STATISTIK-FORUM.de

[mona55psy]

Hallo zusammen,

ich habe in meiner Studie den Zusammenhang zwischen Perfektionismus und Wohlbefinden untersucht. Dabei hat Perfektionismus drei Variablen (rigider, selbstkritischer und narzisstischer Perfektionismus) und Wohlbefinden fünf + eine Gesamt-Wohlbefinden-Variable (Positive Emotion, Engagement, positive Relations, Meaning, Achievement). Ich habe in Anlehnung an eine Studie auf die ich mich beziehe zunächst eine bivariate Korrelation gerechnet und anschließend eine multiple lineare Regression. Verwendet habe ich einen bereinigten und einen unbereinigten Datensatz.

Jetzt kriege ich teilweise komplett unterschiedliche Ergebnisse raus.

Für Rigiden Perfektionismus (RP) und PERMA (die fünf Wohlbefinden-Variablen) und WB Gesamt:
Korrelation:
Alle Zusammenhänge mit RP sind in beiden Datensätzen negativ, aber nur P, R, M und WB werden signifikant.
Regression:
Alle Zusammenhänge mit RP sind in beiden Datensätzen sind positiv, P, R, M, A und WB werden signifikant.
-> die Unterschiede bei RP sind diejenigen, mit denen ich die meisten Probleme habe.

Was SP betrifft sind in beiden Rechnungen alle Zusammenhänge negativ und signifikant. Außer bei der Regression für E, da wird nur der unbereinigte Datensatz signifikant.

Für NP:
Korrelation mit R negativ signifikant für beide Datensätze.
Regression für R negativ signifikant für den bereinigten Datensatz.
Korrelation mit A positiv signifikant für den unbereinigten.
Regression für A positiv signifikant für den unbereinigten.

Würde man bei der Interpretation den Ergebnissen der multiplen Regression mehr Aussagekraft zuordnen? Grundsätzlich beruhen beide Berechnungen ja auf dem gleichen Prinzip...
Ich weiß absolut nicht, wie ich die unterschiedlichen Ergebnisse interpretieren soll.

Ich konnte bisher keine hilfreichen Antworten auf meine Frage finden und bin dankbar für jede Hilfe!

[PonderStibbons]

Wohlbefinden fünf + eine Gesamt-Wohlbefinden-Variable

Das ist dann aber nicht der Summenscore aus den einzelnen Dimensionen?

Regression:
Alle Zusammenhänge mit RP sind in beiden Datensätzen sind positiv, P, R, M, A und WB werden signifikant.

Wie groß ist die Stichprobe in dieser Analyse, wie groß das R² des Modells, wie lauten die 5 Koeffizienten und deren Standardfehler?

Mit freundlichen Grüßen

PonderStibbons

[mona55psy]

Das ist dann aber nicht der Summenscore aus den einzelnen Dimensionen?

Nein, nicht ganz. Die "Wohlbefinden Gesamt" Variable stellt den Mittelwert aus den 15 Items der PERMA-Variablen dar + eines weiteren Items.

Wie groß ist die Stichprobe in dieser Analyse, wie groß das R² des Modells, wie lauten die 5 Koeffizienten und deren Standardfehler?

Die Stichprobe umfasst 417 VP.
Für P ist R² = .24 mit b = 0.38 und SE = 0.13
Für E ist R² = .04 als Modell signifikant, aber RP als Prädiktor wird nicht signifikant (b = 0.10, SE = 0.12, p = .400)
Für R ist R² = .16 mit b = 0.36 und SE = 0.13
Für M ist R² = .13 mit b = 0.52 und SE = 0.16
Für A ist R² = .19 mit b = 0.38 und SE = 0.10
Für WB ist R² = .23 mit b = 0.35 und SE = 0.10

Die Korrelationskoeffizienten für RP liegen für P, R und WB zwischen Rho = -.19 bis -.24 mit p < .01, für M bei Rho = -.12 mit p < 0.05 und für E und A wird die Korrelation nicht signifikant.

Danke.

[PonderStibbons]

Nein, nicht ganz. Die "Wohlbefinden Gesamt" Variable stellt den Mittelwert aus den 15 Items der PERMA-Variablen dar + eines weiteren Items.

Das ist doch inhaltlich redundant und statistisch fast vollkommen linear abhängig bzw. bedeutet extreme Kollinearität.

Für P ist R² = .24 mit b = 0.38 und SE = 0.13

Verstehe ich nicht. Du hast 1 multiples Regressionsmodell mit 1 R²-Wert. Wo kommen 6 R²-Werte her?

Mit freundlichen Grüßen

PonderStibbons

[mona55psy]

Das ist doch inhaltlich redundant und statistisch fast vollkommen linear abhängig bzw. bedeutet extreme Kollinearität.

Dem Argument mit der Redundanz muss ich zustimmen aber (Multi-)Kollinearität bezieht sich doch nur auf die erklärenden Variablen. Und das sind bei mir die Perfektionismusdimensionen, nicht die Variablen des Wohlbefindens.

Verstehe ich nicht. Du hast 1 multiples Regressionsmodell mit 1 R²-Wert. Wo kommen 6 R²-Werte her?

