ich sitze gerade an meiner Masterarbeit. Ich habe Daten erhoben zu einem sehr komplexen Modell und bin nun leider nicht ganz sicher, mit welcher Methode ich die zugehörigen Hypothesen Testen soll. Aber von Anfang an, denn als BWLer lernt man zwar, Aufgaben zu rechnen, doch die Praktische Umsetzung ist ja immer noch was anderes
1) muss ich alle Ausreißer (dh für alle Zusammenhänge) am Anfang entfernen, oder schrittweise erst wenn ich die entsprechenden Zusammenhänge teste? denn es kann ja sein, dass ein Fall bei einem Zusammenhang kein Ausreißer, bei einem anderen aber doch einer ist...
2) prüfe ich Skalen-Reliabilitäten bevor oder nachdem ich Ausreißer ausgeschlossen habe?
3) nun wirds kniffeliger
Mein Modell findet Ihr im Anhang: Wie Ihr seht,(a) bedingt die 'Ähnlichkeit' (UV) einmal einen Effekt über den Mediator 'Arousal' (AV, bzw UV) auf die 'Fortsetzungs-Evaluation' (AV)(b). Letzterer Einfluss ist stärker wenn 'Novelty-Seeking' - ein Moderator - 'hoch' ausgeprägt ist (c).
Gleichzeitig jedoch ist die 'Ähnlichkeit' eine Moderatorvariable (d1) des Einflusses der 'Original-Evaluation' (UV) auf die 'Fortsetzungs-Evaluation' (AV) (d2).
Die Original-Evaluation (UV) bedingt aber den Zusammenhang (c), also wie stark 'Novelty-Seeking' den Zusammenhang zwischen Arousal und FortsetzungsEvaluation moderiert.(e)
Einfluss (a) kann ich ja unabhängig in einer eigenen Regression testen.
Dann aber muss ich aber doch im Grunde (zumindest bis auf die Moderator-Effekte (c) und (e)) immer alle Variable integrieren, damit sich meine geschätzten Koeffizienten nicht komplett verzerren, oder was meint ihr?
Denn gehe ich sukzessive vor und versuche zuerst (b) (C) und (e) zu testen, habe ich ja den Einfluss, der Original-Evaluation viel stärker drin, als er in Wirklichkeit ist.
Vielleicht habe ich hier aber auch etwas nicht ganz verstanden: Wenn ich eine Regression schätze, muss ich die Haupteffekte doch auch immer integrieren, oder ist es auch möglich und vor allem sinnvoll nur deren Interaktion in die Gleichung einzubinden? --> deshalb hier jetzt mal nur die, die nach dem Modell signifikant sein sollten:
Meine Idee wäre:
Fortsetzungsevaluation = a0
+ b1 * Original-Evaluation (d1)
+ b2 * Original-Evaluation x Ähnlichkeit (d2)
+ b3 * Arousal (benötige ich hier auch Ähnlichkeit als Haupteffekt, da Arousal ja nur der Mediator ist?) (a) und (b)
+ b4 * Arousal x Novelty-Seeking (Moderatoreffekt) (c), (müsste ich diesen auch mit der Ähnlichkeit machen, weil Arousal ein Mediator ist? --> Ähnlichkeit x Novelty-Seeking)
+ b5 * Arousal x Original-Evaluation x Novelty-Seeking (e)
--> b5 und b4 könnte ich auch erstmal rauslassen und dann 2 Modelle mit und ohne schätzen, oder?
Falls sich jemand erbarmt und sich mit mir den Kopf zerbricht: DANKE!!!!!!
Beste Grüße!
