STATISTIK-FORUM.de

[lisacipus]

Hallo Leute,
ich bin gerade bei einer Auswertung zu meiner Masterarbeit und stehe vor unlösbaren Problemen.
Ich möchte untersuchen, wie sich die Wahl eines bestimmten Vergütungsmodell auf das Image des Unternehmens auswirkt (Bsp. Bewerten die Kunden das Image des Unternehmens besser, wenn die Vergütung nicht rein provisionsbasiert ist).
Als ich eine Anova gemacht habe, habe ich signifikante Ergebnisse erhalten - ja, es gibt einen Unterschied in der Einschätzung des Images.
Nun wollte ich eine Mediatoranalyse machen und schauen, ob der Effekt von der Loyalität mediiert ist.
Process gibt mir nun den Output, dass es keinen direkten Effekt gibt zwischen Wahl des Vergütungsmodells und Image, sondern nur einen indirekten Effekt über Loyalität.

Wie kann das sein, wenn mir die Anova einen direkten Effekt geliefert hat? (der hoch signifikant war mit p=0,003..)


Ich hoffe, Ihr könnt mir helfen!

Liebe Grüße,
Lisa

[PonderStibbons]

Ich verstehe die Frage nicht ganz. Du hast einen Effekt von A auf B und willst ausdrücklich prüfen, ob dieser vermittelt wird durch C. Es stellt sich heraus, dass dies der Fall ist. Vielleicht liest Du nochmal nach, was eine Mediation genau ist und wie sie funktioniert und was sich bei "vollständiger Mediation" ereignet? Ansonsten lässt sich von hier leider nicht viel sagen, es fehlen Angaben zur Stichprobengröße, Parameterschätzern (Regressionsgewichten) und exakten p-Werten bzw. Konfidenzintervallen. "signifikant" oder "nicht signifikant" ist leider eine weitgehend uninformative Angabe.

Mit freundlichen Grüßen

PonderStibbons

[lisacipus]

Hallo PonderStibbons,
Danke schon mal für deine Rückmeldung:)
Also ich verstehe Haupteffekte so: Variable X hat eine Wirkung auf Variable Y.
Mediation verstehe ich so: gibt drei Variablen X,Y und M.
X kann auf Y wirken (direkter Effekt).
X kann erst auf M wirken und dann weiter auf Y. (indirekter Effekt)
X kann auf Y direkt wirken, aber außerdem über M beeinflusst werden. (totaler Effekt)
Oder ist das nicht so richtig? (Habe mir tausend Tutorials angesehen....:/)

Die Stichprobe ist 100 (jede Gruppe hat 50 Probanden)
Bei der Anova habe ich rausgefunden, dass Variable Vergütungsmodell auf variable Weiterempfehlung wirkt. (p=0,003)

Dann dachte ich mir, vielleicht wird der Einfluss von Vergütungsmodell (X) auf Weiterempfehlung (Y) auch noch durch einen Mediation, z.B. Loyalität.
Hier bekomme ich dieses Ergebnis mit Process:
Outcome: Loyalit

Model Summary
R R-sq MSE F df1 df2 p
,2369 ,0561 1,8696 5,8248 1,0000 98,0000 ,0177

Model
coeff se t p LLCI ULCI
constant 4,0000 ,1934 20,6858 ,0000 3,6163 4,3837
Kundenzu -,6600 ,2735 -2,4135 ,0177 -1,2027 -,1173

**************************************************************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,8585 ,7371 ,5685 135,9535 2,0000 97,0000 ,0000

Model
coeff se t p LLCI ULCI
constant ,7128 ,2470 2,8857 ,0048 ,2225 1,2030
Loyalit ,8618 ,0557 15,4719 ,0000 ,7513 ,9724
Kundenzu -,2912 ,1552 -1,8762 ,0636 -,5993 ,0168

************************** TOTAL EFFECT MODEL ****************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,2969 ,0882 1,9512 9,4761 1,0000 98,0000 ,0027

