STATISTIK-FORUM.de

[elin123]

Hallo Zusammen,

ich habe in meiner Masterarbeit mittels multipler Regressionsanalyse untersucht, ob u.a. die unabhängige Variable Glaubwürdigkeit eines YouTubers (X) einen Einfluss auf eine Verhaltensänderung (Y) bei YouTube-Nutzern hat. Die Regression zeigt mir einen nicht signifikanten Einfluss. Bei einer Korrelation nach Spearman-Rho (Variable Glaubwürdigkeit ist nicht normalverteilt) ist jedoch eine signifikante Korrelation von Glaubwürdigkeit und einer Verhaltensänderung feststellbar (r=.392, p =.000, n=188). Wie kann ich dies interpretieren? Kann ich in meinen Studienergebnissen sagen, dass eine Verhaltensänderung von YouTube-Nutzern nicht durch die Glaubwürdigkeit eines YouTubers beeinflusst wird und die Glaubwürdigkeitszuschreibung in einer Verhaltensänderung nicht signifikant ist? Oder gibt es eventuell einen Einfluss, auf den die Korrelation hinweist und ich müsste weitere Tests machen? Was müsste ich hier testen?

Vielen Dank für die Hilfe und liebe Grüße!

[PonderStibbons]

Beschreibe bitte das Studiendesign, Variablen und ihre Messverfahren, aus welchen Variablen das lineare Regressionsmodell zusammengesetzt ist, sowie die exakten Ergebnisse der Regressionsanalyse (R², b, Standardfehler, beta, genauer p-Wert).

Mit freundlichen Grüßen

PonderStibbons

[elin123]

Vielen Dank für die schnelle Antwort. Mein Studiendesign war eine Onlinebefragung (N=188), in der zwei unabhängige Variablen Glaubwürdigkeit und parasoziale Beziehung auf eine abhängige Variable Verhaltensänderung getestet wurden. Alle Variablen haben das gleiche Skalenniveau (fünfstufige Likertskala 1 = stimme überhaupt nicht zu 5 = stimme voll und ganz zu). Variable Glaubwürdigkeit ist weist eine rechtschiefe auf (Mittelwert:4,02) die anderen Variablen sind normalverteilt. Anbei die Ergebnisse der Regression

Modellzusammenfassung
R² = ,521
Standardfehler des Schätzers = ,5052
p-Wert= ,000

Koeffizienten
Glaubwürdigkeit
b = ,100
Std. Fehler = ,067
Beta = ,086
T= 1,49
p = ,137

Parasoziale Beziehung
b = ,794
Std. Fehler = ,068
Beta = 677
T=11,7
p = ,000

Korrelation nach Spearman-Rho r=.392, p =.000, n=188


Danke nochmals und viele Grüße!

[PonderStibbons]

Mein Studiendesign war eine Onlinebefragung (N=188), in der zwei unabhängige Variablen Glaubwürdigkeit und parasoziale Beziehung auf eine abhängige Variable Verhaltensänderung getestet wurden.

Verstehe ich leider nicht. 188 verschiedene Youtuber wurden einbezogen? Und inwiefern getestet, worin
bestand der Test?

Alle Variablen haben das gleiche Skalenniveau (fünfstufige Likertskala 1 = stimme überhaupt nicht zu 5 = stimme voll und ganz zu).

Das wäre keine Likertskala, sondern was Du beschreibst ist das Antwortformat eines Items vom Likert-Typ.
Likert-Skalen ist die Bezeichnung für Messinstrumente, die von mehreren Items vom Likert-Typ
gemeinsam gebildet werden. Likert-Items sind ordinalskaliert, Likert-Skalen werden als intervallskaliert
behandelt. Insofern wäre die Frage, hast Du Glaubwürdigkeit und Beziehung eweils nur durch 1 ordinalskaliertes
Item gemessen, oder durch mehrere solcher Items, die dann aggregiert wurden.