Ich hab 6 Regressionsmodelle mit jeweils den drei Perfektionismus-Prädiktoren. Für jede Wohlbefinden-Variable eins. Oder meinst du eine multivariate Regression? Ich hab mich an einer anderen Studie zu dem Thema orientiert und deswegen mehrere multiple Regressionen durchgeführt.

VG

[PonderStibbons]

(Multi-)Kollinearität bezieht sich doch nur auf die erklärenden Variablen. Und das sind bei mir die Perfektionismusdimensionen, nicht die Variablen des Wohlbefindens.

Ach so. Das war nicht gesagt.

Wenn nicht ein Durchführungsfehler in der Softwarebedienung oder versehentliche Umpolung von Prädiktoren oder
abhängigen Variablen vorliegt, dann vielleicht ein Problem des Vergleichs zwischen Rangkorrelation und Regression.
Besteht die Diskrepanz auch, wenn Pearson statt Spearman berechnet wird?

Und ist die Stichprobe der multiplen Regressionen in etwa genauso groß wie bei den Korrelationen?

[mona55psy]

Ja, die Diskrepanz bleibt genauso bestehen, wenn ich eine Pearson Korrelation rechne.

Die Stichprobe ist die gleiche.

[PonderStibbons]

Ach so, jetzt verstehe ich. Du korrelierst die 3 Rigiditätsvariablen mit den 6 Wohlbefindensvariablen
und alle 18 Korrelationen haben negatives Vorzeichen. Dann machst Du 6 multiple Regressionen mit
jeweils den 3 Rigiditätsvariablen als Prädiktoren und erhältst für eine Variable (RP) durchgehend, für
eine andere (NP) teilweise umgekehrte Vorzeichen bei den Regressionsgewichten. Vielleicht ein
Suppressor-Effekt? Wie hoch sind die Korrelationen (Pearson) zwischen den drei Prädiktoren?

Mit freundlichen Grüßen

PonderStibbons

[mona55psy]

Ja genau, also fast. Für RP haben alle sechs Korrelationen ein negatives Vorzeichen und in den Regressionen erhalte ich durchgehend umgekehrte Vorzeichen.

Bei den anderen Prädiktoren verändern sich die Vorzeichen bei der Regression nicht. Da habe ich nur Unterschiede bei der Stärke des Zusammenhangs und zwischen meinem bereinigten und unbereinigten Datensatz, das ist quasi zu vernachlässigen beziehungsweise damit kann ich umgehen.

Der Suppressor-Effekt ist auch das einzige, was mir in den Sinn kommt und irgendwie logisch wäre. Allerdings dachte ich, dass sich der Effekt nur darauf bezieht, dass eine Variable in einer Rechnung signifikant wird und in einer anderen nicht und nicht auf einen Vorzeichenwechsel.

Die Korrelationen nach Pearson sind gerade für RP und SP ziemlich hoch. (Die nach Spearman auch, allerdings etwas schwächer).
RP und SP haben r = .74**
SP und NP haben r = .32**
RP und NP haben r = .54**

Jetzt ist es so, dass SP durchweg in Regression und Korrelation in einem negativen Zusammenhang mit Wohlbefinden steht.
Meine Theorie wäre, dass bei einer Korrelation RP deswegen negativ wird, weil dabei der "negative" Einfluss von SP so stark ist. Wenn man dann die Regression rechnet, wird der Einfluss von SP ja konstant gehalten/kontrolliert, sodass die "wahre Natur" von RP, also das RP ohne den Einfluss von SP, zum Vorschein kommt und der Zusammenhang zu Wohlbefinden positiv wird. Ist das vielleicht ein guter Erklärungsansatz?

[PonderStibbons]

Der Suppressor-Effekt ist auch das einzige, was mir in den Sinn kommt und irgendwie logisch wäre. Allerdings dachte ich, dass sich der Effekt nur darauf bezieht, dass eine Variable in einer Rechnung signifikant wird und in einer anderen nicht und nicht auf einen Vorzeichenwechsel.

Signifikanz ist hierbei nicht sehr von Belang, wir betrachten ja im Moment nur das Modell.

Meine Theorie wäre, dass bei einer Korrelation RP deswegen negativ wird, weil dabei der "negative" Einfluss von SP so stark ist. Wenn man dann die Regression rechnet, wird der Einfluss von SP ja konstant gehalten/kontrolliert, sodass die "wahre Natur" von RP, also das RP ohne den Einfluss von SP, zum Vorschein kommt und der Zusammenhang zu Wohlbefinden positiv wird. Ist das vielleicht ein guter Erklärungsansatz?

Ja, das wäre eine ad hoc Haypothese, die man aufgrund des Ergebnismusters bilden würde/könnte.
Um zu beurteilen, ob das stimmig ist, dazu müsste ich den theoretischen Hintergrund und die
Forschungslage kennen. Dwbei muss man ein Auge darauf haben, welche Art Stichproben es
in den jeweiligen Studien hat. Sowas wie: "bei Probanden mit vielen Ressourcen ist rigider
Perfektionismus mit höherem Wohlbefinden assoziiert, weil sie dem entsprechen können.
Bei Probanden mit normalen/wenigen Ressourcen führt er zu Frustation und vermindertem
Wohlbefinden" (frei erfunden zur Illustration).

Du könntest mal nach Methoden rechercheren, mutmaßliche Suppressoreffekte zu überprüfen.

Mit freundlichen Grüßen

PonderStibbons