STATISTIK-FORUM.de

[Shawnee_Statistik]

Hallo zusammen,

der Titel meines Beitrags fasst meine Frage eigentlich schon ganz gut zusammen. Ich würde gerne wissen, ob eine Moderatoranalyse überhaupt sinnvoll umsetzbar ist, wenn die UV, AV und der Moderator jeweils untereinander interkorrelieren? Ich untersuche im Haupteffekt den Zusammenhang zwischen Führungsverhalten (UV) und der Gesundheit von Mitarbeitern (AV). Eine Regressionsanalyse ergab einen signifikanten Effekt hierfür. Nun würde ich gerne das affektive Commitment als Moderator aufnehmen. Frage mich aber gerade ob die Tatsache der Korrelation hinderlich dafür ist?

Über eine Antwort würde ich mich sehr freuen und verbleibe mit herzlichen Grüßen

Shawnee

[strukturmarionette]

Hi,

- liegt fachlich nicht eher ein Mediationseffekt vor?

Gruß
S.

[Holgonaut]

Hi,

wie hoch korrelieren UV und Moderator denn? Klar: je stärker die Korrelation, um so geringer der Spielraum für sich-verändernde-Effekte von Führung entlang der commitment-Grade. Das ist letztlich aber eine power-Frage.

Zudem würde ich Strukturmarionette recht geben, dass commitment (auch) ein Mediator ist. Konzeptionell bedeutet dies, dass ein eventueller MODerator-Effekt den direkten Effekt von Führung moderiert, der inhaltlich nichts mit einer commitment-Bildung zu tun hat (da dieser ja kontrolliert/geblockt ist).

Grüße
Holger

[Shawnee_Statistik]

Vielen Dank erstmal für die Hilfe!

Kurz zu den Korrelationen:
Führung (UV) korreliert positiv mit Gesundheit (AV) = (.198**)
Führung (UV) korreliert positiv mit dem affektiven Commitment (Moderator) = (.349**)
und auch das affektive Commitment (Moderator) und die Gesundheit (AV) sind positiv miteinander korreliert = (.232**).

Die Regression des Haupteffektes (Führung und Gesundheit) zeigt ein signifikantes Ergebnis, F (1, 383) = 15,63, p < .001. - mit 0,3% Varianzaufklärung

Theoretisch lässt sich das aufgestellte Modell mit dem AffCom als Moderator sehr gut herleiten. Die Verstärker-Hypothese würde dafür sprechen, dass das AffCom den Haupteffekt verstärkt und die Puffer-Hypothese dafür, dass der Haupteffekt durch das AffCom abgeschwächt wird. Meine Idee war es daher diese beiden konkurrierenden Hypothesen ggü. zu stellen und zu prüfen welche bei meinem Datensatz zutrifft.

So wie ich das verstehe, sind sowohl die Korrelationen als auch die Regression eher schwachen Ausmaßes.
Ich hoffe die weiteren Infos helfen meine Problematik noch etwas einzugrenzen.

Über eine Antwort freu ich mich

Shawnee