STATISTIK-FORUM.de

[Andiego]

Hallo Leute,

ich habe ein Verständnisproblem bei Interaktionseffekten innerhalb einer Regression.

Auf die AV Y wird eine Regression mit 2 metrischen UVs durchgeführt. Die erste Modellzusammenfassung sagt, dass beide Regressoren und das gesamte Modell hoch signifikant sind.

Nun führe ich einen Interaktionsterm zwischen den beiden Variablen ein. Jetzt ist keiner der Regressoren mehr signifikant. Der F-Test ist jedoch auch weiterhin signifikant.

Ich verstehe nicht, wie die Signifikanzen sich durch die Einführung der Interaktion derart verschieben können.
(Vielleicht zur Info: Die UVs sind mit 0.34 miteinander korreliert. Vielleicht trägt das zur Erklärung bei.)

Mir ist außerdem nicht klar, wie in einem solchen Fall das Vorgehen bei der Modellerstellung ist. Ich weiß zwar in dem Beispiel, das der Interaktionsterm stört, aber wie soll ich das in einem komplexen Modell herausfinden? Der F-Test sagt mir, dass das Modell hinreichend Varianz erklären kann, jedoch weiß ich nicht, welche UV wirklich zur Erklärung beitragen, da keine signifikant ist.

Hat jemand schon mal solch ein Problem gehabt und weiß wie es zustande kommt, bzw. wie damit umzugehen ist?

Vielen Dank schon einmal!

[daniel]

Lies Dir mal

regressionanalyse-f11/interpretation-interaktion-moderierte-regression-t2455.html

und

regressionanalyse-f11/interaktionseffekt-t1190-10.html
(dort v.a. die ersten drei Einträge auf Seite 2)

durch. Deine Fragen sollten dort beantwortet werden.

(Edit: Reihenfolge geändert)

[sonnen-blume]

Ich hatte ein ähnliches Problem. Wie sehen denn die VIF Werte aus? Bei mir gab es ein Problem mit Multikollinearität zwischen den UVs und deren Interaktion, daher wurde nichts signifkant.

Lösung: die beiden metrischen UVs zentrieren und anschließend die Interaktion bilden. Danach wurden bei mir die Haupteffekte wieder signifkant.

[daniel]

Lösung: die beiden metrischen UVs zentrieren und anschließend die Interaktion bilden. Danach wurden bei mir die Haupteffekte wieder signifkant.

Das liegt daran, dass es eben keine Haupteffekte mehr sind! Durch Zentrierung wird der Nullpunkt der Variablen auf den Mittelwert verschoben, sodass die konditionalen Haupteffekte schlicht an einer anderen Stelle getestet werden. Mit Kollinearität hat das nicht das geringste zu tun (vgl. Diskussion und Literatur hier: post9466.html?hilit=eschambadi#p9466)