Mediatoranalye - dichotome Kovariate unterschiedliches N

[Blumenvase]

Hallo,

ich bin gerade ziemlich verzweifelt, weil ich einfach nichts in der Literatur hierzu finde:

Ich habe zwei einfache Mediationsmodelle mit metrischen Variablen gerechnet und jeweils denselben zwei Kovariaten, eine dichotome (Geschlecht) und einer metrischen Variable, mit aufgenommen.
Ich habe die Kovariaten vorher aus der Literatur abgeleitet. Der indirekte Effekt (auch alle anderen direkten Effekte) wurde signifikant.
Nach dem ich mir die einzelnen Regressionen noch mal deutlicher angeschaut habe, habe ich gesehen, dass vor allem das Geschlecht schon einen deutlichen Einfluss hat. Außerdem habe ich mir noch mal in Erinnerung gerufen, dass meine Stichprobe aus fast 85 % Frauen besteht. Ich dachte jedoch, dass das kein Problem für eine Kovariate ist, weil diese "konstant gehalten" wird und sich dann eher kein signifikanter indirekter Effekt zeigt wenn das Geschlecht zu wichtig ist - so meine naive Vorstellung.

Jetzt habe ich aber im Rahmen explorativer Analysen das Modell für beide Geschlechter getrennt (mit der Kovariate Zeit) gerechnet. Nur für Frauen werden die Modelle signifikant und zeigen fast identische indirekte Effekte zu den Modellen mit zusätzlich Geschlecht als Kovariate.

Hätte ich von Anfang an bei so einem großen Geschlechtsunterschied das Geschlecht nicht als Kovariate aufnehmen dürfen sondern getrennt rechnen müssen? Was heißt bei einer dichotomen Variable genau konstant halten? Und wo finde ich in der Literatur was dazu? Das Kapitel von Hayes über Kovariaten ist sehr dünn und gibt mir dazu keine Antwort.

Ich wäre sehr dankbar für hilfreiche Ideen hierzu!!

[dutchie]

hallo Blumenvase

Erstmal wenn deine Stichprobe so frauenlastig ist, sind die Ergebnisse
bezüglich Geschlecht eh nicht auf die Normalpopulation zu verallgemeinern!

Das ist nicht repräsentativ, und Geschlecht ist ein klassischer Moderator!
Besser du machst ein Modell nur für Frauen eines nur für Männer!
das belässt die Variablen Geschlecht im Modell, hinzu kommt der Interaktionsterm!
Wenn du Geschlecht drin hast hast du bereits zwei Modelle, das Geschlecht wirkt dann aber nur
auf den intercept! wenn du "auf Geschlecht kontrollieren willst" muß du die interaktion auch rein tun,
als möglicherweise veränderte Wirkung der UV auf die AV in abhängigkiet vom Geschlecht!
wieviel Frauen und Männer hats du denn?

zur "Kovariate" (vielleicht ist es besser den Begriff ganz zu vergessen!)
du hast ein Modell: Variablen sind Teil oder nicht Teil einer lin. Regression

y = a+b*x1+c*x2 (man kann auch so schreiben y = a+b*UV+c*KOV, aber... )

was besagt der Koeffizient b: wenn sich x1 um 1 ändert, ändert sich y um b,
wenn x2 sich nicht verändert, konstant bleibt! egal was x2 ist, Kovariate, dichotom blabla....
b beschreibt den Effekt von x1 auf y, wenn x2 konstant bleibt, aber kein problem wir ändern ja auch nur x1!

Wenn x1 und x2 nicht korreliert sind, ist b konstant (gleich), egal ob x2 in der gleichung ist oder nicht.

Wenn x1 und x2 aber korrelieren, dann ist die Vorstellung, das sich nur x1 ändert unrealistisch!
weil x1 auf y und (eventuell) auf x2 wirkt und x2 auch auf y wirkt..

und b beschreibt dann eher ein theoretisches etwas, ist aber trotzem informativ!
und b ändert sich,wenn beide korrelieren, je nachdem ob x2 in der Gleichung ist.
Das ist auch das Motiv für eine Mediation! ich lass erst x1 auf x2 wirken und dann beide auf y!

wichtig was worauf wirken solle! wenn x2 auf y wirkt, und irgendwie mit x1 zusammenhängt,
kann x2 stören ..z.b
Y = Äpfel pflücken (Äpf), x1 = geschlecht, x2= körpergröße
die Aussage Frauen sind schlechter im Äpf ist falsch!
wenn ich bezüglich der Körpergröße als Kovariate kontrolliere, stellt man das fest.

Warum hast du zwei Mediatione? weil du zwei AVs hast?
und was bedeutet die Variable Zeit ?

gruß
dutchie

[Blumenvase]

Hallo dutchie,

vielen Dank für deine Hilfe!

