STATISTIK-FORUM.de

[Impostor]

Hallo in die Runde,

wir haben eine Studie mit 2x2 between-subjects design durchgeführt. Neben der AV haben wir eine weitere Variable (L) erhoben, deren (potenzieller) Einfluss auf die AV für uns aber nicht von theoretischer Relevanz ist, nach der aber eine reviewerin im Zusammenhang mit einem anderen Experiment gefragt hatte.

Eine ANOVA hat unsere Hypothese über die Interaktion aus beiden UVn einen signifikanten Effekt auf unsere AV hat bestätigt. Wir haben keine ANCOVA mit L berechnet, weil L eine Funktion der einen UV ist.

Die Überlegung war, anhand einer multiplen Regression (backwards elimination) zu schauen, ob L als signifikanter Prädiktor für die AV übrigbleibt. Ist das grundsätzlich sinnvoll und müsste da die Interaktion auch als Prädiktor aufgenommen werden (zusätzlich oder statt der beiden einzelnen UVn)? Die beiden UVn sind dichotom kodiert, also entweder 0 oder 1.

BG

impostor

[bele]

Hallo Impostor,

wenn mit "backwards elimination" ein schrittweiser Ausschluss von Prädiktoren gemeint ist, dann würde ich davon ganz grundsätzlich abraten, ganz egal in welchem Kontext.
Wenn ich die Aufgabe richtig verstehe, und da bin ich mir nicht sicher, dann würde ich folgendes machen: Eine Regression mit den beiden UV und der Interaktion sowie eine Regression mit den beiden UV und der Interaktion und L. Man kann dann die Varianzaufklärung mit und ohne L vergleichen (einmal deskriptiv und einmal mit einer ANOVA testen) und so sehen, ob und wieviel L zusätzliche Information einbringt gegenüber dem, was die beiden bereits untersuchten UV und deren Interaktion schon eingebracht haben.

Wenn das nicht die Fragestellung sein sollte, was ist dann die Fragestellung. Ob ein Prädiktor bei backwards übrig bleibt ist doch keine richtige Fragestellung. Vielleicht würde eine etwas weniger abstrakte Problemschilderung auch die Fragestellung klarer durchscheinen lassen.

LG,
Bernhard

[Impostor]

Hallo Bernhard,

vielen Dank für die schnelle Rückmeldung und für den Hinweis mit der backwards elimination! Ich hatte, als ich mich über Einschluss und Ausschluss ein wenig belesen hatte, eine Empfehlung für die backwards elimination gefunden, weil das erste Modell (notgedrungen) mit allen Prädiktoren beginnt. Was spricht deiner Meinung nach dagegen?

Vielleicht würde eine etwas weniger abstrakte Problemschilderung auch die Fragestellung klarer durchscheinen lassen.

Da hast du wohl recht. Also...Wir nehmen an, dass eine Person in kurzem räumlichen Abstand zu einem Objekt, die Einstellungen anderer Personen dem Objekt gegenüber mehr beeinflusst als eine Person mit großem Abstand zu dem Objekt. Daher haben wir einerseits den räumlichen Abstand (UV1) und die Valenz der Botschaft (UV2) manipuliert. Unsere bisherigen Experimente haben gezeigt, dass räumliche Nähe mit der Zuschreibung von Expertise einhergeht. Eine Reviewerin hatte die Frage aufgeworfen, ob Nähe nicht auch dazu führen würde, dass man der Person "unterstellt", das Objekt auch zu mögen. In unserer Forschung fokussieren wir uns ganz bewusst auf Expertise, das Mögen ist für uns eher zweitrangig.

Ich habe nun also zwei Regressionen gerechnet (forward), einmal mit beiden UVn, deren Interaktion sowie Expertise als Prädiktoren. Dann habe ich in einem zweiten Schritt die Regression wiederholt und Mögen als zusätzlichen Prädiktor aufgenommen. Bei beiden Analysen werden zwei Modelle als Ergebnis ausgegeben, mit denselben Prädiktoren, denselben adj. R² und F-Werten. Zugeschriebenes Mögen taucht in der zweiten Regression auch gar nicht als signifikanter Prädiktor auf (Expertise hingegen schon). Ich würde also berichten, dass die Aufnahme von Mögen als Prädiktor keinen Unterschied macht, da es offensichtlich kein signifikanter Prädiktor ist?

