STATISTIK-FORUM.de

[Hannuta]

Hallo Zusammen!

Ich möchte eine Moderationsanalyse (mit dem PROCESS Makro von AF Hayes) mit einer dummy-kodierten Gruppenvariable (0=kein Sportler, 1= Sportler) als Moderator rechnen, um zu schauen, ob sich der Zusammenhang einer bestimmten Schmerzverarbeitungsstrategie (Gedankenunterdrückung) auf die wahrgenommene Beeinträchtigungen zwischen Sportlern und Nicht-Sportlern unterscheidet.

Ich habe allerdings in meinen Daten gesehen, dass der Zusammenhang zwischen Gedankenunterdrückung und Beeinträchtigung nicht linear, sondern umgekehrt-u-förmig ist. Das habe ich mit einer linearen Regression getestet, in dem ich im ersten Schritt die Rohvariable und im zweiten Schritt das quadrierte Produkt (also UV*UV) eingegeben habe und festgestellt habe, dass sich im zweiten Schritt die Modellanpassung signifikant verbessert (https://www.youtube.com/watch?v=NxBpVx_DuQA).

Nun ist meine Frage, ob ich die quadrierte Variable als UV in die Moderationsanalyse aufnehmen kann? Da sie in der einfachen Regression mehr Varianz aufklärt als die Rohvariable, erscheint es für mich sinnvoll, allerdings fällt es mir schwer, das ganze Modell mathematisch nachzuvollziehen und einzuschätzen ob es dementsprechend noch sinnvoll ist. In der Literatur finde ich leider keine entsprechenden Beispiele.

Ich wäre sehr verbunden und dankbar für Hilfestellung!

[strukturmarionette]

Hi,

Ich habe allerdings in meinen Daten gesehen, dass der Zusammenhang zwischen Gedankenunterdrückung und Beeinträchtigung nicht linear, sondern umgekehrt-u-förmig ist.

- Dann kannst du nur auf ein anderes Modell als eine Lineare Regression ausweichen.
- M.W. kann das Hayes Makro sowas (auch) nicht.
- Erst dann stellte sich die Frage nach Einbeziehung einer dichotomen Moderatorvariablen (neu).

Gruß
S.

[PonderStibbons]

Ich habe allerdings in meinen Daten gesehen, dass der Zusammenhang zwischen Gedankenunterdrückung und Beeinträchtigung nicht linear, sondern umgekehrt-u-förmig ist.

Das sieht wie der Auftakt für die Konstruktion eines überangepassten Modells aus, dass sich am Ende ausgezeichnet an die Stichprobendaten anpasst, aber ungeneralisierbar ist. Wieso wurde solch ein in der Stichprobe anscheinend sehr unzweideutig auftretender Zusammenhang nicht von vornherein erwartet? Und wie groß ist die Stichprobe?

Das habe ich mit einer linearen Regression getestet, in dem ich im ersten Schritt die Rohvariable und im zweiten Schritt das quadrierte Produkt (also UV*UV) eingegeben habe und festgestellt habe, dass sich im zweiten Schritt die Modellanpassung signifikant verbessert

Je nach Stichprobengröße ist das kaum zu vermeiden.

Mit freundlichen Grüßen

P.