STATISTIK-FORUM.de

[Strix]

Hallo,

Ich möchte eine Moderationshypothese prüfen. UV und AV sind intervallskaliert, mein Moderator jedoch ggfs. nicht. Also das ist ein neunstufiges Rating, dessen Stufen ich aber nicht unbedingt als gleicht weit voneinander entfernt betrachten würde.
Der K-S-Test auf NV ist auch signifikant, die Daten des Moderators also nicht normalverteilt.

Darf ich damit überhaupt eine multiple Regression rechnen?

Wenn nicht, welche Methode wäre dann geeignet?

Danke schonmal.

[daniel]

Woher kommt nur dieses extrem hartneckige Gerücht, Variablen in einer Regression müssen normalverteilt sein? Das ist schlicht Unsinn.

Wenn Du den Moderator nicht als quasi-metrisch betrachtets, musst ihn wohl als 9 - 1 = 8 Dummies in die Regression aufnehmen. Jeder level wird dann mit dem Prädikator multipliziert. Ist unschön zu interpretieren, aber das musst Du entscheiden.

[Strix]

Heißt das eine multiple Regression mit einem ordinalen Moderator geht in Ordnung?

[daniel]

Versuch nicht so feingliedrig zu denken, wenn es um Skalenniveau in Regressionsmodellen geht. Der einzig relevante Unterschied ist: (quasi) metrisch oder kategorial. Erstere Variablen können so wie sie sind aufgenommen werden, letztere haben k Ausprägungen und gehen als k - 1 Dummies in die Analyse sein.

[Strix]

Vielen Dank. Dann müsste ich mit jedem der (demnach 8) Dummies einen Interaktionsterm bilden, richtig?

Und wie sähe es dann mit der Interpretation aus? Nehmen wir an, nur die Koeffizienten der Interaktion des 3. und 7. Dummies werden signifikant --> ?

[daniel]

Ich bin etwas knapp an Zeit momentan. Such mal im Forum (regressionsanalyse) nach "Interaktionseffekt". In einem meiner Beiträge habe ich das sicher mal erklärt.

Grundsätzlich schonmal vorweg: einzelne Koeffizienten von Interaktionen sind nicht sinnvoll zu interpretieren -- weder Koeffizienten des Interaktionsterms, noch die (Stichwort:) konditionalen Haupteffekte können isoliert voneinander betrachtet werden. Das folgt schon aus der Lgik von Interaktionen, in denen der Effekt einer Variablen von der Ausprägung einer weiteren abhängt.