STATISTIK-FORUM.de

[ried]

Liebe Gemeinde,

ich stehe vor einem Rätsel, auf dessen Lösung ich nicht komme. Es handelt sich um die Auswertung für meine Masterarbeit, die ich kurz schildern möchte.

Ausgangslage:
Ich habe in meiner Stichprobe 117 Kinder ohne Migrationshintergrund und 300 Kinder mit Migrationshintergrund. Ich untersuche, ob sich das Selbstkonzept im Lesen (also, wie gut sich ein Kind selbst im Lesen einschätzt) durch drei Vergleichsprozesse vorhersagen lassen. Zusätzlich interessiert mich, ob es bei den drei Vergleichsprozessen jeweils eine Interaktion mit dem Migrationsstatus gibt

Variablen:
AV:
* Selbstkonzept im Lesen

UV:
* schulische Vergleiche (ein Kind vergleicht seine Leseleistung mit anderen Klassenkameraden)
* temporale Vergleiche (ein Kind vergleich seine Leseleistung mit seiner eigenen früheren Leistung)
* familären Vergleiche (ein Kind vergleicht seine Leseleistung mit denen seiner Eltern, Geschwister usw.)

Interaktionsvariable:
* Migrationshintergrund (ja/nein)


Ursprünglich wollte ich separate Regressionen jeweils für die Gruppe der Migrantenkinder und der Nicht-Migrantenkinder rechnen, um zu sehen, ob die Prädiktoren in den jeweiligen Gruppen das Selbstkonzept im Lesen unterschiedlich vorhersagen.
Meine Betreuerin meinte jedoch dass ich das in einer Regression mit Interaktionen lösen soll. Ich habe also eine Regressionsanalyse gerechnet, wobei im ersten Block (mit theoretischer Begründung) die Deutschnote aufgenommen wurde, weil mich interessierte, ob die o.g. Variablen eine Erklärungswert haben, die über die der Fachnote hinausgehen. Im zweiten Block nahm ich dann die dichotome Variable "Migrationshintergrund", die drei kontinuierlichen Variablen "schulische", "temporale" und "familiäre Vergleichsprozesse" auf, sowie die drei Interaktionsterme "schulische Vergleiche * Migration", "temporale Vergleiche * Migration" und "familiäre Vergleiche * MIgration"

Die beiden Varianten kamen jedoch zu unterschiedlichen Ergebnissen, die ich nun versuche zu schildern.

Problem:
1. Wenn ich im zweiten Block der Regression den Migrationsstatus sowie die drei Vergleichsprozesse aufnehme, werden alle Variablen signifikant (alle p < .05)
2. Wenn ich zusätzlich die Interaktionsterme mit aufnehme, sind nicht nur nicht die Interaktionen nicht-signifikant, sondern auch alle Haupteffekte verlieren ihre Signifikanz
3. Wenn ich nur die Interaktionsterme aufnehme, werden alle drei Interaktionsterme signifikanz (alle p < .01)

Wie kann das nun sein, dass die Haupteffekte - wenn sie alleine im Modell sind - signifikant werden und dass auch auch die Interaktionen - wenn sie alleine im Modell sind - signifikant werden, sobald aber sowohl Haupt- als auch Interaktionsvariablen im Modell sind, alle Variablen ihre Signifikanz verlieren.

Ich bin schon am verzweifeln und statistisch nicht so fest im Sattel, dass ich diese Effekte erklären könnte. Ich hoffe ich habe mir hier halbwegs verständlich ausgedrückt und einer der Profis hier kann mir helfen.

Danke
Christoph

[strukturmarionette]

Hi,

... Betreuerin meinte jedoch dass ich das in einer Regression mit Interaktionen lösen soll.

- aber mit den Blöcken (vorausgesetzt du meinst diese SPSS-'Blöcke') hast Du dich was ganz anderes gemacht.

Gruß
S.

[ried]

Hallo,

ja ich meinte diese SPSS Blöcke, aber es ändert nichts an den Ergebnissen, wenn ich alle Variablen in nur einem Block (mit dem Einschlussverfahren) aufnehme.

lg

[strukturmarionette]

Hi,

ja ich meinte diese SPSS Blöcke, aber es ändert nichts an den Ergebnissen, wenn ich alle Variablen in nur einem Block (mit dem Einschlussverfahren) aufnehme.

- Nee.

Gruß
S.

[ried]

ok... was willst du mir damit sagen?

[PonderStibbons]

2. Wenn ich zusätzlich die Interaktionsterme mit aufnehme, sind nicht nur nicht die Interaktionen nicht-signifikant, sondern auch alle Haupteffekte verlieren ihre Signifikanz

Was heißt das, p=0,050? p=0,98?

3. Wenn ich nur die Interaktionsterme aufnehme,

Das geht nicht.

Mit freundlichen Grüßen

P.

