Umgang mit dyadischen Daten in SPSS

[ahnungslos1]

Hey,

ich schreibe momentan meine Masterarbeit und habe einen Datensatz mit Dyaden. Diese sind nicht unterscheidbar. (jung jung; Alt jung; alt alt). Letztlich will ich zur Überprüfung meiner Hypothesen Mittelwerte vergleichen und einfache lineare Regressionen mit Interaktionsterm berechnen.

Jetzt stehe ich vor dem Problem der dyadischen Abhängigkeiten: Ich habe zunächst die ICC's berechnet, um zu überprüfen, ob Partner und Akteur auf interessierenden Variablen ,zusammenhängen'. Die ICC's habe ich gewählt, weil man ja anscheinend bei ununterscheidbaren Dyaden keine Pearson Korrelationen rechnen darf.

Darf man wenn man sich sonst Zusammenhänge anschaut (beispielsweise nur von Akteuren) die Pearson Korrelation nehmen (wenn sonst alle Anwendungsvoraussetzungen erfüllt sind)?

Nach der Berechnung der ICCS habe ich dann das APIM (Kenny) angewandt, bzw. den Syntax Befehl, den ich in einem Buch gefunden habe. Ich bin mir nur nicht sicher, wie ich das interpretieren kann! Ist das APIM wie eine Regression, nur dass man auch die Partnereffekte herausbekommt? oder muss ich danach noch eine Regression berechnen? Und ist es möglich den Interaktionsterm schon in das APIM mitaufzunehmen?...

Vielleicht kennt sich ja jemand mit dyadischen Abhängigkeiten aus, würde mich sehr freuen:)

[dutchie]

Hallo

Thema ist mir völlig neu, ich weiß gerade nur was ich mir in 20min zusammengegoolgel habe.

Was heißt nicht unterscheidbar? du unterscheidest doch z.B. jung alt....

Was macht denn die Sytax von Kenny, du kennst seine seite? da gibts doch Beispiele.
Hab ich gerade ausprobiert versteh ich nicht und erklärt sich auch nicht selbst.
Gehts nicht darum erstmal die interactionen der dyade zu beschreiben, welche form sie hat und ob übehaupt?
mir scheint da gibts nicht viel Literatur dazu.
Wo hast du denn den Datensatz her, nicht selbst erhoben?
Ist deine Datei so organisiert wie die von der Kennyseite?
Quasi hierarchisch, mixed Model?
bekannt oder:?
http://davidakenny.net/dyad.htm
Warum ICC und nicht Pearson? weil der ICC auch auf lageunterschiede reagiert?
So wie ich das sehe, ist das eine Regression, nur versteh ich nicht ganz was das soll, der testet Modell und eliminiert
Variablen..testet interactionen (Moderatoren)... Aber das ist so mega unübersichtlich, didaktisch no points!
Ich würde sagen zeichne erstmal ein Pfadmodell dessen was getestet werden soll.

Lesbar scheint folgender Artilel zu sein:
Josée Fitzpatricka, Alexandre Gareaua,,Marie-France Lafontainea & Patrick Gaudreaua:
How to Use the Actor-Partner InterdependenceModel (APIM) To Estimate Different Dyadic Patterns inMPLUS:A Step-by-Step Tutorial

so weit so "gut"
gruß
dutch

[ahnungslos1]

Hey:)

so wie ich es verstehe sind sie nicht unterscheidbar, da es auch Dyaden gibt in denen jung mit jung ,gepaart' wurde und auch das Geschlecht wurde konstant gehalten. In denen Dyaden gibt es kein sinnvolles unterscheidbares ,Merkmal', daher werden ICC's empfohlen (Information aus Kenny, Cash, Cook: Dyadic Data Analysis).
Die Seite die du meinst, finde ich persönlich auch sehr schlecht aufgebaut. Die Syntax die ich verwende, ist ebenfalls aus dem Buch und lautet:

