STATISTIK-FORUM.de

[Fabian1998]

Hallo,

Ich dachte ich wende mich nun einfach mal an Personen, die mehr Einblick in Statistik und die Kombinierbarkeit verschiedener Verfahren haben.

Ich habe quantitativ Daten an Jugendlichen erhoben bzgl. der Nutzung Social Medias, deren Naturbeziehung und deren Wohl. Dabei ist nun meine Frage, ob sich die drei oben genannten Verfahren (Multiple Regression, Stufenweise Regression und Mediation) kombinieren lassen oder ob es schwachsinnig ist, dies zu tun.

Mein Ziel mit der Multiplen Regression wäre es zu schauen ob man Unterschiede in den unterschiedlichen Stufen der Kontrollvariablen (bspw. Geschlecht m/w) auf die Kriteriumsvariable Wohlbefinden sehen kann, was dann einen Gendereffekt ersichtlich machen würde und man sehen könnte welches Geschlecht signifikant höheres Wohlbefinden zeigt. Des Weiteren würde ich eine Mediation rechnen wollen, um zu betrachten, ob die Naturbeziehung die Beziehung zwischen Social Media Nutzung und Wohl mediiert. Die stepwise regression hätte zum Ziel zu prüfen welches Modell (Social Media, Natur, Kontrollvariablen) am besten geeignet ist um das Wohl vorherzusagen.

Ist das nachvollziehbar und sinnvoll oder eher Schwachsinn?

Ich bedanke mich schonmal recht herzlich für eure Hilfe.

Mit freundlichen Grüßen
Fabian

[PonderStibbons]

Ich habe quantitativ Daten an Jugendlichen erhoben bzgl. der Nutzung Social Medias, deren Naturbeziehung und deren Wohl.

Was wurde konkret gemessen und wie groß ist die Stichprobe?

Dabei ist nun meine Frage, ob sich die drei oben genannten Verfahren (Multiple Regression, Stufenweise Regression und Mediation) kombinieren lassen oder ob es schwachsinnig ist, dies zu tun.

Stufenweise (gemeint ist schrittweise, wie sich aus dem Rest ergibt, nicht hierarchische) multiple Regression
ist eine Variante bei der Durchführung einer multiplen Regression. Mediationsanalysen werden im Rahmen von
Regressionsanalysen durchgeführt (alternativ: Strukturgleichungsmodell). Was ist mit "sich kombinieren lassen"
konkret gemeint?

Mein Ziel mit der Multiplen Regression wäre es zu schauen ob man Unterschiede in den unterschiedlichen Stufen der Kontrollvariablen (bspw. Geschlecht m/w) auf die Kriteriumsvariable Wohlbefinden sehen kann, was dann einen Gendereffekt ersichtlich machen würde und man sehen könnte welches Geschlecht signifikant höheres Wohlbefinden zeigt.

Dann ist es anscheinend keine "Kontrollvariable" sondern ein inhaltlich interessierender Prädiktor?
Was bei der Analyse aber keinen Unterschied ergibt. NB "signifikant" hat in der Forschungsfrage an
sich nichts zu suchen. Statistische Signifikanztests sind lediglich ein Hilfsmittel im Rahmen einer
bestimmten Herangehensweise (frequentistische Statistik) bei der Beantwortung der wissenschaftlichen
Fragestellung.

Des Weiteren würde ich eine Mediation rechnen wollen, um zu betrachten, ob die Naturbeziehung die Beziehung zwischen Social Media Nutzung und Wohl mediiert.

Die stepwise regression hätte zum Ziel zu prüfen welches Modell (Social Media, Natur, Kontrollvariablen) am besten geeignet ist um das Wohl vorherzusagen.

Um Himmels willen, niemals eine stepwise Regression Die führt zu überangepassten Modellen mit
falschen p-Werten die nicht generalisierbar sind. Statt einen stupiden Algorithmus das Modell unter
Ausnutzung von Zusatzbeziehungen erstellen zu lassen, stelle lieber selber eines (oder konkurrierende)
anhand substanzieller Überlegungen auf.

