STATISTIK-FORUM.de

[WasserBlume]

Hallo, ich hoffe ich bin hier richtig.

Ich möchte für meine Abschlussarbeit eine moderierte Mediation durchführen. Nach Rücksprache mit meinem Betreuer soll ich die Voraussetzungen der Mediation / linearen Regression überprüfen. Die moderierte Mediation möchte ich später mit PROCESS rechnen.

Mein Problem ist, dass ich eine kategoriale / nominale abhängige Variable (dichotom) habe. Ich habe mir heute einen Plan für die Auswertung der Voraussetzungen erstellt und eben erst bemerkt, dass man ja mit einer kategorialen abhängigen Variable keine lineare Regression rechnen darf. Ein paar der Voraussetzungen hätte ich aber gerne über die lineare Regression überprüft.

Mein Plan war folgende Sachen anhand der linearen Regression in SPSS auszurechnen:
- Unabhängige Residuen mit Durbin-Watson überprüfen
- Normalverteilung der Residuen und Homoskedastiztät mit nicht standardisierten vorgesagten Werten und studentischen Residuen überprüfen
- Ausreißer mit Cook-Distanzen und Hebelwerten überprüfen

Meine Fragen wären jetzt:
Kann ich die Voraussetzungen anhand der Berechnungen aus der linearen Regression überprüfen, oder geht das gar nicht?
Was passiert, wenn ich es doch mache und könnte ich das dann einfach in der Diskussion unter Limitationen aufgreifen oder wäre es zu schwerwiegend?
Gäbe es eine andere Option, die Voraussetzungen mit einer logistischen Regression / multinominalen Regression zu berechnen?

Die einzelnen Effekte (z.B. X zu Y oder X zu M oder M zu Y) würde ich mit Process rechnen bzw. entsprechenden Regressionen, die die jeweiligen Variablen unterstützen. Seit Process V3.1 sind dichotome Outcomes möglich.

X = Konstrukt, dass ich mit 3 kontinuierlichen Subskalen jeweils separat überprüfe
Y = Kategoriales Outcome (Intention, ein Verhalten zu Zeitpunkt 1 oder 2 zu zeigen)
M = Kontinuierlicher Mediator
W = Moderator, den ich mit 2 kontinuierlichen Subskalen jeweils separat überprüfe

Mit separat überprüfen meine ich, dass ich einem Konstrukt (z.B. Arbeitsanforderungen) 2 Subskalen (z.B. physische Anforderungen und mentale Anforderungen) mit jeweils 3 Items zugeordnet habe. Ich würde das Modell dann beispielsweise zuerst mit den physischen Anforderungen als X durchrechnen und dann nochmal mit den mentalen Anforderungen als X. Ich hoffe das ergibt so Sinn.

Ich würde mich über eine Antwort sehr freuen, falls noch mehr Informationen erforderlich sind, teile ich die gerne

[strukturmarionette]

Hi,

Y = Kategoriales Outcome (Intention, ein Verhalten zu Zeitpunkt 1 oder 2 zu zeigen)

zunächst:
- N?
- was ist das konkret und wird wird das gemessen und warum kategorial dichotom?
- warum 2 Zeitpunkte?

mit PROCESS rechnen.

- welches Modell bei welcher Hayes-Version für SPSS soll das werden?

Gruß
S.

[WasserBlume]

Hallo, vielen Dank für die Antwort!

- N?
- was ist das konkret und wird wird das gemessen und warum kategorial dichotom?
- warum 2 Zeitpunkte?

N: vermutlich zwischen 2000 und 3000 Personen

Das Outcome entsteht aus einer Interviewfrage, in welcher die Probanden gefragt wurden, ob sie das Verhalten lieber früher oder später zeigen wollen (Beispiel: Wollen Sie ein Studium lieber direkt nach dem Schulabschluss beginnen (=1) oder zu einem späteren Zeitpunkt (=2)). Ich hoffe, das macht etwas klarer, was ich mit zwei Zeitpunkten gemeint habe.

welches Modell bei welcher Hayes-Version für SPSS soll das werden?

Modell 7 mit Process-Version 3.5

[strukturmarionette]

Hi,

- die neueren Process-Versionen habe ich leider nicht, auch (noch) nicht die Templates Dokumentation von Preacher
- kann dazu somit nichts empfehlen

Gruß
S.

[WasserBlume]

Okay, trotzdem vielen Dank für die Mühe!

[PonderStibbons]

- Unabhängige Residuen mit Durbin-Watson überprüfen

Der ist für Zeitreihen.

- Normalverteilung der Residuen und Homoskedastiztät mit nicht standardisierten vorgesagten Werten und studentischen Residuen überprüfen

Du hast doch eine binäre AV? Aber auch bei einer linearen Regression sind normalverteilte Residuen
angesichts der großen Stichprobe kein Thema mehr, der Test wäre auch bei anderen Verteilungen
zuverlässig.

- Ausreißer mit Cook-Distanzen und Hebelwerten überprüfen

Müsste man sich bei 2000+ Fällen Gedanken um Ausreißer machen?
Glaube ich nichtmal.

Kann ich die Voraussetzungen anhand der Berechnungen aus der linearen Regression überprüfen, oder geht das gar nicht?

Du betrachtest die Voraussetzungen für eine lineare Regression, rechnest aber eine
binär-logistische. Du solltest Dir die Annahmen für letztere zu Gemüte führen.

Mit freundlichen Grüßen

PonderStibbons

[WasserBlume]

Hallo, vielen Dank für die Antwort!

mein Problem ist, dass ich eigentlich gar selbst keine logistische Regression mache, sondern alle meine Hypothesen anhand der moderierten Mediation von Process (Modell 7) überprüfen kann. Hier ist ein dichotomes Outcome erlaubt, und Hayes (2015) gibt meine ich nur die lineare Beziehung als Voraussetzung an. Die Voraussetzungen der logistischen Regression kenne ich bereits. Ich war mir nur unsicher, ob diese Voraussetzungen reichen würden, weil bei Mediationen ja mehrere Regressionen gerechnet werden und zu mindestens der Pfad X zu M in meinem Fall eine normale lineare Regression ermöglicht.

Würde es Sinn machen, die Voraussetzungen für die jeweiligen Pfade separat zu berechnen?
Also die Voraussetzungen für die logistische Regression für X zu Y und M zu Y und die Voraussetzungen für die lineare Regression für X zu M?

Vielen Dank und viele Grüße

[asil1]

Hallo,

ich hatte das gleich Problem und habe folgenden Hinweis in meiner MA eingebaut:

Hayes (2018) mahnt jedoch die Verletzung dieser Annahmen nicht zu streng zu betrachten, da das Bootstrapping als robustes Verfahren in der Statistik gilt, weshalb auch die Verteilung der Daten nicht vordergründig ist (Hayes, 2018, s. 68-69; Hayes, 2004, S. 413). Dementsprechend werden auch in dieser Studie etwaige Verletzungen nicht zu dogmatisch betrachtet.

Also du kannst die Annahmen prüfen, da es sich jedoch um Bootstrapping bei PROCESS handelt, ist es nicht schlimme wenn diese verletzt sind. Da bei einer Verletzung der Annahmen oft Bootstrapping empfohlen wird