Model
coeff se t p LLCI ULCI
constant 4,1600 ,1975 21,0584 ,0000 3,7680 4,5520
Kundenzu -,8600 ,2794 -3,0783 ,0027 -1,4144 -,3056



Total effect of X on Y
Effect SE t p LLCI ULCI
-,8600 ,2794 -3,0783 ,0027 -1,4144 -,3056

Direct effect of X on Y
Effect SE t p LLCI ULCI
-,2912 ,1552 -1,8762 ,0636 -,5993 ,0168

Indirect effect of X on Y
Effect Boot SE BootLLCI BootULCI
Loyalit -,5688 ,2445 -1,0668 -,1149

Das bedeutet doch, dass es plötzlich keinen direkten Einfluss von Y auf X mehr gibt, obwohl dies in der Anova nachgewiesen worden ist?

Sorry für die doofe Frage, aber meinst du mit den Regressionsgewichten das R, das man in der Regression bekommt? Habe gerade mal eine Regression gemacht mit den drei Variablen und angehängt.

Ich hoffe, es ist jetzt alles klarer verständlich...

Liebe Grüße und tausend Dank für deine Hilfe!!
Lisa

[PonderStibbons]

Wie gesagt, ich schlage zunächst vor, dass Du es nochmal nachliest, z.B. http://davidakenny.net/cm/mediate.htm
auf jeden Fall die "vollständige Mediation": "Step 4: To establish that M completely mediates the X-Y relationship, the effect of X on Y controlling for M (path c') should be zero (see discussion below on significance testing). The effects in both Steps 3 and 4 are estimated in the same equation."

Wenn der Mediator (als vermittelnde Variable) vollständig oder nahezu vollständig für den Effekt von X auf Y verantwortlich ist, dann gibt es nach Hineinnahme des Mediators ins Modell zwangsläufig keinen "eigenen", direkten Erklärungsbeitrag von X für Y mehr. Den hat in dem Fall der Mediator übernommen.

Allerdings ist fraglich, ob so ein Fall vorliegt. Was Du genau gemacht hast, kann ich dem Kuddelmuddel leider nicht recht entnehmen (Kundenzu ist das Vergütungsmodell?), aber anscheinend ist die Aussage "Das bedeutet doch, dass es plötzlich keinen direkten Einfluss von Y auf X mehr gibt, obwohl dies in der Anova nachgewiesen worden ist?" nicht gerechtfertigt. Der Koeffizient für den direkten Effekt (Direct effect of X on Y) ist ja nicht 0 oder nahe 0, er ist in der Stichprobe keineswegs verschwunden. Er ist lediglich nicht inferenzstatistisch signifkant (p=0,06).

Mit freundlichen Grüßen

PonderStibbons

[lisacipus]

Hi PonderStibbons!
Danke für die Antwort. ja, das mit der total Mediation ist mir klar und du hast Recht...der direkte Effekt ist auf nicht null, sondern nicht Interferenzstatistisch signifikant auf p= 0,06. Die Tatsache find ich schon mal gar nicht so schlecht!
Aber dennoch verstehe ich immer noch nicht, warum mir der Gruppenvergleich das Ergebnis liefert, dass der Unterschied in beiden Gruppen hinsichtlich der Y-Variable "WOM" hoch signifikant ist mit P=0,003 und bei der Mediation ist dies dann nicht mehr der Fall, bzw. nur noch auf dem 90%Konfidenzintervall.

Ich hatte alles schon zusammengeschrieben in ein Worddokument, aber das Forum verweigert mir, dies hochzuladen...daher nochmals so:


"Geprüft soll werden, ob die Wahl des Vergütungsmodells (in unserem Fall „rein Provisionsbasiert“ oder „inkl. Kundenzufriedenheitsanteil“ einen Einfluss auf die Weiterempfehlung (WOM) hat.
Deshalb gibt es zwei Szenarien: „inkl. Kundenzufriedenheit“ und „rein Provisionsbasiert“
In SPSS nennen wir die Wahl des Vergütungsmodell-Variable „Kundenzufriedenheit 0/Prov=1“, welche je nach Szenario nach 0 und 1 kodiert wurden.
Der T-Test hat ergeben, dass es einen signifikanten Unterschied (p=0,003) von der Variable „Kundenzufriedenheit=0/Provision=1“ auf die Weiterempfehlung (WOM) gibt.