"Stepwise regression is one of these things, like outlier detection and pie charts, which appear to be popular among non-statisticans but are considered by statisticians to be a bit of a joke. "
(Andrew Gelman, "Why we hate stepwise Regression")

Eine Übersicht über die Probleme des Verfahrens: https://www.stata.com/support/faqs/stat ... -problems/

Mit freundlichen Grüßen

PonderStibbons

[Fabian1998]

Anbei zunächt einmal vielen Dank.
Ich versuche nochmal auf die Gegenfrage zu antworten und hoffe du kannst mir nochmals dazu antworten.

Was wurde konkret gemessen und wie groß ist die Stichprobe?

Konkret wurde die Abhängigkeit von Social Media mit einer Skala, dann Naturbesuche (1Item) und die Naturbeziehung (Skala), und das Wohlbefinden mit einer Skala. Alle Skalen und der Item gehen weisen eine Likert Skala (1-5) auf mit der Ausnahme der Wohlbefindensskala von 1-6. Der Stichprobenumfang liegt bei 168.

Stufenweise (gemeint ist schrittweise, wie sich aus dem Rest ergibt, nicht hierarchische) multiple Regression
ist eine Variante bei der Durchführung einer multiplen Regression. Mediationsanalysen werden im Rahmen von
Regressionsanalysen durchgeführt (alternativ: Strukturgleichungsmodell). Was ist mit "sich kombinieren lassen"
konkret gemeint?

Stufenweise/Schrittweise Regression war gemeint. Ja. Aber zudem auch die Multiple lineare Regression.Also ich hatte bewusst beides angesprochen weil ich mir davon versprach eben genau diese zwei unterschiedlichen Sachverhalte (Modellanpassung und Signifikanzunterschiede) damit klären zu können. Das Hauptaugenmerk der Arbeit soll eigentlich eine/die Mediationsanalyse sein. Jedoch wollte ich gerne noch betrachten, ob es bspw. eben beim Geschlecht signifikante Unterschiede gibt, da dies nach der Literatur durchaus der Fall sein könnte. Mit sich kombinieren lassen war gemeint, ob es sinnvoll ist bspw.eine schrittweise multiple Regression oder multiple Regression zusammen anzuwenden in einer Arbeit um eben die verschiedenen angesprochenen Aspekte zu betrachten. Soll heißen ob es eine geschicktere Vorgehensweise gibt wie ich eine Mediation und bspw. Signifikanzunterschiede zwischen unterschiedlichen Gruppen(bspw. Geschlecht) nachweisen kann (z.B. in einem Verfahren) oder bedarf es dafür durchaus einer Mediationsanalyse und einer multiplen linearen Regression mit multiplen Mittelwertsvergleichen im Anschluss? Ich hoffe dies war verständlich.

Dann ist es anscheinend keine "Kontrollvariable" sondern ein inhaltlich interessierender Prädiktor?
Was bei der Analyse aber keinen Unterschied ergibt. NB "signifikant" hat in der Forschungsfrage an
sich nichts zu suchen. Statistische Signifikanztests sind lediglich ein Hilfsmittel im Rahmen einer
bestimmten Herangehensweise (frequentistische Statistik) bei der Beantwortung der wissenschaftlichen
Fragestellung.

Danke schonmals für den Tipp "Kontrollvariable"-"Prädiktor". Also es ist eigentlich ursprünglich so gewollt, dass z. B. Geschlecht als Kontrollvariable mit in die Mediation einfliessen soll, aber eben als Kontrollvariable für die SM-NB-WB-Beziehung. Ich wollte jedoch gerne zusätzlich betrachten, ob es einen Gendereffekt oder Effekt durch elterliche Bildung ... gibt, und welche Subkategorie signifikant mehr beeinflusst wird.

Um Himmels willen, niemals eine stepwise Regression Die führt zu überangepassten Modellen mit
falschen p-Werten die nicht generalisierbar sind. Statt einen stupiden Algorithmus das Modell unter
Ausnutzung von Zusatzbeziehungen erstellen zu lassen, stelle lieber selber eines (oder konkurrierende)
anhand substanzieller Überlegungen auf.

Dies bedeutet Sie würden nie eine stepwise Regression rechnen, auch wenn es unterschiedliche Fit-Indices gibt (AIC/BIC), aufgrund der Nachteile die es hat und wenn dann nur selbst Modelle, die auf logischen Überlegungen begründet sind, erstellen und diese dann mit bspw. einem Signifikanztest vergleichend prüfen?

