STATISTIK-FORUM.de

[Incognito]

Hallo alle

Ich rechne gerade zwei Moderationsmodelle, eins davon in Amos (da große Stichprobe) und eins davon in SmartPLS (da recht kleine Stichprobe). Beide Modelle haben eine UV, eine AV und die Moderatoren A und B, die diese Beziehung moderieren (so lautet zumindest die Hypothese). Alle Variablen sind manifest und kontinuierlich.
Ich bin mir momentan nicht sicher, ob meine Rechnungen soweit stimmen, und würd mich daher sehr über eure Hilfe freuen!!

AMOS: Kann mir jemand sagen, ob der folgende Ansatz stimmt? Ich habe die Variablen standardisiert und dann durch Multipliaktion die Interaktionseffekte der UV mit A und B berechnet (nämlich UV*A und UV*B). Dann habe ich ein Modell aufgebaut, in dem UV, A, B, UV*A und UV*B die AV vorhersagen sollen (und ein paar Korrelationspfade zwischen den anderen Variablen eingezeichnet, da einige davon wohl positiv zusammenhängen). Nun würde ich annehmen, dass die Moderationen dann vorliegen, wenn UV*A und UV*B signifikant werden. Ist das richtig?
Das Gesamtmodell schneidet auf manchen Indices (z.B. RMSEA) ziemlich gut ab und auf manchen (z.B. CFI) eher schlecht. Mir ist schon klar, dass die Indices alle anders berechnet werden etc., aber ich kann mir grade nicht so recht vorstellen, was für einen Schluss ich nun daraus für mein Modell ziehen soll - ist es nun gut oder nicht ? Kann mir da jemand weiterhelfen?

SmartPLS: Hier habe ich keinen Weg gefunden, um nur mit manifesten Variablen zu rechnen. Ich habe also 4 latente Variablen angelegt und jeweils eine durch die UV, die AV, etc. hervorsagen lassen und dann zwischen diesen latenten Variablen die angenommenen Zusammenhänge eingetragen. Kann das soweit stimmen?
Durch die eigens dafür vorhandene Funktion habe ich dann auch die Moderationen eingebaut. Allerdings werden momentan beim Bootstrapping (aber auch bei den anderen Rechnungen) einige der Pfadkoeffizienten größer als 1, was ja definitiv nicht richtig sein kann . Was könnte hier schiefgegangen sein? Hätte ich standardisierte Variablen benutzen müssen?

Wär wirklich supernett, wenn mir jemand weiterhelfen könnte !!!

[Holgonaut]

Hi,

grundlegende Infos fehlen:
- warum zwei Modelle / Stichproben? Sind das die selben Variablen?
- Wie hoch sind die N's?

AMOS: Kann mir jemand sagen, ob der folgende Ansatz stimmt? Ich habe die Variablen standardisiert und dann durch Multipliaktion die Interaktionseffekte der UV mit A und B berechnet (nämlich UV*A und UV*B). Dann habe ich ein Modell aufgebaut, in dem UV, A, B, UV*A und UV*B die AV vorhersagen sollen (und ein paar Korrelationspfade zwischen den anderen Variablen eingezeichnet, da einige davon wohl positiv zusammenhängen). Nun würde ich annehmen, dass die Moderationen dann vorliegen, wenn UV*A und UV*B signifikant werden. Ist das richtig?

Ja.

Das Gesamtmodell schneidet auf manchen Indices (z.B. RMSEA) ziemlich gut ab und auf manchen (z.B. CFI) eher schlecht. Mir ist schon klar, dass die Indices alle anders berechnet werden etc., aber ich kann mir grade nicht so recht vorstellen, was für einen Schluss ich nun daraus für mein Modell ziehen soll - ist es nun gut oder nich

Wenn alle Variablen manifest sind und du keine latenten Variablen hast (was ein Fehler ist!), dann sollte das Modell ein reines und damit saturiertes Regressionsmodell mit 0 Freiheitsgraden und damit keinem berechenbaren Fit sein. Ich kann mir nur erklären, dass du einige der exogenen Variablen nicht miteinander korrelieren lässt. Der Test des Modells (und damit die Fitindizes) betreffen damit
diese ausgelassenen Korrelationen.

martPLS: Hier habe ich keinen Weg gefunden, um nur mit manifesten Variablen zu rechnen. Ich habe also 4 latente Variablen angelegt und jeweils eine durch die UV, die AV, etc. hervorsagen lassen und dann zwischen diesen latenten Variablen die angenommenen Zusammenhänge eingetragen. Kann das soweit stimmen?
Durch die eigens dafür vorhandene Funktion habe ich dann auch die Moderationen eingebaut. Allerdings werden momentan beim Bootstrapping (aber auch bei den anderen Rechnungen) einige der Pfadkoeffizienten größer als 1, was ja definitiv nicht richtig sein kann . Was könnte hier schiefgegangen sein? Hätte ich standardisierte Variablen benutzen müssen?