MIXED
Outcome Variable WITH Prädiktor_Akteur Präditor_Partner
/FIXED = Prädiktor_Akteur Präditor_Partner
/PRINT = SOLUTION TESTCOV .
*/REPEATED = DYADID | SUBJEKCT (dyad_ID) COVTYPE (CS)

--> ich schaue mir dann bisher diese Regressionskoeffizienten an, auch wenn ich es mir mit der Interpretation noch etwas schwer tue. Obwohl das ja wahrscheinlich dann der Partnereffekt und Akteureffekt ist
Auch die letzte Zeile des Befehls nutze ich gerade noch nicht, weil ich nicht weiß was ich da einfügen soll, also ich verstehe sie inhaltlich nicht- hast du da eine Idee/Erklärung?

Ansonsten hab ich mir schon meine Prozessmodelle aufgemalt und verstehe letztlich auch worum es geht und was ich rechnen muss, aber es ist doch recht komplex..
Ich würde auch gerne Interaktionen (die ich vorher wie bei einer ,normalen' linearen Regression errechnet habe) ins Modell aufnehmen, weiß aber nicht ob das statistisch oder inhaltlich Sinn macht.
Neben der Interaktion würde ich auch gerne zur Kontrolle noch zwei weitere Variablen aufnehmen, aber was dann innerhalb des Modells passiert überschreitet momentan noch mein log. Denken.

Die Daten habe ich nicht selbst erhoben, sie sind aber schon richtig organisiert.

Bei den ersten Hypothesen meiner Arbeit möchte ich übrigens ganz normal Mittelwertsunterschiede auf Signifikanz testen. Und da bin ich jetzt etwas überfordert, weil ich nicht weiß ob ich den Test für unabhängige Stichproben nehmen darf, weil ich ja nur wissen will, OB sie sich unterscheiden und nicht ob das ggfl. auch durch den Partner bedingt ist. Das interessiert dann ja bei der Regression, wenns mehr ins Detail geht.... Was meinst du dazu?

Vielleicht kannst du dir das Problem mit den Informationen jetzt bisschen besser vorstellen .

Liebe Grüße:)

[dutchie]

Hallo

Ich glaube (sorry ist neues Gebiet für mich, hab mich vor mixed Models immer gerückt):
Zur letzten Zeile, damit bestimmst du die Hierarchieebenen. und den Typ der Kovarianzmatrix
CS steht für Compound Symmetrie CS = zusammengesetzt symmetrisch (deutsch)
Wenn du die letzte zeile nicht nutzt machst du normale lineare Regression (ohne interaction)
Hast aber nur eine gemacht, für die andere die variablen austauchen.

Du hast ja mixed drüber stehen, du bist in SPSS bei gemischte Modelle --[linear]
Damit sollltest du dich vertraut machen, denn Syntax zu übernehmen garantiert ja nicht, dass die auf
deine Situation passt.
Diesem mixed Zeugs (=hierrarchisch oder Mehrebenenanalyse) näherst du dich am besten über SPSS [Hilfe] [Fallstudien]
dann advanced Models und dann The linear mixed Model.
gut zu lesen ist auch ein pdf aus Trier Rechenzentrum von Bernhard Baltes-Götz zu mixed Modell (google: mixed Model trier)

zu Ununterschiedbarkeit: ich versteh das im Augenblick so:
Dyade1: Ehe --- Mann _ Frau--- Ich kann innerhalb der Dyade unterscheiden zwischen den Geschlechtern. und auch Mann mit Frau korrelieren
Dyade2: Spiel --- erster spieler _ zweiter spieler ---Nicht zu unterscheiden Ich kann in einer beliebigen Dyade einfach switchen, Position tauschen
aber wenn ich Heim und Auswertsmannschaft denke, der Sieger Verlierer...
Dyade3: Messwiederholung---- 1. Messwert _ 2 Messwert (an sich kann ich unterscheiden, aber eigentlich irrelevant, wenn ich vergessen habe
welche Messung eins und zwei war, kann ich trotzdem korrelieren, obwohl nicht zu unterscheiden, da beide sich auf einen gemeinsamen Wert beziehen?