"Stepwise regression is one of these things, like outlier detection and pie charts, which appear to be popular among non-statisticans but are considered by statisticians to be a bit of a joke. "
(Andrew Gelman, "Why we hate stepwise Regression")

Eine Übersicht über die Probleme des Verfahrens: https://www.stata.com/support/faqs/stat ... -problems/

Mit freundlichen Grüßen
Fabian
PS: Vielen lieben Dank nochmals und schonmal

Sorry falls die Formatierung mit dem Zitieren noch nicht geklappt hat

[PonderStibbons]

Konkret wurde die Abhängigkeit von Social Media mit einer Skala, dann Naturbesuche (1Item) und die Naturbeziehung (Skala), und das Wohlbefinden mit einer Skala. Alle Skalen und der Item gehen weisen eine Likert Skala (1-5) auf mit der Ausnahme der Wohlbefindensskala von 1-6.

Nur nebenbei, Likert-Skala ist nicht die Bezeichnung für das Antwortformat der einzelnen Rating-Items,
sondern der Name eines Messinstruments, das aus mehreren Likert-Items besteht, die summiert werden.

Der Stichprobenumfang liegt bei 168.

Damit lässt sich einiges anfangen.

Stufenweise/Schrittweise Regression war gemeint. Ja. Aber zudem auch die Multiple lineare Regression.

Multiple lineare Regression ist das Verfahren. Es gibt sie in verschiedenen Varianten, z.B. die schrittweise multiple lineare
Regression, die hierarchische lineare Regression, die multiple lineare Regression in einem Durchgang (ohne Schritte).
Insofern verstehe ich das "auch die" nicht ganz.

Jedoch wollte ich gerne noch betrachten, ob es bspw. eben beim Geschlecht signifikante Unterschiede gibt, da dies nach der Literatur durchaus der Fall sein könnte.

Das lässt sich unterschiedlich auffassen. Ist gemeint z.B. einfach der Haupteffekt von Geschlecht? Oder
Wechselwirkung zwischen Geschlecht und Mediator (Mediatoreffekt unterschiedlich je nach Geschlecht)?

Mit sich kombinieren lassen war gemeint, ob es sinnvoll ist bspw.eine schrittweise multiple Regression oder multiple Regression zusammen anzuwenden in einer Arbeit um eben die verschiedenen angesprochenen Aspekte zu betrachten. Soll heißen ob es eine geschicktere Vorgehensweise gibt wie ich eine Mediation und bspw. Signifikanzunterschiede zwischen unterschiedlichen Gruppen(bspw. Geschlecht) nachweisen kann (z.B. in einem Verfahren) oder bedarf es dafür durchaus einer Mediationsanalyse und einer multiplen linearen Regression mit multiplen Mittelwertsvergleichen im Anschluss? Ich hoffe dies war verständlich.

Leider nein. Letztlich scheint es auf die Frage hinauszulaufen, ob Du die Forschungsfragen innerhalb einer einzelnen
multiplen Regression bearbeitest oder in separaten Regressionen? Normalerweise würde ich bei ausreichender
Stichprobengröße annehmen, dass mehrere Effekte gleichzeitig in der Regression modelliert werden können. Wie
gesagt halte ich nichts von der Idee, eine stepwise regression zu rechnen, das Risiko irreführender Ergebnisse ist
zu groß. Zudem ist der Beschreibung nicht zu entnehmen, wieso eine mechanische Variablenselektion hier überhaupt
in Betracht gezogen wird. Mediationsanalysen sind per se theoriegeleitet, und die Berücksichtigung weiterer
Variablen wie Geschlecht hängt vom Vorwissen und theoretischen und/oder praktischen Erkenntnisinteressen ab.
Nur sollte man sich dabei auch tunlichst beschränken, weniger ist oft mehr.

Mit freundlichen Grüßen

PonderStibbons

[Fabian1998]

Guten Tag PonderStibbons,

auch hierfür mal wieder ein großes Dankeschön. Ich habe nun noch einmal versucht mich kurz zu halten und das was nun noch an Fragen offen ist zu formulieren.

Nur nebenbei, Likert-Skala ist nicht die Bezeichnung für das Antwortformat der einzelnen Rating-Items,
sondern der Name eines Messinstruments, das aus mehreren Likert-Items besteht, die summiert werden.

Danke erstmal für die Klarstellung, dann habe ich mich da einfach falsch ausgedrückt.