[ried]

>>Was heißt das, p=0,050? p=0,98? <<

teilweise ja.
Die p-Werte ändern sich von
UV 1: von p < .001 zu p =.12 (ok, das ist noch nicht so dramatisch) bzw
UV 2: von p =.004 zu p =.362
UV 2: von p =.05 zu p =.993


Ich wollte eigentlich die Tabelle hier hochladen, aber es kommt die Meldung "Das Kontingent für Dateianhänge ist bereits vollständig ausgenutzt."

Ich versuchs mal hiermit, ich hoffe der Link funktioniert
https://www.dropbox.com/home?preview=sp ... ession.jpg

[strukturmarionette]

Hi,

Wie kann das nun sein, dass die Haupteffekte - wenn sie alleine im Modell sind - signifikant werden und dass auch auch die Interaktionen - wenn sie alleine im Modell sind - signifikant werden, sobald aber sowohl Haupt- als auch Interaktionsvariablen im Modell sind, alle Variablen ihre Signifikanz verlieren.

- Also in den ersten Block hast Du die Deutschnote gepackt.
- Und wie sieht Dein explorativen Einfügen des Restes der UVs in das Modell aus und insbesondere welche und wieviele Blöcke hast Du generiert?
- Wie groß ist die Stichprobe?
- Welche Skalenniveaus haben alle Variablen jeweils?
- Auf welche für Dich nicht nachvollziehbaren Signifikanzbefunde beziehst Du Dich konkret?

Gruß
S.

[ried]

- Also in den ersten Block hast Du die Deutschnote gepackt.

ja, weil bekannt ist, das die Note einen maßgeblichen Einfluss auf das Selbstkonzept hat und ich daran interessiert bin, welchen Einfluss über die Note hinaus, die drei Vergleichsprozesse haben.

- Und wie sieht Dein explorativen Einfügen des Restes der UVs in das Modell aus und insbesondere welche und wieviele Blöcke hast Du generiert?

Das Einfügen geschah nicht explorativ, sondern zuerst die Note (siehe vorheriger Punkt), danach in Block 2 die drei Vergleichsprozesse (="Haupteffekte") und schließlich in Block 3 - um zu prüfen ob die Vergleichsprozesse sich zwischen Migranten und Nichtmigranten unterscheiden - noch die Interaktionseffekte.

- Wie groß ist die Stichprobe?

ganz genau: 117 Personen ohne Migrationshintergrund und 306 Personen mit Migrationshintergrund = 423 Personen

- Welche Skalenniveaus haben alle Variablen jeweils?

Migrationshintergrund = dichotom (Ja, Nein), der rest metrisch (Note 1-5, der Rest 4stufige Likertskala)

- Auf welche für Dich nicht nachvollziehbaren Signifikanzbefunde beziehst Du Dich konkret?

-> siehe Tabelle (falls der Link funktioniert)
Aber nocheinmal: ich verstehe nicht, warum bei Hinzufügen der Interaktionen einerseits die Interaktionen nicht signifikant werden (ok, dass kann ja sein, ist ja nicht das Problem), aber andererseits auch plötzlich die Signifikanz der Haupteffekte (die vor dem Hinzufügen der Interaktionen alle signifikant waren) verschwinden

Code: Alles auswählen

Modell         Nicht standardisierte Standardfehler   Standardisierte         t   Sig.
                                   Koeffizienten   B                      Koeffizienten Beta      
----------------------------------------------------------------------------------------------------------------------                                                                               
1   (Konstante)              3,881             ,096      40,580                                  ,000
   Note_D                      -,264             ,036             -,341                   -7,399   ,000
------------------------------------------------------------------------------------------------------------------
2   (Konstante)              3,866             ,097      39,765                                   ,000
   Note_D                      -,314               ,034              -,405                   -9,138   ,000
   MH_Dicho                      ,198             ,067               ,134                    2,953   ,003
   SchulVergl_zentriert       -,087             ,044              -,097                  -1,968   ,050
   TempVergl_zentriert        ,191             ,044                ,221                    4,379   ,000
   FamVergl_zentriert        ,126             ,044                ,158                    2,863   ,004
------------------------------------------------------------------------------------------------------------------
3   (Konstante)              3,854            ,100                38,696                                   ,000
   Note_D                       -,317            ,034                -,409                  -9,186   ,000
   MH_Dicho                        ,216            ,071                     ,146                   3,037   ,003
   SchulVergl_zentriert        ,001            ,088                        ,001                     ,009   ,993
   TempVergl_zentriert        ,129            ,082                        ,149                   1,560   ,120
   FamVergl_zentriert        ,076            ,083                        ,096                     ,913   ,362
   SchulVergl_zent_x_Mig  -,123            ,102                       -,119                   -1,212   ,226
   TempVergl_zent_x_Mig   ,090            ,098                        ,089                      ,924   ,356
   FamVergl_zent_x_Mig     ,066            ,098                        ,070                      ,675   ,500
------------------------------------------------------------------------------------------------------------------

[strukturmarionette]

Hi,

(als Bsp zur Grundlagenvertiefung)
bucher-mehr-f33/applied-multiple-regression-correlation-analysis-for-the-t498.html

- was soll das ganze?
- warum bspw auch diese Zentrierungen?

Gruß
S.