Moderierte Regression mit GPower

[Alex1992]

Liebe Statistik- Tutorial Community ,
ich brauche dringend eure Hilfe bei folgender Fragestellung:
Ich benutze für die Kalkulation meiner Stichprobengröße das Programm GPower.
Ich finde auf meine Fragestellung, ob man auch eine moderierte Regression hier berechnen kann, keine wirkliche Aussage...
Ich habe eine intervallskalierte UV, sowie eine intervallskalierte AV und eine kategorialen Moderator (Geschlecht). Dieser Moderator wird in SPSS als "Dummy" codiert...

Gebe ich in GPower folgendes an:?
F-Test; linear multiple Regression fixed model..deviation from zero, 3 predictoren?

Oder ist GPower nicht in der Lage das signifikant zu berechnen?
Ich möchte eine Effektgröße von Fhoch2 = 0,15 berechnen.


Ich freue mich über eure Hilfe!
Liebe Grüße Alex

[dutchie]

hallo ALEX

schwierig, das kann man mal so rechnen, aber das ergebnis bezieht sich auf R Gesamtmodell
und unterscheidet nicht welche Art die Regression ist, also mit drei "normalen" stetigen UVs würdest du ja auch so rechnen...
man beachtet somit nicht dass es einen interationsterm beinhaltet und einen Dummy, zumal die Variablen auch hoch korreliert sind...???
da kommt dann n = 120 raus oder so in dem bereich,

du kannst auch:
rechne mal ANCOVA mit einer nominalen Variable und zwei Kovariaten...

du kannst auch:
t-Test : linear bivariate Korrelation, two groups difference between slope...
und auch ruhig mal das manual lesen.

der interationsterm ist ja normalerweise eher klein und nur der ist eigentlich interessant...also ist n größer als 120 anzusezten.
und es kommt auch darauf an wie groß x und y korrelieren, also den hintergrund des moderators so zu sagen...
aber setz einfach mal n = 120 als untere grenze an...

aber eigentlich gehts ja nur darum die Form zu wahren,
und die stichprobengröße hat man auf UNI park so wie so nicht in der hand.
und man muss auch nicht gescheiter sein als sein betreuer..aber frag den ruhig!!
und ...äh... ..es hat ja auch seinen grund, dass man wenig dazu findet...
und warum ist f2 =0.15, weil man nichts darüber weiß und deshalb ziel man einfach mal in die mitte...aber ist auch normal so:D

gruß
dutchie

[Alex1992]

Hallo dutchie,

vielen Dank für deine Antwort.
Genau, wenn ich das Ganze wie oben beschrieben mit drei prediktoren in der multiplen regression rechne, kommt mit F2 = 0,15, 119 sample size heraus...
Die Frage ist nur, ob es Sinn macht die Power für diese Art von Hypothese zu berechnen oder ob das Ergebnis nicht wirklich aussagekräftig ist und man sich das Ganze besser schenkt.
Ich werde bei über 120 Teilnehmern herauskommen, was ja schonmal als gute Voraussetzung für die Art von Berechnung interpretiert werden kann?
Was würdest du machen? Die Hypothese ohne vorherige PowerBerechnung in SPSS berechnen, oder auf die 119 spekulieren?

Liebe Grüße
Alex

[dutchie]

hallo

ach schwierig!
das kommt darauf an welche Moderation das sein soll?
ist die Moderation nur irgendwie zur kontrolle da, eine irgendwie UV unter anderem
oder ist die Moderation wesentlich, ist das theoretisch gut fundiert, eher konfirmativ
oder eher explorativ, sind das harte oder weiche daten...Vorraussetzunge erfüllt? wenn da irgedwas nicht NV ????
warum macht man fallzahlkalkulation?...
um zwei situationen auszuschließen: ich habe bei spezifizierter H1
zu wenig VP um eindeutig entscheiden zu können also weder H1 noch H0 abblehen kann
oder
ich hab zu viele VP, geld und zeit verschwendet, weil wenn es mit 100 VP signifikant wird warum sind 2000 gekommen.
wenn du das diskutierst hat du schon genug gemacht, aber du brauchst irgendwas in dieser art, mit Gpower
wird verlangt von der UNI...wenn die moderation wesentlich ist und der moderator dichotom, würde ich mir den t Test
für zwei slopes mal genauer anschauen und vergleichen was an n rauskommt, leider ist Gpower oft auch ziemlich kryptisch,

gruß
dutchie

[Alex1992]

Hallo dutchie,

schau mal: nach langer Suche bin ich nun auf einen englischen Artikel gestoßen, der folgendes besagt (übersetzt):
Für die moderierte Regression, nämlich eine Regression mit einer Interaktion, an der mindestens eine kontinuierliche Variable beteiligt ist, kann die Effektgröße wie für jeden anderen Effekt im linearen Modell berechnet werden. Wenn die Literatur eine ähnliche Regression beschreibt, kann man das eta-Quadrat der beobachteten Interaktion verwenden und den für die multiple Regression beschriebenen Schritten folgen, jedoch sind Interaktionen irgendwie spezielle Begriffe, da die Varianz des Effekts von der Varianz zweier Prädiktoren abhängt und nicht von einem Prädiktor wie bei den linearen Begriffen (Jaccard & Turrisi, 2003). Diese zusätzliche Varianz (McClelland & Judd, 1993) beeinflusst die Leistung des F-Tests, der mit der Interaktion verbunden ist. Obwohl die OLS-Regression davon ausgeht, dass die Prädiktoren fehlerfrei sind, werden sie typischerweise mit einem Fehler gemessen, was ihre Zuverlässigkeit verringert und die Leistung des Tests im Zusammenhang mit der Interaktion der Prädiktoren negativ beeinflusst (Cohen et al., 2003). Trotz dieser Schwierigkeiten wurden vernünftige Annäherungen an die Machtfunktion von Interaktionseffekten vorgeschlagen (Shieh, 2009), aber sie sind in G*Power nicht ohne weiteres verfügbar.



Demnach lasse ich das mit der moderierten Regression in GPower bleiben und begründe das anhand der oben aufgeführten Literatur Was meinst du?

Viele Grüße
Alex

[dutchie]

Hallo Alex



Alles nicht so einfach hast du Shieh, 2009 dir mal angeschaut..

Also irgendeine Fallzahl solltest du schon angeben..sag einfach n= 120 für eine Regression mit drei Prädiktoren
weise darauf hin, dass das eigentlich nicht vergleichbar, dann (Shieh, 2009) und fertig....

solang sich dabei keiner weh tut, ist doch alles ok!

gruß
dutchie