Wie wirken die Variablen „Kundenzufriedenheit 0/Prov=1“ und „Loyalität“ auf die Einflussvariable „Weiterempfehlung“ (WOM)?
--> Durchführung einer Regression.

R= 0,859 R-Quadrat=0,737
Einflussvariablen: Konstante, Kundenzufriedenheit=0/Prov=1“, Loyalität

Regression: signifikant (0,000)

Regressionskoeffezienten
Konstante: 0,713 p=0,005
Loyalität: p=0,000
Kundenzufriedenheit=0/Prov=1“, p=0,064



Als nächstes soll überprüft werden, ob die Variable „Loyalität“ den Effekt von der Variable „Kundenzufriedenheit=0/Prov=1“ auf die Weiterempfehlung mediiert?







Run MATRIX procedure:

**************** PROCESS Procedure for SPSS Release 2.12.1 **************

Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3

**************************************************************************
Model = 4
Y = WOM
X = Kundenzu (Kundenzufriedenheit=0/Prov=1)
M = Loyalit

Sample size
100

**************************************************************************
Outcome: Loyalität

Model Summary
R R-sq MSE F df1 df2 p
,2369 ,0561 1,8696 5,8248 1,0000 98,0000 ,0177

Model
coeff se t p LLCI ULCI
constant 4,0000 ,1934 20,6858 ,0000 3,6163 4,3837
Kundenzu -,6600 ,2735 -2,4135 ,0177 -1,2027 -,1173

**************************************************************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,8585 ,7371 ,5685 135,9535 2,0000 97,0000 ,0000

Model
coeff se t p LLCI ULCI
constant ,7128 ,2470 2,8857 ,0048 ,2225 1,2030
Loyalität ,8618 ,0557 15,4719 ,0000 ,7513 ,9724
Kundenzu -,2912 ,1552 -1,8762 ,0636 -,5993 ,0168

************************** TOTAL EFFECT MODEL ****************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,2969 ,0882 1,9512 9,4761 1,0000 98,0000 ,0027

Model
coeff se t p LLCI ULCI
constant 4,1600 ,1975 21,0584 ,0000 3,7680 4,5520
Kundenzu -,8600 ,2794 -3,0783 ,0027 -1,4144 -,3056

***************** TOTAL, DIRECT, AND INDIRECT EFFECTS ********************

Total effect of X on Y
Effect SE t p LLCI ULCI
-,8600 ,2794 -3,0783 ,0027 -1,4144 -,3056

Direct effect of X on Y
Effect SE t p LLCI ULCI
-,2912 ,1552 -1,8762 ,0636 -,5993 ,0168

Indirect effect of X on Y
Effect Boot SE BootLLCI BootULCI
Loyalität -,5688 ,2445 -1,0668 -,1149




Liebe Grüße und Tausend Dank für deine HILFE!!!
Lisa

[PonderStibbons]

Du rechnest eine Mediationsanalyse und wunderst Dich, dass ein Mediationseffekt sichtbar wird?
Was vorher die Variable X erklärt hat, wird nun (teilweise) durch M erklärt.

Mit freundlichen Grüßen

PonderStibbons

[lisacipus]

achso, du meinst quasi, dass man bei dem T-Test nur weiß, "ok, es gibt einen Unterschied bei beiden Szenarien. Wenn man das Vergütungsmodell ohne Provision wählt,ist die Weiterempfehlung nicht so groß wie bei einer Wahl des Vergütungsmodells mit Kundenzufriedenheitsanteil".
Die Mediationsanalyse geht dann noch einen Schritt weiter und beobachtet, wie der Einfluss von X auf Y erklärt werden kann. In meinem Fall durch die Loyalität.

Habe ich das richtig verstanden?

Liebe Grüße,
PonderStibbons