STATISTIK-FORUM.de

[integral]

Hallo zusammen,

folgende Frage:
Ich habe folgende lineare Regressionen gerechnet (AnzahlViktimisierungen=wie oft jemand Opfer wurde)

Kriminalitätsfurcht ~ AnzahlViktimisierungen + FernsehstdProWoche

Das ergibt mir für beide uV hochsignifikante Ergebnisse (p<.000).
Nun füge ich noch einen Interaktionstermin hinzu:

Kriminalitätsfurcht ~ AnzahlViktimisierungen + FernsehstdProWoche + AnzahlViktimisierungen*FernsehstdProWoche

Das Ergebnis ist dann, dass beide Haupteffekte nicht mehr signifikant sind, dagegen die Interaktion.
Wie soll kann ich dieses Ergebnis nun interpretieren?

Wäre es richtig zu sagen, dass sich ein hoher Fernsehkonsum vorallem bei solchen Personen auf die empfundene Kriminalitätsfurcht
auswirkt, die bereits oft Opfer wurden?

[daniel]

Leider sagst Du nichts zur Richtung oder Stärke der geschätzen Parameter (inkl. Interaktion). Die Kodierung der Variablen geht nicht aus Deiner Beschreibung hervor. Auch über die Fallzahlen schweigst Du Dich aus. Ebenso ist die Datengrundlage (Querschnitt oder Längsschnitt, Stichprobe, Messung und Operationalisierung der Konstrukte etc.) sowei der theoretische Hintergrund unklar. Bei der Interpretation meiner Antwort bitte ich dies zu beachten.

Dein Ergebnis impliziert, dass der Fernsehkonsum keinen Effekt auf die Kriminallitätsfurcht hat, falls eine Person noch nie Opfer eines Verbrechens war (AnzahlViktimisierung = 0, angenommen es wurde hier keine Recodierung vorgenommen). Das klingt für mich plausibel.

Der insignifikante (konditionale) Haupteffekt der Anzhal der Viktimisierung impliziert, dass die Viktimisierung ohne Fernsehkonsum (FernsehstdProWoche = 0, angenommen es wurde hier keine Recodierung vorgenommen) keinen Effekt auf die Kriminalitätsfurcht hat. Das ist m.E. eher unplausibel. Ich würde mal nicht-lineare Effekte der Viktimisierung und des Fernsehkonsums testen. Liegen diese vor, kann das einen Interaktionseffekt "vortäuschen".

Was Dein Interaktionseffekt impliziert, kann ich nicht sagen, da weder Richtugn noch Stärke der Koeffizienten angegeben ist.

Zur interpretation konditionaler Haupteffekte vgl. auch diese Diskussion: regressionanalyse-f11/interaktionseffekt-t1190.html

[integral]

Also, Modell 1 (ohne Interaktionsterm):

Code: Alles auswählen

Call:
glm(formula = Furcht ~ tvHrs + anzVikt)

Deviance Residuals:
    Min       1Q   Median       3Q      Max 
-1.8142  -0.3751  -0.1117   0.7127   2.0376 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept) 1.673730   0.068968  24.268  < 2e-16 ***
tvHrs       0.008782   0.001480   5.936 3.49e-09 ***
anzVikt     0.131146   0.025530   5.137 3.09e-07 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for gaussian family taken to be 0.7092491)

    Null deviance: 1344.8  on 1836  degrees of freedom
Residual deviance: 1300.8  on 1834  degrees of freedom
  (232 observations deleted due to missingness)
AIC: 4587.1

Number of Fisher Scoring iterations: 2

Modell 2 (mit Interaktionsterm)

Code: Alles auswählen

Call:
lm(formula = Furcht ~ tvHrs + anzVikt + tvHrs:anzVikt)

Residuals:
     Min       1Q   Median       3Q      Max
-1.72246 -0.36449 -0.09606  0.74935  2.01647

Coefficients:
               Estimate Std. Error t value Pr(>|t|)   
(Intercept)    1.895667   0.108569  17.460  < 2e-16 ***
tvHrs         -0.002784   0.004617  -0.603  0.54661   
anzVikt        0.036953   0.043805   0.844  0.39901   
tvHrs:anzVikt  0.004905   0.001855   2.644  0.00826 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.8408 on 1833 degrees of freedom
  (232 observations deleted due to missingness)
Multiple R-squared: 0.03646,    Adjusted R-squared: 0.03488
F-statistic: 23.12 on 3 and 1833 DF,  p-value: 1.094e-14

Es handelt sich um eine Stichprobe von n=ca. 2'000 (Querschnitt). Die Codierungen der Variablen sind - so dachte ich - eigentlich selsbterklärend (alle metrisch). Die aV geht von 1 (schwache Furcht) bis 4 (starke Furcht)

Bedeutet der sign. Interaktionseffekt in Modell 2 mit einem positiven Koeffizienten denn nun, dass die furchtstiftende Wirkung des Medienkonsums vorallem bei Personen ohne oder mit persönlichen Kriminalitätserfahrungen eintritt?

[daniel]

Wieso schätzt Du denn im esrten Fall ein GLM, im zweiten Fall ein OLS Modell?

Schreib Dir doch mal die Regressionsgleichungen für Personenn mit (mind. einer Viktimisierung) und ohne Viktimisierung auf. Das sollte helfen den Effekt zu interpretieren (falls es tatsächlich ein Interaktionseffekt ist, vgl. meine vorherige Antwort).

[strukturmarionette]

Hi,

die Anpassungsgüte beider Modelle (u.a. Regressionskoeffizienten, R²) sinb bei beiden Prozeduren sind nach meinem Verständnis eher sehr schlecht.
Eher wäre deshalb irgendwo ein Fehler bei der Vorgehensweise zu suchen.

Signifikanzwerte und deren Bedeutung bei N =1800, -na ja.

S.

[integral]

Naja, das stimmt natürlich, dass die Modellgüte abgrundtief schlecht ist. Das hat aber damit zu tun, dass der TV-Konsum natürlich keine zentrale Variable ist - was aber im Grunde bereits im Vornherein klar war. Es ist eben so, dass ich zunächst bivariate Ergebnisse darstelle und danach erst ein multivariates Modell (letzteres mit einem - hoffentlich - besseren R2). Was für einen Koeffizienten fändest du denn aussagekräftig bei dem gegebenen n von 1800?

Gruss,