Wenn Ununterscheidbar wie bestimmt du dann was Partner- und Akteureffekt ist? Ist denn dann APIM anwendbar??
Du kannst innerhalb der Dyade nicht unterscheiden, aber zwischen den Dyaden.

so weit...
gruß
dutchie

[ahnungslos1]

Hey Dutchie,

ich hab mich jetzt mal etwas weiter damit befasst und den Syntaxbefehl relativ verstanden.
Und ja, es handelt sich um unterscheidbare Dyaden! das war mein Fehler und zwar weil es immer aufgeteilt ist nach Partner 1 und 2. Nun kann ich demnach Korrelationen und keine ICC'S rechnen. für diese Korrelationen muss ich allerdings beispielsweise dann jeweils die Zeile der Partnerin 2 deaktivieren, weil die Daten ja so sortiert sind, dass in einer Zeile der Akteur- sowie auch der Partnerwert steht. - weißt du wie ich den Datensatz mit der Dichotomen Variable (Partner 1, Partner 2) splitten kann, bzw. temporär deaktivieren kann? ich krieg wenn ich über Daten --> Fälle auswählen gehe immer eine Fehlermeldung. Dachte eig das wäre der richtige Weg, aber naja:D.
gruß!

[dutchie]

Hallo

die Fehlermeldung wundert mich, sollte gehen
du kannst auch [datei aufteilen] nehmen,
rechnest du ICC nicht vielmehr zwischen Partner 1 und 2.
analysierst du das denn über [gemischte modelle]?

gruß
dutchie

[ahnungslos1]

Hallo,

ja mit Datei aufteilen hats geklappt. ICC'S rechne ich ja nicht mehr ! weil die Dyaden unterscheidbar sind und rechne zur Prüfung der Abhängigkeit Pearson Korrelationen zwischen Akteur und Partner auf einer Variable.

Bei dem MIXED Befehl kam jetzt folgender Fehlerbefehl:
Die Iteration wurde beendet, ohne Konvergenz zu erreichen. Die Prozedur MIXED wird trotz dieser Warnung fortgesetzt. Nachfolgend erzeugte Ergebnisse basieren auf der letzten Iteration. Die Gültigkeit der Anpassungsgüte des Modells ist nicht gesichert.
--> weißt du was Interaktion bedeutet? oder wie ich mit dem Fehler umgehen kann?

immer wenn ich bei einer Sache weiter komme, entdecke ich ein neues Problem, ohjeee
Gruß

[dutchie]

Hallo

weißt du was Interaktion bedeutet?

Iteration? Das ist eine Art etwas auszurechen, ganz grob: "man steckt das, was rauskommt vorne wieder rein"
Es ist aber egal was das heißt, wichtig ist, dass das bei dir nicht funktioniert!

Gründ?: nicht normalverteilt, Ausreißer ?, zu wenig Versuchpersonen bei zu komplexer Berechnung?
oder die Kovarianzmatrix ist falsch? Da kann ich per Ferndiagnose wenig sagen!
Hast du irgendwas fehlspezifiziert?
Ich weiß ja auch gar nicht was du da eigentlich rechnest.
Vielleicht ist deine Datensituation eine andere als im Buch (Kenny) steht, und es hat noch keiner gemerkt?

Aber igorieren kannst du das nicht! Damit mußt du zu Betreuer.

gruß
dutchie

[ahnungslos1]

Hey Dutchie,

ja merke auch gerade, dass mir das über den Kopf steigt, melde mich mit der Fehlermeldung bei meiner Betreuerin. --> weil die angesprochenen Dinge wie Normalverteilung, genug VPN, Ausreißer müssten alle passen...
Vielleicht melde mich dann mal wieder die Tage...
Grüße !