Koeffizienten
Glaubwürdigkeit

Parasoziale Beziehung

Korrelation nach Spearman-Rho r=.392, p =.000, n=188

Verstehe ich das richtig, Deine Frage ist, wieso eine Variable, die
in einer multiplen Regressionsanalyse zusammen mit einer anderen
Variable als Prädiktor fungiert, in der einfachen bivariaten Korrelation
anscheinend einen engeren Zusammenhang mit der abhängigen Variable
aufweist als in der Regressionsanalyse?

Mit freundlichen Grüßen

PonderStibbons

[elin123]

"Verstehe ich leider nicht. 188 verschiedene Youtuber wurden einbezogen? Und inwiefern getestet, worin bestand der Test?"

--> Es wurden YouTube Nutzer per Online Befragung befragt. Ich habe 188 gültige Fälle.

"Das wäre keine Likertskala, sondern was Du beschreibst ist das Antwortformat eines Items vom Likert-Typ. Likert-Skalen ist die Bezeichnung für Messinstrumente, die von mehreren Items vom Likert-Typ gemeinsam gebildet werden. Likert-Items sind ordinalskaliert, Likert-Skalen werden als intervallskaliert behandelt. Insofern wäre die Frage, hast Du Glaubwürdigkeit und Beziehung jeweils nur durch 1 ordinalskaliertes Item gemessen, oder durch mehrere solcher Items, die dann aggregiert wurden."

--> Es handelt sich pro Variable jeweils um mehrere Items, die dann aggregiert wurden.

"Verstehe ich das richtig, Deine Frage ist, wieso eine Variable, die in einer multiplen Regressionsanalyse zusammen mit einer anderen Variable als Prädiktor fungiert, in der einfachen bivariaten Korrelation anscheinend einen engeren Zusammenhang mit der abhängigen Variable aufweist als in der Regressionsanalyse?"

--> Ich frage mich, ob es trotz nicht signifikantem Einfluss der Glaubwürdigkeit auf eine Verhaltensänderung in der multiplen Regressionsanalyse doch eine andere Art Einfluss gibt, auf den Korrelation hinweist. Lasse ich die Variable "parasoziale Beziehung" aus dem Modell heraus und führe eine einfache lineare Regression (X: Glaubwürdigkeit, Y = Verhaltensänderung) durch erhalte ich das Ergebnis, dass Glaubwürdigkeit eine Verhaltensänderung signifikant beeinflusst:

Modellzusammenfassung
R² = ,165
Standardfehler des Schätzers = ,6630
p-Wert= ,000

Koeffizienten
Glaubwürdigkeit
b = ,473
Std. Fehler = ,078
Beta = ,407
T= 6,069
p = ,000

Rechne ich eine multiple Regression mit Glaubwürdigkeit und parasozialer Beziehung als Prädiktoren hat Glaubwürdigkeit keinen signifikanten Einfluss mehr auf Verhaltensänderung. Wird die Variable Glaubwürdigkeit durch die parasoziale Beziehung hier unterdrückt? Kann ich tatsächlich die Aussage treffen: Die Glaubwürdigkeit von YouTubern hat keinen signifikanten Einfluss auf Verhaltensänderung von YouTube Nutzern, obwohl in der einfachen Regression ja ein signifikanter Zusammenhang besteht?

Danke!

[PonderStibbons]

Ob hier irgendwas etwa anderes kausal beeinflusst, entzieht sich leider meiner Kenntnis.
Bei einem vollständig korrelativen Design ohne experimentelle Manipulation ist es
eigentlich nicht zulässig, von kausalen Beziehungen/Beeinflussungen zu reden. Man
hat es nur mit Assoziationen zu tun.

Was das Problem angeht, dass eine Variable bei Hinzuziehung einer weiteren,
Variable an Erklärungswert verliert, so ist das eigentlich zwangsläufig, wenn
die beiden Variablen überlappen und teilweise dieselbe Varianz im Kriterium
aufklären. Dem Anschein nach hat Glaubwürdigkeit nur noch einen begrenzten
und nicht inferenzstatistisch signifikanten Erklärungswert über das hinaus,
den bereits "Parasoziale Beziehung" an Erklärung (Varianzaufklärung) leistet.
Vgl. https://psychologie.uni-graz.at/de/biol ... -list/faq/ FAQ #7

Mit freundlichen Grüßen

PonderStibbons