STATISTIK-FORUM.de

[Felya]

Hey zusammen

Ich möchte untersuchen ob das generalisierte Vertrauen (likert-skaliert) den Effekt des Alters auf die monatlichen Stunden Freiwilligenarbeit erklärt.
Meine Idee war eine Regressionsanalyse mit folgendem Befehl und Output:

reg volwork_n c.c_age##c.c_gtrust

Source | SS df MS Number of obs = 3,022
-------------+---------------------------------- F(3, 3018) = 6.50
Model | 3811.73176 3 1270.57725 Prob > F = 0.0002
Residual | 590353.441 3,018 195.610816 R-squared = 0.0064
-------------+---------------------------------- Adj R-squared = 0.0054
Total | 594165.173 3,021 196.67831 Root MSE = 13.986

------------------------------------------------------------------------------------
volwork_n | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------------+----------------------------------------------------------------
c_age | .0481412 .0150413 3.20 0.001 .0186489 .0776334
c_gtrust | .2726731 .1360064 2.00 0.045 .0059985 .5393478
|
c.c_age#c.c_gtrust | .0066111 .007367 0.90 0.370 -.0078337 .0210559
|
_cons | 8.891405 .2809371 31.65 0.000 8.340558 9.442253
------------------------------------------------------------------------------------

Kann mir jemand bei der Interpreation helfen bzw. sagen ob dieser Ansatz überhaupt richtig ist?

Vielen Dank schon mal im Vorraus

[PonderStibbons]

Ich möchte untersuchen ob das generalisierte Vertrauen (likert-skaliert) den Effekt des Alters auf die monatlichen Stunden Freiwilligenarbeit erklärt.

Was ist damit gemeint? Alter -> Vertrauen -> Stunden (Mediation)?

reg volwork_n c.c_age##c.c_gtrust

Sagt zumindest mir leider nichts, ebensowenig wie der copy&paste-output.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Die Fragestellung klingt in der Tat nach einer Mediationsanalyse und der Code sieht nach Stata aus. Ich weiß nicht so genau, ob man derzeit Stata-Kompetenz in diesem Forum abfragen kann. Mal sehen, ob sich wer meldet. Ich glaube, strukturmarionette kannte sich damit aus, aber der hat länger schon nicht mehr gepostet.

Das regress Kommando scheint für lineare Regression (ols oder robust mit oder ohne Gewichtung) da zu sein ( https://www.stata.com/manuals13/rregress.pdf ) und wäre dann für eine MEdiationsanalyse zu kurz gesprungen.
Mindestens für Stata13 werden hier verschiedene Optionen für eine Mediationsanalyse genannt und besprochen: https://www.stata.com/meeting/italy13/a ... grotta.pdf

Gerechnet hast Du eher eine Moderatoranalyse. Wenn Du genauer beschreibst, was das Ziel der Untersuchung ist und welche Vorstellungen dahinter stehen, können wir Dir vielleicht bei der softwareunabhängigen Entscheidung helfen, ob Mediationsanalyse oder Moderatoranalyse wirklich das richtige ist.

Viel Erfolg,
Bernhard

[Felya]

Danke für Eure Antworten Bernhard und PonderStibbons

Ja genau, es ist ein Statacode (total vergessen es zu erwähnen haha).
Ich bin mir leider selber nicht ganz sicher ob ich die Fragestellung richtig verstehe, es handelt sich um eine Aufgabe im Rahmen eines Seminars.

Nach euren Nachrichten gehe ich stark von einer Mediationsnalayse aus und das ein multiples lineares OLS Modell sinnvoll ist um zu untersuchen, ob generalisiertes Vertrauen den zuvor identifizierten Effekt von Alter auf Freiwiliigenarbeit erklärt.

[bele]

Ist die Seminaraufgabe schriftlich gestellt? Dann könntest Du vielleicht den Original Aufgabentext einstellen.

LG, Bernhard

[Felya]

Ja, allerdings beinhaltet die Fragestellung leider nicht wirklich mehr Informationen.

Hier der Orinigal Aufgabentext:
5) Erklärt das generalisierte Vertrauen (gtrust: 0=kein Vertrauen in andere Menschen, 10=volles Vertrauen in andere Menschen) den Effekt des Alters auf die monatlichen Stunden in Freiwilligenarbeit? Führen Sie eine geeignete Analyse zur Beantwortung dieser Frage ausschliesslich mit diesen drei Variablen durch und stellen Sie die Regressionsergebnisse grafisch mittels eines Koeffizientenplots dar.

