STATISTIK-FORUM.de

[bounty]

Hallo Forum,

ich habe für meine Masterarbeit 3 hierarchische Regressionsanalysen berechnet (N=138).
Es geht darum den Suggestibilitätswert anhand verschiedener Fragebögen vorherzusagen. Im ersten Schritt wird für Alter und GEschlecht korreliert, im 2. werden die Skalen des 1. Fragebogens in das Modell mitaufgenommen und im 3. Schritt die Skalen des zweiten Fragebogens.
Das Ergebnis ist sehr ernüchternd:

für die erste Regressionsanalyse:
Schritt 1: R^2 = .033 mit F(2,135) = 2.273, p = .107, n.s.;
Schritt 2: R^2 = .066 mit F(6,131) = 1.553, p = .166, n.s.;
Schritt 3: R^2 = .102 mit F(12,125) = 1.178, p = .306, n.s.

meine Frage ist nun:
1. Wie beschreibe ich am besten die n.s. Ergebnisse?
Schreibe ich, dass durch das Hinzufügen der Prädiktoren im 1. Schritt 3% der Kriteriumsvarianz aufgeklärt wurde, das aber nicht signifikant wurde oder darf ich gar nicht schreiben, dass Varianz aufgeklärt wurde, weil es ja nicht signifikant wurde.
Die Regressionsgewichte darf ich ja sowieso nicht interpretieren.

2. Anscheinend ist das von mir aufgestellte Modell ja Mist. Ich hab es theoretisch abgeleitet, da in vorherigen Studien immer ein Einfluss zu verzeichnen war.
In der Interpretation muss ich ja auch darauf eingehen warum das so ist.
Hat vielleicht irgendwer einen Tipp, wie ich da am besten etwas finde?
Bzw. liegt es daran, dass nur einer meiner Prädiktoren signifikant mit dem Kriterium korreliert?
Und die Prädiktoren untereinander relativ hoch?

Gibt es hierbei irgendeine Nachanalyse, die ich rechnen kann.

Vielen Dank schon einmal

[PonderStibbons]

1. Wie beschreibe ich am besten die n.s. Ergebnisse?

Entsprechend der Konventionen in Deinem Fachbereich bzw. des Betreuers.

Schreibe ich, dass durch das Hinzufügen der Prädiktoren im 1. Schritt 3% der Kriteriumsvarianz aufgeklärt wurde, das aber nicht signifikant wurde oder darf ich gar nicht schreiben, dass Varianz aufgeklärt wurde, weil es ja nicht signifikant wurde.
Die Regressionsgewichte darf ich ja sowieso nicht interpretieren.

Varianzaufklärung und Regressionsgewichte sind Beschreibungen der Stichprobendaten, die kann man ohne weiteres verwenden, so man möchte (so wie man auch eine standardisierte Mittelwertdifferenz der ein Korrelationskoeffizienten berichten könnte). Der statistische Signifikanztest dieser Stichproben-Parameter ist dann wieder eine andere Geschichte, da geht es um die Schlüsse in Bezug auf die Population.

Ich hab es theoretisch abgeleitet, da in vorherigen Studien immer ein Einfluss zu verzeichnen war.

Typisch wäre: Die 10 Studien, wo kein Einfluss nachgewiesen wurde, blieben in der Schublade und wurden nicht veröffentlicht, die 3 Studien mit zufallsbedingt überschätzten Effekten wurden veröffentlicht und ergeben ein falsches Bild der Sachlage. Replikationsstudien bringen eigentlich immer deutlich geringere Effekte als die veröffentlichten Referenzstudien (cf. die aktuelle Diskussion um die replication crisis). Vielleicht ist auch noch ein Moderator am Werk (z.B. eine andere Population als in den Referenzstudien, bei der das Modell nicht so gut funktioniert).

In der Interpretation muss ich ja auch darauf eingehen warum das so ist.

In der Realität besteht vermutlich eine geringere Vorhersagefähigkeit der Prädiktoren für das Kriterium, als erwartet worden war, dies gepaart mit einer kleinen Stichprobe (12 Prädiktoren bei gerade mal 138 Probanden) = niedrige power.

Gibt es hierbei irgendeine Nachanalyse, die ich rechnen kann.

Oh, bitte keine fishing expedition, wo auf Teufel komm raus versucht wird, irgendwo eine Signifikanz rauszuquetschen.

Mit freundlichen Grüßen

PonderStibbons