Der Stichprobenumfang liegt bei 168.
Damit lässt sich einiges anfangen.

Multiple lineare Regression ist das Verfahren. Es gibt sie in verschiedenen Varianten, z.B. die schrittweise multiple lineare
Regression, die hierarchische lineare Regression, die multiple lineare Regression in einem Durchgang (ohne Schritte).
Insofern verstehe ich das "auch die" nicht ganz.

Mit dem "auch die" war gemeint, dass ich diese beiden Verfahren angesprochen hatte, aber eben aus dem Grund weil ich mir die unterschiedlichen Outcomes davon versprochen hatte und das "auch die" demnach darauf bezogen war dass ich zum einen die stepwise/stufenweise Regression angesprochen und gemeint hatte um ein bestmöglichstes Modell anzupassen aber die multiple lineare Regression angesprochen hatte in Bezug auf signifikante Korrelationsbetrachtungen in Bezug auf Prädiktorvaraiblen in einem Modell bzw. die Kontrollvariablen in der Mediation. Aber ich habe diesbezüglich verstanden, dass eine stepwise Regression nie empfohlen ist, daes immer noch logischem Sachverstand bedarf ob Variablen sinnvoll sind oder nicht und eine eigene auf logischen Überlegungen basierte Modellerstellung immer eine solchen vorzuziehen ist.

Das lässt sich unterschiedlich auffassen. Ist gemeint z.B. einfach der Haupteffekt von Geschlecht? Oder
Wechselwirkung zwischen Geschlecht und Mediator (Mediatoreffekt unterschiedlich je nach Geschlecht)?

Hier wollte ich tatsächlich eher auf zweiteres anspielen. Da ich den Haupteffekt ja allein schon bei einer Dummy-Codierung des Geschlechts an der Effektstärke (beta-Wert) der Variablenausprägung die mit =1 codiert ist in Referenz beurteilen kann. Aber wie untersuche ich den Mediatoreffekt in Abhängigkeit des Geschlechts? Muss ich dabei einen Interaktionsterm mit in das Regressionsmodell aufnehmen?

Leider nein. Letztlich scheint es auf die Frage hinauszulaufen, ob Du die Forschungsfragen innerhalb einer einzelnen
multiplen Regression bearbeitest oder in separaten Regressionen? Normalerweise würde ich bei ausreichender
Stichprobengröße annehmen, dass mehrere Effekte gleichzeitig in der Regression modelliert werden können. Wie
gesagt halte ich nichts von der Idee, eine stepwise regression zu rechnen, das Risiko irreführender Ergebnisse ist
zu groß. Zudem ist der Beschreibung nicht zu entnehmen, wieso eine mechanische Variablenselektion hier überhaupt
in Betracht gezogen wird. Mediationsanalysen sind per se theoriegeleitet, und die Berücksichtigung weiterer
Variablen wie Geschlecht hängt vom Vorwissen und theoretischen und/oder praktischen Erkenntnisinteressen ab.
Nur sollte man sich dabei auch tunlichst beschränken, weniger ist oft mehr.

Angestrebt war eine Mediationsanalyse mit dem Programm Process Macro von Hayes in R. Um dann aber noch die beschriebenen Aspekte betrachten zu könnnen wie Unterschiede in Abhängigkeit des Geschlechts oder Alters in Bezug auf den Mediator- und Haupteffekte hätte ich noch Regressionsanalysen rechnen wollen, weshalb ich eine Mediationsanalyse und Multiple lineare Regression kombiniert hätte. Dabei wollte ich 3 Kontrollvariablen bzw. in der Regression dann Prädiktorvariablen einfließen lassen die in zwei Fällen auf Vorwissen und in einem Fall auf theoretischem Erkenntnisinteresse basieren.




