STATISTIK-FORUM.de

[coccolyne]

Guten Abend,

ich stehe gerade etwas auf dem Schlauch und brauche dringend Hilfe.

Ich untersuche die Akzeptanz von Augmented Reality mit dem Technology acceptance model.
Dazu habe ich mehrere Hypothesen aufgestellt mit jeweils NUR ZWEI Variablen. Daher habe ich automatisch für jede hypothese eine einfache lineare Regression durchgeführt und konnte alle bestätigen.

Allerdings wirken ja laut dem Forschungsmodell z.B. auf die Nutzungsabsicht die abhängigen Variablen Einstellung, wahrgenommene Nützlichkeiten, wahrgenommene einfache Benutzbarkeit und subjektive Norm. Also laut dem erstellten Forschungsmodell wirken insgesamt direkt vier Variablen auf die Nutzungsabsicht.

Wenn ich hierbei eine multiple Regression durchführe, wirken die einzelnen Variablen viel schwächer (da ja unter Konstanthaltung der anderen) auf die abhängige Variable.

Muss ich hier nun eine multiple Regression aufgrund des Modells oder eine einfache Regression aufgrund von meinen Hypothesen (nur zwei Variablen) durchführen?

Oder führe ich für die Hypothesen eine einfache durch und für die Beurteilung des Modells im Allgemeinen eine multiple Regression durch? Um quasi zu sagen, mit wie viel Prozent die Varianz der Nutzungsabsicht durch das Modell erklärt werden kann?

Sorry für die ausführliche Frage.. muss meine Masterarbeit bald abgeben und ich habe das Gefühl, ich habe gerade gar keinen Durchblick mehr!

Vielen Dank und liebe Grüße,
Caro

[strukturmarionette]

Hi,

Ich untersuche die Akzeptanz von Augmented Reality

- N?
- Was ist das? (am besten auf deutsch)
- Wie hast du das gemessen bei wem?

Gruß
S.

[coccolyne]

Hallo

Danke für deine Rückmeldung!

Augmented Reality - erweiterte Realität. Also es geht um die Akzeptanz einer neuen Technologie. Dazu wurde eine Online-Umfrage durchgeführt mit 130 Personen.

Dafür habe ich ein Forschungsmodell auf Basis des Technologieakzeptanzmodells erstellt.
Dabei soll gemessen werden, welche Variablen auf die Nutzungsabsicht einwirken.

Das Modell behauptet, dass z.B. die Einstellung auf die Nutzungsabsicht wirkt. Daher eine meiner Hypothesen: Je positiver die Einstellung zu der Technologie, desto höher ist die Nutzungsabsicht von der Technologie.

Ebenso behaupte ich, dass die wahrgenommenen Nützlichkeiten (was für einen Nutzen erhalten Konsumenten durch die Nutzung der Technologie) einen Einfluss auf die Nutzungsabsicht hat. Usw usw. ...

Daher habe ich automatisch die einfache lineare Regression durchgeführt, allerdings wirken ja laut dem Modell mehrere Variablen auf die Nutzungsabsicht.

Ich hätte noch eine weitere Frage: wenn die Konstante bei einer multiplen Regression einen Signifikanzwert größer als 0.05 hat, die unabhängigen Variablen aber eine Signifikanz aufweisen können - was bedeutet das?

Danke und liebe Grüße,
Caro

[forenthomas]

Hallo Caro,

ich muss ja zugeben, dass mit das TAM-Modell bislang nicht sagte. Es ist wohl immer so, dass wenn man einen Ansatz kennt, meint, dass ihn wohl jeder kennen müsste. Aber egal.

Wenn ich mir das Schaubild dazu auf Wikipedia ansehe, dann sieht mir das doch eher nach einer Mediatorenanalyse aus als nach einfacher Regression. Wobei du ja schon richtig festgestellt hast, dass du bei einfacher Regression natürlich viel eher signifikante Ergebnisse bekommst als bei multipler Regression. Letztlich ist das aber keine Frage von "falsch" oder "richtig", sondern von "sinnig" oder "unsinnig" - je nach Forschungsansatz. Also: Die Methode hängt an dem, was du zeigen willst.

Wie weit du die statistische Analyse deiner Daten angesichts von

muss meine Masterarbeit bald abgeben

überarbeitest, dass musst du selbst wissen. Deine Konstante und deren Signifikanz oder nicht Signifikanz sollte dabei allerdings dein geringstes Problem sein. Wobei auch das etwas auf die Codierung deiner Daten ankommt, aber generell würde ich jetzt erst mal empfehlen, das Problem nicht zu vertiefen.