#1 Du könntest anstatt PLS auch eine OLS-Regression rechnen.
#2 Du hast keine latenten Variablen. In PLS bildest du composities der items
#3 Der Satz mit den 4 latenten Variablen ist unklar. Erklär doch mal genau, was für Varablen auf was eine Wirkung haben soll und was für ein Moderatoreffekt angenommen wird. Das hilft

Es ist nicht herausfindbar, was die Probleme verursacht. Ich kenn das Programm nicht - und daher auch die "Moderatorfunktion" nicht. Ich schlage vor, du machst das in AMOS.

Und bitte komm jetzt nicht mit der Stichprobengröße, wegen derer du PLS benutzen musst. Klar, kleines N ist für SEM ein Problem - bei Schummel-Modellen, wie sie in
PLS möglich sind, bringt die höhere Effizienz nichts, wenn die Parameter selbst Käse sind

Grüße
Holger

[Incognito]

Hi Holger

vielen lieben Dank schon mal für deine Antworten! Das ist echt supernett!!!

Nein, die beiden Modelle untersuchen nicht dieselben Variablen, aber sie beruhen auf demselben Prinzip (1UV, 1AV, 2 Mod).

Dann bin ich ja beruhigt, dass zumindest das Amos Modell auf einem halbwegs guten Weg ist
In Amos habe ich eine latente Variable, nämlich den Fehler bei der AV, da ja nicht all ihre Varianz durch die UV und die Moderatoren erklärbar ist. Stimmt es dann so oder bräuchte ich sonst noch latente Variablen, z.B. Fehler bei den anderen Variablen? Die Variablen wurden natürlich alle mit mehr als einem Item erhoben, ich rechne aber momentan nur mit dem Gesamtwert der Items einer Skala, deswegen ergibt sich daraus je eine einzelne manifeste Variable (also: Ich nehme z.B. den Gesamtwert der Skala, mit der die UV gemessen wurde, einfach als manifeste UV). Natürlich könnte ich statt dem Gesamtwert auch die einzelnen Items aufnehmen, die dann die UV vorhersagen, welche dann wiederum die AV vorhersagt (und dasselbe für die Moderatoren), aber ich sehe nicht ganz, wo da der Mehrwert liegt…? Meine Hypothesen beschäftigen sich ausschließlich mit der Erklärung der AV.

Ich bin auch kein großer Fan von SmartPLS und rechne nicht ganz freiwillig damit. Was ich in SmartPLS gerne getan hätte, wäre ein ähnliches Modell wie in Amos aufzubauen: Die UV, A, B, UV*A und UV*B als manifeste Variablen einspeisen und dadurch die AV vorhersagen lassen, die noch mit einem Fehler versehen wird (die Moderatorfunktion ist wohl nur eine Abkürzung, damit man die Interaktionen nicht zu Fuß berechnen muss, glaube ich). Aber das geht in dem Programm irgendwie nicht, da man nicht direkt mit manifesten Variablen rechnen kann. Also habe ich eine latente Variable erstellt, die nur durch meine manifeste UV erklärt wird; eine zweite latente Variable, die nur durch den Moderator A erklärt wird, usw. Aber da kam nur Unsinn raus.
Auch hier hatte ich also die UV nur durch den Skalen-Gesamtwert eingespeist (genauso wie bei den anderen Variablen) und nicht über eine latente Variable, die durch z.B. 10 Items vorhergesagt wird. Es könnte natürlich sein, dass das helfen würde - da ich momentan aber nur die Gesamtwerte zur Verfügung habe und es ziemlich aufwändig wäre, sich noch die Itemwerte zu beschaffen, kann ich das leider nicht einfach kurz mal ausprobieren. Ich wäre ja versucht, statt dem SmartPLS-Kram einfach eine multiple Regression in SPSS zu rechnen, wie ich es in vielen Moderations-Studien gelesen habe. Das Modell ist mit 4 Variablen + 2 Interaktionen auch nicht übermäßig komplex. Bei einer Regression sollte ein kleines N (um die 50) auch nicht so ein Problem sein wie bei SEM. Oder ist das jetzt irgendwie zu einfach gedacht?

