STATISTIK-FORUM.de

[blue_jr]

Hallo ,

eine kurze Basic-Frage, da ich keine eindeutige Antwort online finde.

Hat die Mediation statistische Voraussetzungen?

Ich kenne das Modell von Baron & Kenny, das Voraussetzungen beschreibt. ich meine aber eher Voraussetzungen vergleichbar mit denen für die Moderationsanalyse (z.B. Homoskedastizität, Normalverteilung der Residuen etc.).

Vielen Dank schonmal

Lg

[PonderStibbons]

Kommt darauf an, mit welcher Methode man es rechnet. Kennys Seite kann man mit dem Begriff "assumptions" durchsuchen. Eine von vielen Darstellungen mit Bezug auf das Hayes-Makro gibt es hier.

Mit freundlichen Grüßen

PonderStibbons

[blue_jr]

Danke schonmal für die Infos.

Ich habe den sem- Befehl aus dem Paket lavaan verwendet, um die Mediation (mit einem Mediator) zu bootstrappen.

Ich stoße immer wieder auf ähnliche Voraussetzungen wie bei der Moderation, dann heißt es aber wieder, dass es beim Bootstrapping (außer der N-Größe) keine Voraussetzungen gibt. Deswegen bin ich mir ziemlich unsicher, wie ich das handhaben soll.

Für weitere Hinweise bin ich sehr dankbar!

Lg

[Holgonaut]

Hi,

nicht die Mediation hat statistische Voraussetzungen (weil Mediation ein kausales und kein statistisches Konzept ist), sondern derjenige Schätzer, mit dem du die Koeffizienten schätzt. Bei OLS ist das m.W. nur die Linearität, die restlichen Annahmen (Unabhängigkeit der Residuen, Normalität, Homoskedastizität) betriffen die Schätzung der Residuen und damit die Standardfehler. Schätzt du die Mediation mittels ML (was du in lavaan/SEM tust), sind das Multi-normalverteilung der *Variablen*, lineare Effekte und ein hohes N (weil ML nur "approximativ unverzerrt").

Viel wichtiger (bzw. primär) ist die kausale Identifikation, bzw. das sowohl X als auch M im ökonometrischen Sinn exogen sind--d.h. X ist messfehlerfrei, es gibt zwischen allen Variablenpaaren keine reverse causation und auch kein unobserved confounding. Da das meist unrealistisch ist, und die Auswahl relevanter Kontrollvariablen meist ein unsinniges Ritual ist, dürften 99% der Mediationseffekte (gerade in einem OLS/Baron& Kenny-Ansatz) mehr oder weniger stark verzerrt sein.

Grüße
Holger

[blue_jr]

Vielen Dank für die Antwort!

Eine Rückfrage: muss ich denn die Multiple Normalverteilung auch erfüllen, wenn ich bootstrappe?

Folgender Befehl: Mediation <- sem(Med, data = sub, se = "bootstrap", bootstrap = 1000)

Ich dachte das Verfahren wäre robust gegenüber Verletzungen der Normalverteilung?

[Holgonaut]

Hi,

was das bootstrapping macht ist lediglich das Produkt der betreffenden direkten Effekte zu berechnen und das über x000 bootstrap samples. Das einzelne Modell und die Effekte müssen dennoch den Annahmen entsprechen. Abweichungen von der Multinormalverteilung kannst du aber leicht durch estimator="MLR" korrigieren.

Grüße
Holger