ich stehe ein bisschen auf dem Schlauch.
Meine Daten: 330 internationale Studierende, befragt zu Sachen wie Lebenszufriedenheit und an wen sie sich in verschiedenenen Unterstüzungssituationen (z.B. bei emotionaler Unterstützung) wenden.
Auswertung: mit R
meine Hypothese: Eine höhere Ausprägung für die Unterstützungswahrscheinlichkeit durch host-nationals oder andere internationals
in Situationen für emotionale Unterstützung sagt eine bessere psychologische Adaptation vorher.
Mein Problem: Ich rechne eine einfache lineare Regression mit R um zu schauen, ob eine höhere Ausprägung der Unterstützung durch conationals einen Einfluss auf die Ausprägung der Adaptation hat
- Code: Alles auswählen
all:
lm(formula = psychadapt ~ ma$emotional_conational)
Residuals:
Min 1Q Median 3Q Max
-2.77594 -0.61340 -0.03214 0.67413 2.09286
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.85720 0.15378 31.585 <2e-16 ***
ma$emotional_conational -0.08127 0.03899 -2.084 0.0379 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.9042 on 320 degrees of freedom
Multiple R-squared: 0.0134, Adjusted R-squared: 0.01031
F-statistic: 4.345 on 1 and 320 DF, p-value: 0.03791
- Unterstützung durch conationals hat also einen negativen Einfluss.
Ich füge die anderen Prädiktoren (Personen, an die sich die Leute wenden) schrittweise hinzu, nachdem ich alle einzeln getestet habe, ob sie einen Einfluss haben. Wenn alle drin sind, sieht das Modell so aus:
- Code: Alles auswählen
lm(formula = psychadapt ~ ma$emotional_host + ma$emotional_international +
ma$emotional_conational + ma$emotional_home)
Residuals:
Min 1Q Median 3Q Max
-2.3243 -0.5907 -0.0611 0.6721 1.9317
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.40684 0.27684 15.918 < 2e-16 ***
ma$emotional_host 0.11016 0.04040 2.727 0.00675 **
ma$emotional_international 0.12051 0.04208 2.864 0.00446 **
ma$emotional_conational -0.08931 0.03835 -2.329 0.02049 *
ma$emotional_home -0.04478 0.04299 -1.042 0.29833
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.8793 on 317 degrees of freedom
Multiple R-squared: 0.07581, Adjusted R-squared: 0.06415
F-statistic: 6.501 on 4 and 317 DF, p-value: 4.873e-05
Schön, ich freue mich.
Jetzt möchte ich wissen, ob noch andere Prädiktoren mein Modell verbessern, beispielsweise ob es was macht, ob man das gesamte Studium hier absolviert.
- Code: Alles auswählen
Call:
lm(formula = psychadapt ~ ma$emotional_host + ma$emotional_international +
ma$emotional_conational + ma$emotional_home + ma$GesamtstudiumD)
Residuals:
Min 1Q Median 3Q Max
-2.19880 -0.61689 -0.01995 0.66402 2.04489
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.03668 0.30773 13.117 < 2e-16 ***
ma$emotional_host 0.12025 0.04020 2.991 0.00300 **
ma$emotional_international 0.12143 0.04168 2.913 0.00383 **
ma$emotional_conational -0.09039 0.03799 -2.379 0.01793 *
ma$emotional_home -0.05103 0.04265 -1.196 0.23245
ma$GesamtstudiumD 0.26595 0.10030 2.652 0.00842 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.8711 on 316 degrees of freedom
Multiple R-squared: 0.09592, Adjusted R-squared: 0.08162
F-statistic: 6.706 on 5 and 316 DF, p-value: 5.9e-06
Immernöch schön, ich freue mich.
Jetzt füge ich den Prädiktor "Individualistische Kultur" hinzu, hier "Nationalität_individuell" genannt. Den VPN wurde je nachdem aus welchem Land sie kommen, ein bestimmter Wert in Individualismus zugewiesen (beispielsweise 80 für amerikanische Probanden, 35 für chinesische Probanden). Hier gibt es allerdings sehr viele missings, weil die Stichprobe diesbezüglich relativ heterogen ist, und die Literatur nicht für alle Länder einen solchen Wert zur Verfügung stellt.
- Code: Alles auswählen
lm(formula = psychadapt ~ ma$emotional_host + ma$emotional_international +
ma$emotional_conational + ma$emotional_home + ma$GesamtstudiumD +
Nationalität_individuell)
Residuals:
Min 1Q Median 3Q Max
-2.18730 -0.59729 0.01014 0.67788 2.00158
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.293543 0.384086 11.179 <2e-16 ***
ma$emotional_host 0.102254 0.049668 2.059 0.0407 *
ma$emotional_international 0.129760 0.051314 2.529 0.0121 *
ma$emotional_conational -0.080848 0.046193 -1.750 0.0815 .
ma$emotional_home -0.068181 0.050804 -1.342 0.1810
ma$GesamtstudiumD 0.251512 0.123373 2.039 0.0427 *
Nationalität_individuell -0.002100 0.002194 -0.957 0.3395
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.8899 on 221 degrees of freedom
(94 observations deleted due to missingness)
Multiple R-squared: 0.09407, Adjusted R-squared: 0.06948
F-statistic: 3.825 on 6 and 221 DF, p-value: 0.001196
- was ist denn jetzt passiert? Wieso ist das, was vorher signifikant war (nämlich der negative Einfluss der Conationals), nicht mehr signifikant? Ist das jetzt eine Mediation, oder ein Suppressoreffekt (mit beidem kenne ich mich aber überhaupt nicht aus), oder irgendetwas anderes? Wie verfahre ich jetzt weiter, um das herauszufinden, was hier eigentlich passiert ist?
Oder verwerfe ich das Modell einfach, da ja das R² kleiner wird als im vorherigen Modell? Wenn ich Individualismus allerdings als Prädiktor vorher vor dem Gesamtstudium hinzu füge, passiert das gleiche, allerdings ist das R² minimal größer als im Modell ohne Individualismus:
- Code: Alles auswählen
Call:
lm(formula = psychadapt ~ ma$emotional_host + ma$emotional_international +
ma$emotional_conational + ma$emotional_home + Nationalität_individuell)
Residuals:
Min 1Q Median 3Q Max
-2.30400 -0.56836 -0.01273 0.63804 1.88758
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.658351 0.342260 13.611 <2e-16 ***
ma$emotional_host 0.093818 0.049846 1.882 0.0611 .
ma$emotional_international 0.120927 0.051493 2.348 0.0197 *
ma$emotional_conational -0.077109 0.046483 -1.659 0.0986 .
ma$emotional_home -0.062658 0.051091 -1.226 0.2213
Nationalität_individuell -0.002234 0.002209 -1.011 0.3129
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.8962 on 222 degrees of freedom
(94 observations deleted due to missingness)
Multiple R-squared: 0.07703, Adjusted R-squared: 0.05625
F-statistic: 3.706 on 5 and 222 DF, p-value: 0.003054
Individualismus hat keinen direkten Einfluss auf die Adaptation, das hab ich getestet.
Vielen Dank für eure Tipps!