Würde mich wieder über alle Tipps sehr freuen!

[Holgonaut]

Hi,

In Amos habe ich eine latente Variable, nämlich den Fehler bei der AV, da ja nicht all ihre Varianz durch die UV und die Moderatoren erklärbar ist

Ja, aber die ist nicht Teil des Regressionsmodells. Die Variablen selbst sollten als latent modelliert werden. Vorteil ist, dass du die Struktur Deiner Messmodelle testen kannst - und sie durch die Summenwert-
bildung unter den Teppich kehrst. Außerdem modellierst du den Messfehler der Indikatoren, was den durch Fehler resultierenden Bias vermeidet.

Des weiteren erhöhst du die statistische Power zur Identifikation eines Moderatoreffekts enorm, weil v.a. der Produktterm von dieser Messfehlermodellierung profiiert.
Die Reliabilität des Produktterms ergibt sich nämlich aus dem Produkt der Reliabilitäten von UV und Moderator! D.h. selbst wenn die beiden eine Reliabilität von .7 haben,
hat der Produkttemr nur eine von .49!

Die Prüfung von latenten Moderatoreffekten ist allerdings etwas tricky: Hier ist aber ein Artikel, der das beschreibt (inkl. der o.g. Vorteile):
http://www.pbs.plym.ac.uk/mi/pdf/09-06- ... fed%29.pdf

Natürlich könnte ich statt dem Gesamtwert auch die einzelnen Items aufnehmen, die dann die UV vorhersagen, welche dann wiederum die AV vorhersagt

Du hast eine falsche Auffassung vom kongenerischen Messmodell (bitte mal googeln): Die latente Variable sagt die Items vorher - nicht umgekehrt (d.h. ich kreuze im
Fragebogen eine spezielle Antwort an, WEIL ich in der latenten Dimension XY irgeneine Position hab.

Bei der zweiten Frage stimm ich dir zu, wobei ich nach wie vor für die latente Lösung plädieren würde.

Grüße
Holger

[Incognito]

Nochmals vielen Dank für die Hilfe! Jetzt habe ich es endlich hinbekommen, beide Modelle zu rechnen, und bin auch ganz zuversichtlich, dass es so stimmt
Danke!!!

Zum Abschluss hätte ich noch eine kleine Frage zur Interpretation.

Das eine Modell hat einen ziemlich guten Fit (CFI, GFI >.90, RMSEA <.05). Allerdings werden die Pfade von den Interaktionsvariablen zur AV nicht signifikant. Wie interpretiere ich das am besten?
1) Heißt die Nichtsignifikanz, dass definitiv keine Moderationen vorliegen?
2) Oder heißt der gute Modellfit, dass das Modell inklusives Moderationen so passt?
3) Oder muss ich erst schauen, ob der Modellfit noch höher ist, wenn ich die Interaktionsvariablen rauswerfe? Falls ja, genügt es, wenn er einfach in absoluten Zahlen höher ist oder muss man das mit einem Signifikanztest nachprüfen? Und wenn der Modellfit eines Modells ohne die Interaktionsvariablen NICHT (signifikant) besser wäre als des Modells mit den besagten Variablen - würde ich dann davon ausgehen, dass die Moderationen vorliegen, auch wenn die diesbezüglichen Pfade n.s. sind?

Würd mich sehr freuen, wenn mir jemand noch zu dieser abschließenden Frage einen Tipp geben könnte

[Holgonaut]

Hi,

1) Heißt die Nichtsignifikanz, dass definitiv keine Moderationen vorliegen?

Ja. Damit erübrigt sich auch Frage 2. Der fit sagt nur, in wie weit die Messmodelle stimmen. By the way: Den chi-Quadrat-Test solltest du nicht ignorieren.
Die Fit-indizes sind nicht verlässlich (ok, der Test auch nicht, aber stärker).

3) Oder muss ich erst schauen, ob der Modellfit noch höher ist, wenn ich die Interaktionsvariablen rauswerfe?

Du kannst zwei Modelle nicht vergleichen, die nicht die selben Variablen beinhalten. Du könntest aber den Pfad des Interaktionsterms auf 0 fixieren und die
Differenz des Chi-Quadrat-Werts zum vorherigen Modell testen. Das Ergebnis dürfte aber n.s. sein.

Gruß
Holger