STATISTIK-FORUM.de

[Margrit]

Schönen guten Tag,
ich hoffe, dass mir hier vielleicht jemand weiterhelfen kann. Und zwar bin ich etwas verzweifelt mit meiner Abschlussarbeit. Es gibt eine Hypothese, bei der ich einfach nicht weiterkomme.
Ich habe eine lineare Regression gerechnet, die signifikant ausfiel. Ein intervallskalierter Prädiktor und ein intervallskaliertes Kriterium. Die Korrelation ist mit über .35 relativ gut und das Betagewicht beläuft sich bei .405.
Soweit so gut. Die darauffolgende Hypothese postuliert einen moderierenden Effekt durch eine Gruppenzugehörigkeit (also ein dichotomer Moderator).
Mir wurde aufgrund der Einfachheit das Tool PROCESS von Hayes empfohlen. Ich habe das Tool verwendet, musste aber feststellen, dass es keinen Haupteffekt meines usprünglichen Prädiktors gibt. Das fand ich schon sehr merkwürdig, da meine lineare Regression zuvor nicht allzu schlecht ausgefallen ist. Jetzt zweifel ich stark daran, dass meine Voraussetzungen stimmen. Ich habe versucht die Interaktion mit einer ANOVA und einer multiplen Regression nachzuvollziehen, aber konnte auch die Ergebnisse nicht sonderlich gut nutzen.
Ich habe mir die beiden Regression getrennt für die jeweilige Gruppe angeschaut, und der Standardfehler ist in der einen Gruppen wesentlich größer, was die Regression betrifft, dafür streuen die Werte mit dem größeren Standardfehler wesentlich geringer. Zudem ist die Fallzahl auch unterschiedlich (29 und 140).

Jetzt weiss ich nicht ganz wie ich argumentativ und auch rechnerisch vorgehen soll. Ob ich überhaupt weiter interpretieren darf. Das Output von Hayes gibt mir nicht viele Anhaltspunkte. Ich bin mir sicher, dass ich etwas vergessen haben muss oder irgendetwas schief gelaufen ist. Jetzt frage ich mich, ob Hayes auch die richtige Lösung ist. Die Voraussetzungen für eine Regressionsanalyse müssen für meine beiden Gruppen erfüllt sein, ist das richtig?
Ich freue mich über jeden Hinweis.

Viele Grüße
Margrit

[PonderStibbons]

Mir wurde aufgrund der Einfachheit das Tool PROCESS von Hayes empfohlen. Ich habe das Tool verwendet, musste aber feststellen, dass es keinen Haupteffekt meines usprünglichen Prädiktors gibt.

Wenn es das Modell mit Prädiktor, Moderator und Interaktion Prädiktor*Moderator ist,
dann ist das nichts besonderes. Oder wo liegt das Problem?

Allerdings würde "kein Haupteffekt" beta=0 in der Grundgesamtheit bedeuten oder
pragmatisch beta= ca. 0 in der Stichprobe mit p=0,99 .

Mit freundlichen Grüßen

PonderStibbons

[Margrit]

Lieber PonderStibbons,
vielen Dank für deine Antwort. Das habe ich natürlich falsch behauptet, es gibt einen Effekt, der ist aber nicht signifikant. Hayes testet doch, wie ich das richtig verstanden habe, beide einzeln und dann die Interaktion oder? Müsste dann nicht mein ursprünglicher Prädiktor signifikant werden (so wie in der linearen Regression von SPSS) ? Das lässt mich immer wieder stocken, weil die Regression ja eigentlich ähnlich wie bei SPSS programmiert ist. Das die Interaktion nicht signifikant ist, wundert mich etwas, aber da sind die Gegebenheiten auch nicht so wunderbar.

Liebe Grüße
Margrit

[PonderStibbons]

Das habe ich natürlich falsch behauptet, es gibt einen Effekt,

b= ?

der ist aber nicht signifikant.

p=0,050? p=0,88?

Hayes testet doch, wie ich das richtig verstanden habe, beide einzeln und dann die Interaktion oder?

Was meinst Du damit?

Müsste dann nicht mein ursprünglicher Prädiktor signifikant werden (so wie in der linearen Regression von SPSS) ?

Nein. Oder war es dasselbe Modell mit denselben Prädiktoren wie bei der Process-Analyse?

Das die Interaktion nicht signifikant ist, wundert mich etwas, aber da sind die Gegebenheiten auch nicht so wunderbar.