Ich habe zwei Modelle, weil ich zwei unterschiedliche Mediatoren betrachte und ein multiples Mediationsmodell zu komplex wäre (anderes Thema).
Also außer den Mediatoren ändert sich bei beiden Modellen nichts.
Nach Hayes werden in Process Macro Kovariaten als weitere Prädiktoren mit aufgenommen und es wird sowohl der Einfluss auf den Mediator als auch auf das Kriterium gemessen. Warum Geschlecht nur auf den Intercept wirken soll, verstehe ich nicht. In beiden Regressionen "M auf X" und "Y auf M und X" sind ja dann beide Kovariaten in den Gleichungen enthalten. Und ich hatte es nach Hayes so verstanden, dass der indirekte Effekt dann bedeutet, dass wenn zwei Fälle um eine Einheit in X variieren, aber in C gleich sind (!), schätzungsweise um den Effekt aus X auf M und M auf Y varriieren. Aber was heißt bei Geschlecht, dass die Kovariate gleich ist? Wie hält man das konstant?

Die Regressionskoeffizienten von Geschlecht sind in beiden Regressionen negativ (liegt an der Kodierung Frau 1, Mann 2?) - Signifikant in beiden Modellen erst bei der Regression von Y auf M und X.

Ich hoffe, deine Beispiele mit X1 und X2 zu verstehen... aber müssten laut des Modells nach Hayes nicht der Einfluss auf M und Y bereits berücksichtig worden sein?
Du meinst also, wenn X1 (Prädiktor) und X2 (Kovariate als Prädiktor) korreliert sind, dann funktioniert das nicht?

Kovariate Zeit sind vergangene Jahre.
Ich habe ca. 70 Männer und 360 Frauen. Dass das nicht repräsentativ ist, ist mir klar. Aber woher nehme ich das wissen, dass ich so nicht rechnen darf? Nach Hayes klang das so easy das so zu machen........


LG

[Blumenvase]

Zusatz:
Also wenn ich versuche es ganz runterzubrechen...

Wenn ich viele Frauen und wenig Männer habe, kann ich zwar das Geschlecht kontrollieren, in dem ich den Einfluss des Geschlechts auf M und Y herausrechne. Aber wenn X sowieso nur Frauen haben, ist die ganze Sache hinfällig? Oder kapiere ich das immer noch nicht richtig?
Was könnte ich jetzt in zusätzlichen Analysen für die Diskussion machen, was auch Sinn ergibt? Klar, die Modelle getrennt berechnen und berichten. Dann vielleicht auch t-Tests rechnen inwiefern sich X (und M und Y?? Und die andere Kovariate??) bei Frauen und Männer unterscheidet? Wobei ich dann auch wieder Probleme wegen der hohen unterschiedlichen Größe bekomme...

Danke!!

[dutchie]

hallo Blumenvase

Vielleicht ist es besser wenn du das Ganze nicht mit Process rechnest sondern über lin.Regression bei SPSS
dann vergleicht du die Ergebnisse. Dann hast du alles selber unter Kontrolle und mußt nicht spekulieren was
Process macht

Dein Problem besteht doch der Sprachgebrauch
"konstant halten" kontrollieren" "Kovariate" "herausrechnen" "partialisieren" "Einfluss berücksichtigen".....

Wie hält man das konstant?

wenn du irgendein regressionskoeffizient b interpretierst, unterstellst du das alles andere konstant bleibt.fertig
das ist die Beutung von b, b ändert sich aber wenn du zusätzlich Variablen ins Modell aufnimmst! Anderes Modell, anderes b.

Eine Hypothese besagt doch, dass deine Mediationsmodell für Männer und Frauen gleich ist (egal wieviel du von beiden
in der Stichprobe hast), bei dir ist die Stichprobe hinsichtlich Größe nicht repräsentativ, d.h wenn Männer ein anderes Modell haben als Frauen
ist das Modell der Gesamtstichprobe frauenlastig!
Wenn beide Geschlechter dasselbe Modell haben ist die Zusammensetzung der Geschlechter in der Stichprobe egal.
Wenn du für Frauen und Männer getrennt rechnest, über Datei splitten, bekonnst du zwei Modelle.
aber du kannst nicht feststellen, ob sich das Modell für Frauen von dem für Männer signifikant unterscheidet,
dazu mußt du eine Moderation rechnen. plus Mittelwertsvergleiche.
Wenn es keine Unterschied gibt!
Dann kannst du sagen dein Modell gilt unabhängig von Geschlecht.

Wie macht man das? Es langt nicht Geschlecht nur als Kovariate mit einzubeziehen!
Geschlecht muß Moderator werden!

1. Gleichung : x-->Y y = i + c*x, c = total
2. Gleichung : x-->M M = i + a*x
3. Gleichung: x,M-->Y y = i + b*M + c`X , c`= direkt
obiges ist deine normale Mediation,ok? mit a, b, c, c`, c``=indirekt=a*c`
klick das mal mit SPSS Regression und vergleiche mit Process!