Mit freundlichen Grüßen
Fabian Rehklau

Besten Dank

[PonderStibbons]

weshalb ich eine Mediationsanalyse und Multiple lineare Regression kombiniert hätte

Ich habe bereits darauf hingewiesen, dass eine Mediationsanalyse sich der Regression bedient
(es sei denn, man verwendet ein Strukturgleichungsmodell). Auch das Hayes-Makro berechnet zur
Mediationsanalyse eine lineare multiple Regression. Soll die Mediatorwirkung in Abhängigkeit
von einer weiteren Variablen analysiert werden, so handelt es sich um eine "moderierte Mediation"
(moderated mediation), siehe http://www.regorz-statistik.de/en/proce ... ion_a_path

Mit freundlichen Grüßen

PonderStibbons

[Fabian1998]

Hallo,

Vielen lieben Dank anbei nochmals für die tolle Erläuterung. Nun hab ich noch eine Frage dazu. Ist es schlimm wenn meine Variablen unterschiedliche Skalierungen haben, wenn ich eine Mediation rechnen möchte mit Process Macro? Denn meine Variable für SMN besteht aus den Antwortkategorien Ja/Nein pro Item und man bildet dann einen Summenscore und meine Variable Naturkontakt aus 1Item mit einer 5stufigen Skalierung und Naturverbundenheit aus einer 5stufigen Skalierung bei 10Items, wobei auch ein Summenscore gebildet wird. Kann ich dann trotzdem eine Mediation rechnen lassen oder geht dies dann nicht?

Mit freundlichen Grüßen
Fabian Rehklau

Besten Dank

[PonderStibbons]

Die Prädiktoren sollten entweder intervallskaliert oder binär sein (0/1-codiert oder -1/+1 codiert; eine k-stufige ordinale
oder kategoriale Variable kann man in eine k-1 -stufige binäre Variable umwandeln). Gleiche Skalierung ist nicht erforderlich.
Ein einzelnes Item mit fünfstufigem Antwortformat ist eine sehr bescheidene und streng genommen ordinalskalierte Messung.
Ob das die Nutzung als Mediator beeinträchtigt, weiß ich nicht.

Mit freundlichen Grüßen

PonderStibbons

[Fabian1998]

Hallo,

anbei bin ich jetzt nochmal am Start und hab eine Frage, aber zuerst einmal vielen Dank für die tolle Hilfe hier.

Nun ist mir aufgefallen, bzw. es stellt sich mir die Frage ab wann spricht man denn von einer hierarchischen Datenstruktur, denn ich habe meine Daten ja an einer Schule erhoben. Wenn ich es richtig verstanden habe hätte ich ja auf einem 1.Level die einzelnen Schüler und dann noch auf einem höheren Level die Klassenstufen. Ich will ja eine Mediation rechnen. Gehe ich dann richtig in der Annahme dass ich davon ausgehen muss dass ch aufgrund einer hierarchischen Datenstruktur von einer Unkorreliertheit der Residuen ausgehen muss. Und sollte dies so sein, wäre es doch die beste/einfachste Lösung die Mediation zu rechnen und den Sachverhalt dann einfach in der Diskussion unter Limitationen anzumerken, dass ein Bias durch Nichtkollinearität der Residuen vorliegen könnte.

Oder was würde/könnte man sonst noch machen?

Und gibt es hierfür einen bestimmten Biasnamen?

Mit freundlichen Grüßen
Fabian Rehklau und besten Dank

[PonderStibbons]

Nun ist mir aufgefallen, bzw. es stellt sich mir die Frage ab wann spricht man denn von einer hierarchischen Datenstruktur, denn ich habe meine Daten ja an einer Schule erhoben.

Ach so. Hattest Du gar nicht erwähnt.

Wenn ich es richtig verstanden habe hätte ich ja auf einem 1.Level die einzelnen Schüler und dann noch auf einem höheren Level die Klassenstufen.

Klassenstufe wäre wohl nicht so wichtig, Zugehörigkeit zu Schulklassen hingegen schon.

muss dass ch aufgrund einer hierarchischen Datenstruktur von einer Unkorreliertheit der Residuen ausgehen muss.

Die Bebachtungen innerhalb einer Klasse sind mutmaßlich nicht voneinander unabhängig, also korreliert, also nicht unkorreliert.
Aber so richtig verständlich ist die Datenlage nicht dargestellt.

Und sollte dies so sein, wäre es doch die beste/einfachste Lösung die Mediation zu rechnen und den Sachverhalt dann einfach in der Diskussion unter Limitationen anzumerken, dass ein Bias durch Nichtkollinearität der Residuen vorliegen könnte.

Das wäre eine Frage an Deinen Betreuer. Mir selbst würde die Darstellung "fehlerhafte Analyse = Limitation" nicht unbedingt ein.

Oder was würde/könnte man sonst noch machen?

Mehrebenenmodell.

Mit freundlichen Grüßen

PonderStibbons