Ich muss gestehen, ich kann der Art Deiner Beschreibung nicht ganz folgen. Ich weiß weder, auf welche Analyse Du Dich hier beziehst, noch was konkret "nicht signifikant" ist und wie die Koeffizienten und Standardfehler sind noch was nicht so wunderbare Gegegebenheiten sein sollen.

Mit freundlichen Grüßen

PonderStibbons

[Margrit]

Also meine Lineare Regression zuvor viel so aus: Prädiktor X mit Beta= .405, R-Quadrat bei 17 %. p < .01

Jetzt möchte ich einen Moderator hinzu nehmen, dass mache ich mit dem Hayes Tool.
Beim Hayes Tool werden normalerweise bei dem Modell 1 drei Tests angezeigt untereinander. (Model) Er testet meinen Prädiktor, darunter den Moderator, und dann Prädiktor* Moderator. also den Interaktionseffekt. Der Interaktionseffekt würde ja zeigen, dass der Zusammenhang moderiert wird.

Hayes gibt ja kein Betagewicht aus, aber p ist für meinen Prädiktor p= .1767, der Koeffizient 1.17 und p= .97 für den Moderator (also kein Haupteffekt des Moderators, soll ja auch nich). Und die Interaktion p=.46. Und mich macht das p des Prädiktors so skeptisch (Signifikanzniveau bei .05 eingestellt).
Jetzt frage ich mich, ob ich etwas übersehen habe oder völlig falsch interpretiere.
Achso und die Gegebenheiten: Gucke ich mir die Grafik an, sind die Residuen der einen Gruppe wesentlich größer, als in der anderen, da passt die Reg-Grade also nicht so gut, die Varianz der Werte an sich ist aber kleiner. Ich schätze , das ist nicht so optimal
Vielen Dank!

[PonderStibbons]

Es wurde ein inferenzstatistisch signifikanter Zusammenhang der ersten Prädiktorvariable gefunden (p < 0,01).
Dann wurde die Hypothese überprüft, dass die dichotome Variable einen Moderatoreffekt hat. Dies konnte nicht
nachgewiesen werden (p = 0,46).

Und jetzt stellt sich mir erneut die Frage, exakt worin bei der Sachlage das Problem besteht?

Mit freundlichen Grüßen

PonderStibbons

[Margrit]

Hey,
leider ja nicht. Also der erste Prädiktor wurde mittels einer linearen Regression im normalen SPSS Tool gemacht.
Mit PROCESS erfolgte dann die Moderatoranalyse, auch da werden die einzelnen Prädiktoren getestet, und da war es plötzlich ja nicht mehr signifikant p= .17, jetzt frage ich mich, warum. Das ist mein Problem /: In der Moderatoranalyse werden automatisch die Prädiktoren getestet, bevor nach der Interaktion geschaut wird. Ich habe also zwei Ergebnisse, die sich widersprechen.

[PonderStibbons]

leider ja nicht. Also der erste Prädiktor wurde mittels einer linearen Regression im normalen SPSS Tool gemacht.
Mit PROCESS erfolgte dann die Moderatoranalyse, auch da werden die einzelnen Prädiktoren getestet,

Tatsächlich allein, als einfache lineare Regression?
Oder ist das der Test des Koeffizienten im Kontext
des Moderatormodells (multiple Regression)? Ich
kenne als Process-output nur letzteres.

Mit freundlichen Grüßen

PonderStibbons

[Margrit]

Ok das würde jetzt einiges erklären, das stimmt, als multiple dann wohl. Das hatte ich wohl falsch verstanden. Mich wundert es aber trotzdem, da nichts auch nur annähernd signifikant wird, er müsste selbst bei der multiplen signifikant oder nahezu signifikant werden, das war so meine Logik, da der Moderator wie auch die Interaktion nicht viel aufklären, wie es scheint. Oder sehe ich das falsch?

Viele Grüße
Margrit

[PonderStibbons]

Kann ich nichts zu sagen, da ich jetzt schon wieder nach konkreten Angaben fragen müsste, was mich mittlerweile etwas ermüdet. Ich gehe aus von etwas Analogem zu FAQ#7 in von https://psychologie.uni-graz.at/de/biol ... -list/faq/ . Kann auch sein, dass es Probanden mit fehlenden Werten in M gibt und die oder 1. und 2. Analyse damit unterschiedlich sind.

Mit freundlichen Grüßen

PonderStibbons