Mein Code lautet wie folgt:
medeff (regress gtrust age ) (regress volwork_n age gtrust), mediate(gtrust) treat(age)

Und ich bekommen diesen Output:
Source | SS df MS Number of obs = 3,022
-------------+---------------------------------- F(1, 3020) = 0.22
Model | .907187552 1 .907187552 Prob > F = 0.6376
Residual | 12346.1861 3,020 4.0881411 R-squared = 0.0001
-------------+---------------------------------- Adj R-squared = -0.0003
Total | 12347.0933 3,021 4.08708815 Root MSE = 2.0219

------------------------------------------------------------------------------
gtrust | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
age | .0009997 .0021221 0.47 0.638 -.0031612 .0051606
_cons | 6.618724 .1130741 58.53 0.000 6.397014 6.840434
------------------------------------------------------------------------------

Source | SS df MS Number of obs = 3,022
-------------+---------------------------------- F(2, 3019) = 9.34
Model | 3654.20378 2 1827.10189 Prob > F = 0.0001
Residual | 590510.969 3,019 195.598201 R-squared = 0.0062
-------------+---------------------------------- Adj R-squared = 0.0055
Total | 594165.173 3,021 196.67831 Root MSE = 13.986

------------------------------------------------------------------------------
volwork_n | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
age | .0510834 .0146791 3.48 0.001 .0223013 .0798655
gtrust | .3189034 .1258682 2.53 0.011 .0721073 .5656995
_cons | 4.678178 1.142704 4.09 0.000 2.437621 6.918734
------------------------------------------------------------------------------
(2,022 missing values generated)
(2,022 missing values generated)
(2,022 missing values generated)
------------------------------------------------------------------------------------
Effect | Mean [95% Conf. Interval]
-------------------------------+----------------------------------------------------
ACME | .0003439 -.0012326 .0022045
Direct Effect | .0510917 .0218683 .0799276
Total Effect | .0514356 .0225351 .0804681
% of Tot Eff mediated | .006727 .0042734 .0152637
------------------------------------------------------------------------------------

Interpreation: Weil ACME nicht signifikant ist handelt es sich beim generalisierten Vertrauen um keinen Mediator.

Würdet ihr noch anders/ ergänzend interpretieren bzw. einen anderen Code verwenden?

Liebe Grüsse
Felya

[bele]

Hier der Orinigal Aufgabentext:
5) Erklärt das generalisierte Vertrauen (gtrust: 0=kein Vertrauen in andere Menschen, 10=volles Vertrauen in andere Menschen) den Effekt des Alters auf die monatlichen Stunden in Freiwilligenarbeit? Führen Sie eine geeignete Analyse zur Beantwortung dieser Frage ausschliesslich mit diesen drei Variablen durch und stellen Sie die Regressionsergebnisse grafisch mittels eines Koeffizientenplots dar.

Ja, das würde ich auch als Frage nach einer Mediation verstehen.

Code: Alles auswählen

------------------------------------------------------------------------------------
        Effect                 |  Mean           [95% Conf. Interval]
-------------------------------+----------------------------------------------------
        ACME                   |  .0003439     -.0012326      .0022045
        Direct Effect          |  .0510917      .0218683      .0799276
        Total Effect           |  .0514356      .0225351      .0804681
        % of Tot Eff mediated  |   .006727      .0042734      .0152637
------------------------------------------------------------------------------------


Interpreation: Weil ACME nicht signifikant ist handelt es sich beim generalisierten Vertrauen um keinen Mediator.

Das klingt überzeugend

Würdet ihr noch anders/ ergänzend interpretieren bzw. einen anderen Code verwenden?

Welchen Code man am besten in Stata verwendet muss man jemanden fragen, der in Stata firm ist. Die Argumentation über den ACME, dessen CI den Wert Null einschließt, ist aber auch für Nicht-Stata-Nutzer nachvollziehbar. Bei der Interpretation muss man ein wenig vorsichtig sein mit absoluten Worten wie "kein". Es kann ja immer noch einen winzig kleinen Anteil an ACME haben. Je nach Lehrer kannst Du das so stehen lassen oder besser schreiben, dass die vorliegenden Daten mit der Nullhypothese vereinbar sind, demzufolge kein Beleg für eine Mediation besteht.

LG,
Bernhard

[Felya]

Vielen Dank Bernhard, das ist ein guter Tipp mit der Nullhypotese!
Du hast mir sehr geholfen

Liebe Grüsse
Felya