Guten Tag,
ich habe eine Frage zum Zentrieren von erklärenden Variablen in Mehrebenen-Analysen nach dem Cluster-Mittelwert (group-mean centering, GMC): Nachdem ich einige Artikel über die Vor- und Nachteile bzw. mögliche Fallstricke bei der Interpretation der Ergebnisse gelesen habe, bin ich zunächst aufgrund von inhaltlichen Überlegungen zu dem Schluss gekommen, GMC vorzunehmen. Denn eine der zentralen erklärenden Variablen in meinen Modellen (Leistungserwartungen von Lehrkräften) hat keinen natürlichen Nullpunkt, sondern wurde in Bezug auf den Vergleich innerhalb von Clustern (d.h. im Vergleich zu den „anderen Kindern in der Klasse“) erhoben. Unterschiede in dieser Variable sind also nicht absolut zu interpretieren, sondern in Abhängigkeit des von verschiedenen Lehrkräften (höchstwahrscheinlich) unterschiedlich festgelegten Klassendurchschnitts.
Nach der Lektüre des Artikels „Centering Predictor Variables in Cross-Sectional Multilevel Models: A New Look at An Old Issue” von Enders und Tofighi (2007) bin ich davon überzeigt, dass das Zentrieren in meinem Fall Sinn macht, wenn auch Vorsicht bei der Interpretation der daraus entstehenden Koeffizienten und Korrelationen geboten ist. Allerdings ist mir eine viel trivialere Frage unklar, nämlich ob in entsprechenden Regressionsmodellen ALLE Prediktorvariablen zentriert werden sollten oder nur diejenigen, für die eine Interpretation in Relation zu den Cluster-Mittelwerten als sinnvoll erachtet wird? Beim grand-mean centering kann ich mir vorstellen, dass bestimmte Variablen nicht zentriert werden müssen. Beim group-mean centering bin ich mir da nicht sicher, daher meine Frage. (In Enders und Tofighi wird übrigens auch dazu geraten, Dummy-Variablen am group-mean zu zentrieren, wenn die Fragestellung der Analyse dies erfordert.)
Über Hilfe würde ich mich sehr freuen.
Mit freundlichen Grüßen
Georg Lorenz