Gruß, Thomas

[bele]

Ich hätte noch eine weitere Frage: wenn die Konstante bei einer multiplen Regression einen Signifikanzwert größer als 0.05 hat, die unabhängigen Variablen aber eine Signifikanz aufweisen können - was bedeutet das?

Wenn die Konstante nicht signifikant wird dann heißt das, dass unklar bleibt, ob das Modell eine solche Konstante braucht. Es wäre denkbar, dass die "wahre" Konstante positiv oder Null oder negativ ist. Meistens interessiert das nicht so richtig.

Signifikanz von unabhängigen Variablen ist normalerweise das, wonach man sucht und was man zeigen möchte.

LG,
Bernhard

[coccolyne]

Vielen lieben Dank für Eure Hilfe!!

Das war schon sehr hilfreich.

Was mir noch nicht ganz schlüssig ist: eine multiple Regression besteht aus einer abhängigen Variable und mehreren unabhängigen Variablen

Was ist aber, wenn meine unabhängigen Variablen auch von anderen Variablen bestimmt werden (also eig. auch abhängige Variablen sind). Ich hoffe ihr wisst was ich meine

LG, Caro

[PonderStibbons]

Was ist aber, wenn meine unabhängigen Variablen auch von anderen Variablen bestimmt werden (also eig. auch abhängige Variablen sind). Ich hoffe ihr wisst was ich meine

Nein. Was meinst Du denn konkret damit und welche Rolle spielt es für
Deine Überlegungen in Sachen Studiengestaltung bzw. Auswertung bzw.
Interpretation?

Mit freundlichen Grüßen

PonderStibbons

[coccolyne]

Bei multiplen Regressionen wird ja untersucht, inwieweit eine abhängige Variable durch mehrere unabhängige Variablen erklärt werden kann.

Ich möchte z.B. die Nutzungsabsicht einer Technologie durch die Variablen wahrgenommene Nützlichkeit, subjektive Norm und die Einstellung zur Nutzung erklären. (diese wirken in meinem Untersuchungsmodell direkt auf die Nutzungsabsicht)

Aber bei der wahrgenommenen Nützlichkeit handelt es sich ebenfalls um eine abhängige Variable (die wahrgenommene einfache Benutzbarkeit wirkt auf die wahrgenommene Nützlichkeit) oder auf die wahrgenommene Benutzbarkeit wirkt sich ebenfalls die persönliche Innovationsbereitschaft aus..

Daher eig meine Frage, ob das überhaupt so stimmt/gemacht werden darf, da in der Definition von multiplen Regressionen immer von unabhängigen Variablen gesprochen wird.

[strukturmarionette]

Hi,

- das wäre dann eher was für ein Pfadmodell

Gruß
S.

[Holgonaut]

Hi coccolyne et al.

bgz. der Unabhängigkeit vs. Abhängigkeit. Es ist unproblematisch, wenn Deine UVn selbst von irgendwas beeinflusst werden (was ja immer der Fall ist)--zentral ist, dass dieses "irgendwas" nicht auch direkt oder indirekt auf Deine AV wirkt. Letzteres würde zu confounding und Endogenität führen und zum bias der Effekte.

Was die ursprüngliche Frage anbelangt nach dem Unterschied von einfacher und multipler Regression. Prinzipiell bist du bei der multiplen Regression auf einem sinnvolleren Weg, weil die einfache Regression nur Sinn machen würde, wenn es die o.g. confounder nicht gibt. Andere Kovariate einzufügen, kontrolliert schon mal für deren confounding Effekte. Allerdings gibt es hier zwei große Todsünden--nämlich unentdeckte Mediatoren zu kontrollieren oder sog. collider. Kontrolliert man versehentlich eine Kovariate, die eigentlich ein Mediator ist, bekommt man nur den direkten Effekt und der indirekte wird gekillt. Es hilt also, sich zumindest mal die Kovariate anzuschauen und zu überlegen, ob das nicht Sinn macht. Natürlich sagen die Daten einem nicht, ob eine Variable ein Mediator ist; das ist eine Frage der theoretischen Annahmen und Plausibilität. Aber die Antennen sollte man entwickeln. Ich arbeite zum Beispiel viel mit der TPB, die du sicher auch kennst--da wird die Frage, was denn der Hintergrund der substantiellen Korrelation zwischen Einstellung und subjektiver Norm sein könnte, nicht wirklich ernst diskutiert. Man wirft sie einfach in ein Modell und bekommt den direkten Effekt. Wenn stattdessen die Korrelation aus einem Effekt einer der Variablen auf eine andere resultieren würde, würde das eine u.U. massive Unterschätzung des Effekts sein...

Grüße
Holger