Du bist (solltest) eigentlich im Modell 8 mit W = Geschlecht sein!
d.h. Gleichung1 wird zu:
y = i + c*x + d*g + e*g*x , g= Geschlecht (Moderator), d,e sind die Regressionskoeffizienten.

wenn e nicht signifikant ist, gibt es keine Moderation durch Geschlecht in der totalen Wirkung von x auf y! x wirkt gleich!
wenn d nicht signifikant ist die Konstante bei der Geschlechtern gleich!
g*x ist eine neue Variable einfach nur das Produkt bilden!

mal einsetzen g = 1 = Mann und g = 0 = Frau
Modell für Frauen:
y = i + c*x + d*0 + e*0*x = i + c * x
Modell für Männer:
y = i + c*x + d*1 + e*1*x = (i+d) + (c+e) * x

d.h.
d beschreibt den Unterschied der Konstante zwischen den Geschlechtern
e beschreibt den Unterschied der Wirkung von x auf y zwischen den Geschlechtern

wenn du das selber mit SPSS klickst siehts du das, auch wenn das jetzt mathematisch rüberkommt
es ist leichter zu verstehen als der Unterschied folgender Begriffe:
"konstant halten" kontrollieren" "Kovariate" "herausrechnen" "partialisieren" "Einfluss berücksichtigen".....
plus "lost in translation"...

gruß
dutchie

[Blumenvase]

Hallo dutchie,

ich möchte mich schon mal ganz herzlich bei dir für deine Mühe bedanken!!!!!

Nach dem ich mich heute noch mit anderen Dingen herumgeschlagen habe, werde ich morgen versuchen was du mir geraten hast und berichten!

Viele Grüße

[Blumenvase]

Hallo dutchie,

ich glaube ich schaffe es zeittechnisch nicht, mich komplett noch mal in neue Modelle einzuarbeiten bzw. diese vor allem richtig interpretieren zu können... Ich habe zwar gerechnet und meine auch einiges richtig zu sehen aber.... für meine Abschlussarbeit ist es wichtig sauber zu arbeiten d.h. zu rechnen wie geplant und evtl. hypothesengenerierend weiter zu schauen - allerdings auf einem niedrigeren Level... wäre es völlig unsinnig einfach Mittelwertsvergleiche mit der Kategorie zwischen den Variablen anzustellen und dann zu erklären, warum in zukünftigen Arbeiten eine Moderation mit Geschlecht durchgeführt werden müsste? Und wenn ich wirklich zwei Modelle für den jeweiligen Mediator rechne - eines für Frauen, eines für Männer - dann kann ich sagen, dass es für Männer nicht signifikant wurde, aber ich kann nicht sagen ob sich beide wirklich unterscheiden, da die Stichproben zu unterschiedlich sind? Tut mir leid, für einen Statistiker muss das frustrierend sein :/ aber ich muss es wirklich sehr runterbrechen sonst leiden andere Dinge...

[Blumenvase]

Die Mittelwertsvergleiche ergeben nur einen signifikanten Unterschied zu Y. Das heißt, dass sich vor allem die abhängige Variable bei den Geschlechtern unterscheidet. Wobei ich bei einer Variable durch meine gerichteten Hypothesen wahrscheinlich eher den einseitigen p-Wert nehmen würde und dann wäre eine zweite Variable signifikant. AH!

[dutchie]

hallo Blumenvase

..ich hab mit dem Geschlecht nicht angefangen
ich kann nicht beurteilen, ob das überhaupt nötig ist, literatur usw...oft ist es nötig!
mit deiner Mediation bist du auch schon voll im soll!
ich wollte nur zeigen wie man es machen müßte (Modell

ich bin kein ääh Statistiker....und das ist gar nicht frustriered..

es ist ja kein problem zweimal zu rechnen einmal für Frauen und einmal für Männer.
wenn da das gleich rauskommt fertig - Moderation ende.
wenn per augenschein, was anderes rauskommt, beschreiben, dann sagst Modell 8 führst das aber nicht aus!
nach eventuell Rücksprache mit Betreuer ?
Geschlecht ist schon wichtig, damit definierst du die Population, d.h die Verallgemeinerbarkeit deiner Mediation.
wichtig ist aber erstmal X M und Y. Es kann auch sein, dass eine Mediation ohne Geschlecht nicht sig. ist, aber mit...
Die Mittelwertsvergleiche können die Moderation nicht ersetzten, aber mach, du hast wahrscheinlich eh schon genug
zu schreiben mit der Mediation.

Und wenn ich wirklich zwei Modelle für den jeweiligen Mediator rechne - eines für Frauen, eines für Männer - dann kann ich sagen, dass es für Männer nicht signifikant wurde, aber ich kann nicht sagen ob sich beide wirklich unterscheiden, da die Stichproben zu unterschiedlich sind?

genau, aber in der Richtung,Tendenz besteht kein Unterschied, bei Männer ist das nicht sig wegen der kleinerer Stichprobe.
Du muß ja nicht testen, wenn per augenschein dinge gleich sind!

gruß
dutchie

[Blumenvase]

Ja, ich schau was ich jetzt draus machen kann, das nicht mehr all zu viel Arbeit bedeutet

Vielen vielen Dank dir!!!!!