BG

impostor

[bele]

Hi,

das mit der Klarheit ist so einigermaßen gelungen. In Post 1 hatten wir UV1, UV2 und L, jetzt haben wir UV1, UV2, Expertise und Mögen. Ob jetzt Expertise oder Mögen das L sind ist mir nicht ganz klar. Wenn ich Dich richtig verstehe, dann will die Reviewerin wissen, wie sehr der Effekt von UV1 = Abstand durch Mögen mediiert wird. Das hieße Abstand beeinflusst Mögen, Mögen beeinflusst Einstellung. Daneben gibt es vielleicht einen direkten Pfad Abstand beeinflusst Einstellung unabhängig von Mögen. Solche Dreieckskonstellationen kann man mittels einer Mediationsanalyse aufdröseln: https://www.youtube.com/watch?v=F4MKyRkpyq4

eine Empfehlung für die backwards elimination gefunden, weil das erste Modell (notgedrungen) mit allen Prädiktoren beginnt. Was spricht deiner Meinung nach dagegen?

Schrittweiser Ein- und Ausschluss führen zu unvorhersagbaren Ergebnissen und räumen dem Zufall zuviel Spielraum ein. Ich verweise mal auf meine Quellen aus diesem Post: regressionanalyse-f11/regressionsanalyse-bei-ruckwarts-alles-weg-t13686.html?hilit=stepwise#p52919

LG,
Bernhard

[Impostor]

das mit der Klarheit ist so einigermaßen gelungen. In Post 1 hatten wir UV1, UV2 und L, jetzt haben wir UV1, UV2, Expertise und Mögen.

L steht für Liking bzw. Mögen. Ich hatte angenommen, ich könne mit der Regressionsanalyse sagen, dass das Mögen über die Expertise keinen eigenen Beitrag sozusagen zu den Einstellungen leistet. (Danke für den Verweis auf den Beitrag!)

Also der Kommentar der Reviewerin bezog sich nicht auf dieses Experiment, sondern auf ein Vorangegangenes. Da hatte sie angemerkt, dass aus Nähe doch wohl beides geschlossen werden könne, aber bei diesem Experiment gab es keine persuasive Botschaft. Ich verstehe aber deinen Beitrag schon, dass man natürlich auch eine Mediation rechnen könnte, um zu schauen, ob die Distanz darüber einen Einfluss hat (hatte ich auch schon gerechnet, war aber nicht Fall; es gab auch keine sequentielle Mediation, bei der ich beides aufgenommen hatte).

Aber die Frage, ob Mögen über Expertise noch weitere Varianz aufklärt, wäre doch eine Regression?

BG

impostor

[bele]

Hallo Impostor,

das mit der Klarheit ist so einigermaßen gelungen. In Post 1 hatten wir UV1, UV2 und L, jetzt haben wir UV1, UV2, Expertise und Mögen.

Aber die Frage, ob Mögen über Expertise noch weitere Varianz aufklärt, wäre doch eine Regression?

Im Prinzip ja, aber auch nein. Es kann ja gut sein, dass Mögen und Expertise miteinander korrelieren und (ich werde eher da Experte, wo ich das Thema mag) deshalb Teile der Varianz sowohl durch das eine als auch durch das andere vorhergesagt werden können.

Wenn Du nur eine Regression rechnest, dann sind Mögen und Expertise zwei gleichwertige Prädiktoren. In Deiner Formulierung "ob Mögen über Expertise hinaus" steckt aber drin, dass beide für Dich nicht gleichwertig sind, sondern dass Expertise einen Vorrang hat, wenn Mögen und Expertise teile der Varianz gemeinsam aufklären. Wenn Du zwei Regressionen hintereinander machst, wie ich das oben vorgeschlagen habe, dann kannst Du Expertise genau diesen Vorrang einräumen: Du hast die Varianzaufklärung mit Expertise und kannst dann im zweiten Schritt sehen, ob und wieviel durch Mögen noch dazu kommt, nachdem Expertise vorher schon berücksichtigt wurde.

LG,
Bernhard

[Impostor]

Hallo Bernhard!

Also ja, die beiden korrelieren tatsächlich signifikant miteinander. Unsere Erklärung deckt sich da auch mit deiner Einschätzung. Wobei ich aus einer nicht-repräsentativen Umfrage erfahren habe, dass das wohl nur für bestimmte Arten von Expertisen gilt. Eingen Expert:innen geht die Freude gewissermaßen über die Zeit verloren, andere entwickeln sie nie

Okay, dann berichte ich erst die Regressionen und im Anschluss kann ich ja auch noch die Mediationsanalysen anführen.

Ich danke dir ganz aufrichtig für deine Antworten, denn ich habe wieder etwas dazugelernt!!

BG

impostor