Moderatoranalyse (dichotomer Moderator)

[Patrick_T]

Hallo zusammen,
ich sitze gerade an der Auswertung meiner Masterarbeit und verzweifle ein wenig, weil ich mir einfach sehr unsicher im Vorgehen bin. Ich habe leider im Forum nichts gefunden, was auf meine Fragestellung passt. Falls es was gibt bin ich für eine Verlinkung dankbar!

Frage 1: Ist mein geplantes Vorgehen in Ordnung?
Frage 2: Sollte ich meinen Dummy gewichten, weil meine zwei Stichprobengruppen so große Mengenunterschiede haben? (n1=100, n2=239)


Hypothese:
Der positive Zusammenhang zwischen der Ausprägung des Techno-Stressors Informationsüberflutung und dem Stressempfinden wird durch den Moderator Meditation vermindert.

UV: Informationsüberflutung (Metrisch, Intervallskala)
AV: Stressempfinden (Metrisch, Intervallskala)
M: Meditation (Meditieren Sie?) (dichotom --> Ja/Nein)

Kann ich für die Moderationsanalyse nun problemlos die multiple Regression über PROCESS nutzen oder ginge das nur bei metrischen Moderatoren? Muss ich etwas besonderes beachten, weil ich einen dichotomen Moderator habe?

Sollte ich meinen Moderatoren gewichten, weil die Umfänge so unterschiedlich sind?
Die Werte wären dann n1 = 1; n2 = -0,42 ...richtig?

Sollte ich meine Skalen alle z-standardisieren vor der Berechnung und mit den z-standardisierten Variablen in Process arbeiten? Und kann man nach einer Gewichtung die z-Standardisierung beim dichotomen Moderator auch einfach umsetzen?

Vielen Dank für die Unterstützung!!!!

Viele Grüße
Patrick

[dutchie]

hallo Patrick

Woher kommt die Idee, den Moderator zu gewichten?
Probier das ruhig mal aus und vergleiche die Ergbenisse.

Bei dichotomen Moderator bekommst du zwei Gleichungen,
eine für und eine ohne Meditation...die Moderationskoeffizienten
bestimmen dann inwiefern die Gleichungen sich unterscheiden.

z standardisieren würde ich nicht..
und wenn, nicht den Moderator standardisieren !

du brauchst PROCESSS eigentlich nicht, mit mult. lin. Regression
(den interaktionsterm selber bauen !) geht das auch und man sieht eher was passiert!
Output ist auch besser..

aber du kannst problemlos Process benutzen, und bisschen damit rumspielen

gruß
dutchie

[Patrick_T]

Hi dutchie,
vielen Dank für deine Hilfe!

Ich würde jetzt folgende Syntax verwenden:
KÜ = UV
M_Dummy = Moderator (hatte ihn als 1,2 vorliegen und habe ihn umcodiert zu 1, 0 - daher Dummy)
SE = AV

COMPUTE inter2 = KÜ * M_Dummy.
EXECUTE.

REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL CHANGE
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT SE
/METHOD=ENTER KÜ M_Dummy
/METHOD=ENTER inter2
/PARTIALPLOT ALL
/SCATTERPLOT=(*SDRESID ,*ZPRED)
/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID)
/CASEWISE PLOT(ZRESID) OUTLIERS(3).

Hab es mal durchgespielt, leider sind nur 2 von 5 Hypothesen signifikant. Aber letztendlich ist das Vorgehen richtig, was meinst du? Bei den signifikanten würde ich jetzt mal noch versuchen mit PROCESS rumzuspielen.

VG
Patrick

[dutchie]

hallo

es ist kein problem das Hypothesen nicht sig sind, das ist auch ein ergebnis!
ansonsten ...sieht richtig aus

gruß
dutchie

[Patrick_T]

Hallo dutchi,

ich stelle mir grad noch eine Frage und finde nicht wirklich eine präzise Antwort dazu...meine unabhängigen Variablen haben teilweise extrem schwache lineare Zusammenhänge zur abhängigen Variablen. Ich rede da von R² = .002 bis R² = .382 --- kann ich denn da überhaupt noch von einem linearen Zusammenhang sprechen? Und kann ich dann überhaupt eine multiple Regression anwenden oder muss ich mich mal mit nonlinearen Verfahren beschäftigen?

Ich habe bei der Korrelationsanalyse nach Pearson die Korrelationen

1) über die gesamte Stichprobe (mit Moderator eingeschlossen)
2) Gruppe Meditierende (anhand Moderator Meditation ja/nein)
3) Gruppe Nicht-Meditierende

ausgeben lassen.

Dabei sind in Fall 1) für 4 Variablen, die ich für meine Hypothesen benötige signifikante kleine Zusammenhänge rausgekommen (r = .121 bis hin zu r = 598). Bei einer aber nicht (r = .05, p = .375). ----> muss ich jetzt für die eine Variable Spearman Rho berechnen und ggf. ein anderes Verfahren als die lineare Regression mit Interaktionseffekt rechnen?

Vielen Dank für die Unterstützung!!!

VG
Patrick

[dutchie]

hallo Patrick

mach Streudiagramme mit AV und UVs
da sieht man dann für gewöhnlich den Zusammenhang, ob linear oder sonst was...
und ob es sich lohnt eine anderes Modell auszupacken
wenn r klein ist und signifikant, gibt es einen kleinen sig linearen Zusammenhang..
du kannst die Modell gleichung um quadratischen kubische usw, ergänzen.
der Zuwachs an r muß, dann aber signifikant sein.
ein wechsel von linear zu nonlinear muß auch theoretisch sinn machen..
..es muß ja auch nicht korrelieren, auch wenn bisherige Studien vielleicht was anderes
belegen. Es kann sein das deine Verteilungen schief sind, oder das die Messwertausprägungen
nicht vorliegen ab der eine Zusammenhang, eine Wirkung, greift...

..aber du kannst natürlich nonlineares ausprobieren,
bei SPSS über [Regression] -->[Kurvenanpassung]...ausprobieren.

gruß
dutchie

[Patrick_T]

Hi Dutchi,

leider korrelieren MOD und AV bei mir nicht - brauche ich da letztendlich gar keine Analyse fahren, weil sowieso kein Effekt rauskommen wird?

[Patrick_T]

Ok, habe gerade in einem anderen Thread eine Antwort von dir gesehen in der stand, dass Moderatoren nicht mit dem Kriterium korrelieren müssen.