzeitpunkt um die 80% der Varianz im Selbstvertrauensscore zum 2. Messzeitpunkt.

Ich frage mich jetzt, ob durch den "hohen" Anteil bereits erklärter Varianz die Wahrscheinlichkeit für andere zum ersten Messzeitpunkt gemessene Prädiktoren (z.B. Bildung, Geschlecht, Neurotizismus) geringer wird, ebenfalls einen bedeutsamen Varianzanteil aufzuklären; es bleiben ja im Beispiel nur noch 20% erklärbarer Varianz übrig.

Beeinflusst also der Anteil bereits aufgeklärter Varianz die Chance anderer Prädiktoren, einen bedeutsamen Effekt auszuüben???

Vielen Dank für Eure Meinung,
Tino
Tino
Beobachter
Beobachter
 
Beiträge: 13
Registriert: Di 20. Mär 2012, 13:55
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Erklärbare Varianz & Prädiktor im Prä-Post Design

Beitragvon PonderStibbons » Mi 29. Jan 2014, 15:54

Ich frage mich jetzt, ob durch den "hohen" Anteil bereits erklärter Varianz die Wahrscheinlichkeit für andere zum ersten Messzeitpunkt gemessene Prädiktoren (z.B. Bildung, Geschlecht, Neurotizismus) geringer wird, ebenfalls einen bedeutsamen Varianzanteil aufzuklären;

Signifikant im Kontext von Inferenzstatistik nicht mit bedeutsam übersetzen,
das ist irreführend.

Was die Sache betrifft, es geht nicht darum, dass 80% Varianz aufgeklärt wurden,
sondern dass (vermutlich) Bildung, Geschlecht, Neurotizismus mit der AV zu beiden
Zeitpunkten gleichermaßen assoziiert sind. Wenn man nun den ersten Zeitpunkt
herausrechnet, wird auch diese Assoziation herausgerechnet. Das Modell wäre
wie bei einem Mediatoreffekt:
Neurotizimus => AV(t1) => AV(t2).
Da AV(t1) und AV(t2) sehr hoch assoziiert sind, verschwindet hier der Neurotizismus-Effekt.

Anders wäre es, wenn zwischen t1 und t2 etwas passiert, das nicht mit AV(t1) assoziiert ist,
wie zum Beispiel ein randomisiertes Experiment mit Kontroll- und Interventionsgruppe.
In dem Fall würde der Nachweis der Wirkung des Experimentes durch Herausrechnen
des prä-Wertes erleichtert.

Aber wie auch immer, probiere es doch erstmal aus.

Mit freundlichen Grüßen

P.
PonderStibbons
Foren-Unterstützer
Foren-Unterstützer
 
Beiträge: 11363
Registriert: Sa 4. Jun 2011, 15:04
Wohnort: Ruhrgebiet
Danke gegeben: 51
Danke bekommen: 2501 mal in 2485 Posts


Zurück zu Regressionanalyse

Wer ist online?

Mitglieder in diesem Forum: Bing [Bot] und 12 Gäste