Voraussetzungen beim Mehrebenenmodell mit Messwiederholungsdaten

[daniela_]

Hallo zusammen,

ich berechne im Rahmen meiner Thesis ein Hierarchisches lineares Modell, wobei die Stufe 1 Variable Messwiederholungsdaten des Individuums auf Stufe 2 darstellen (zwei Messwiederholungen). Nun möchte ich in SPSS die Voraussetzungen prüfen:
Die Linearität der Zusammenhänge habe ich mittels der Funktion "SPLIT FILE" für die drei Messzeitpunkte mit der Kurvenanpassung berechnet bzw. grafisch beurteilt. Als nächstes möchte ich die folgenden Voraussetzungen überprüfen

- Unabhängigkeit, Homoskedastizität und Normalverteilung der Residuen
- Multikollinearität

Jetzt bin ich mir gerade etwas unsicher, ob ich diese Voraussetzung ebenfalls für alle Messzeitpunkte separiert, oder für die Daten im Gesamten überprüfe? Lass eich die Funktion "SPLIT FILE" aktiv, oder schalte ich sie aus..

Über eine Antwort freue ich mich sehr
Gruß und Danke!

[dutchie]

Hallo daniela,

Linearität, was korreliert du da? AV mit Zeit?

Unabhängigkeit der Residuen zu testen macht nur Sinn
bei zeitbezogener Variation innerhalb eine Person, d.h
du korreliertst die Zeit mit der AV für jede Person,
also wenn dann eher SPLIT FILE über die Personen, ob das Sinn macht bei drei (?) Messzeitpunkten?
Aber du kannst das auch über alle machen, aber immer über die Zeit, oder eine in der Zeit gemessene
UV...
Nur weil da Durbin Watson steht nicht gleich draufklicken!

Die Residuen testest du (schaust sie dir an) nach jeder Regression die du rechnest.
ebenso multiko. über kollinearitätsdiagnostik....aber warum?

Ist dir folgender Unterschied klar?:

1. Gibt es eine signifikante Änderung der AV über die Zeit?...vorher nachher
2. Gibt es einen linearen Zusammenhang zwischen Zeit und AV?...Trend
3. Korreliert die AV mit eine UV die ebenfalls dreimal gemessen wurde?

Warum machst du Mehrebenen? Wegen dropout?

Mach nicht so viel Statistik du bekommst die Note hauptsächlich für den Theorieteil!

gruß
dutchie

[daniela_]

Hallo dutchie,

danke für Deine Antwort.

Ich korreliere die AV mit deb UVs welche alle zu allen drei Messzeitpunkten erhoben wurden. Im Speziellen handelt es sich bei den UVs um vier Items die als Manipulationskontrolle eingesetzt wurden. Mittel des Mehrebenenmodells möchte ich mir quasi den durchschnittlichen Zusammenhang anschauen, den, alle Daten einbezogen, diese Manipulationskontrollen auf die AV haben. Dabei möchte ich berücksichtigen, dass es sich um Messwiederholungsdaten handelt und ich zu jedem Individuum zu drei MZP die UVs und die AV erhoben habe. Ich hoffe so ist es verständlicher, worum es geht!

Dazu habe ich nun die benannten Voraussetzungen für jeden der drei Zeitpunkte bestimmt. Demnach z.B. angeschaut ob zu allen drei Messzeitpunkten Homoskedastizität der Daten vorzuliegen scheint. Hierauf bezog sich meine Frage, ob das richtig ist, dass ich diese Voraussetzungen für die Zusammenhänge der drei Messzeitpunkte einzeln überprüfe, auch wenn ich am Ende eine durchschnittliche Aussage mittels des Ergebnisses des hierarchischen linearen Modells alle Messzeitpunkte eingeschlossen berichten möchte.

Über eine erneut Meinung, freue ich mich sehr !

Danke !

[dutchie]

hallo daniela,

aha ok!

ob das richtig ist, dass ich diese Voraussetzungen für die Zusammenhänge der drei Messzeitpunkte einzeln überprüfe, auch wenn ich am Ende eine durchschnittliche Aussage mittels des Ergebnisses des hierarchischen linearen Modells alle Messzeitpunkte eingeschlossen berichten möchte.

Eine hierarchische Analyse ist nur eine Regression, insofer kann man auch nur einmal die Vorrausetzungen prüfen.
In nehme an du bist in long Format.
Du müsstest quasi den Messzeitpunkt als Moderator einfügen, um zu testen, ob sich der Einfluss
der UVs auf die AVs zwischen den Messzeitpunkten verändert. Das wäre eine Mehrebenenanalyse,
ich denke du tust das aber nicht, und du brauchst das nicht.

Du machst drei Regressionen, für jeden Zeitpunkt eine, und dann fasst du das zusammen
indem du "poolst", du tust so als ob es die Ebenen nicht gibt und rechnest quasi über die Zeitpunkte hinweg.
Dadurch verdreifacht du auch die Stichprobengröße!
Du beziehst die Ebenen gerade nicht mit ein!
...wozu auch...es wäre ja schlimm wenn sich der Einfluss der UV über die Zeit ändern würde!!!
Dann hättest du ja ein experimentelles Problem!

eine durchschnittliche Aussage

Das ist ein Problem, da würden mir spontan vier Wege einfallen, um das zu bestimmen,
also vorsicht!

ich würde so machen:
Wenn es um Manipulationskontrolle geht, messen die 4 UVs alle dassselbe?
Manipulationskontrolle = ich verstehe das jetzt mal so, das geprüft werden soll,
ob die eigentliche UV angekommen ist.
Wenn ja, korreliere ich die und zähle die zusammmen, also keine multiple Regression!
Jetzt korreliere ich dreimal bivariat (Pearson) mit der AV (was ich nicht ganz verstehe)
hab drei Korrelationskoeffizienten, die gleich sein sollten und groß..fertig.

Nix mit Vorraussetzungen, multiple Korrelation oder Mehrebenen.

Man kann das auch anders machen! z.B individuell prüfen, ob die UVs wirken,
welche VP ist committed und welche nicht, die kann man dann eliminieren,
du kannst dieses festgestellte individuelle Commitment mit dem Individuellen Effekt
der VP korrelieren...und feststellen das diese Verzerrung den Versuch zerstört!
alles Mehrebenen mit gemischten Modellen.

Man kann das alles ewig verkomplizieren!

Aber brauchts das? Du brauchst aus meiner Sicht auch nicht AMOS und CFA
um festzustellen, ob der Fragebogen ok is...

Es ist wichtig, das du Methoden anwendest, die du beherrscht, in deiner Thesis!
Wenn du da mit Dingern kommst, um den state of the art zu entsprechen, oder zu
simulieren (AMOS?), die du nicht vollständig beherrscht, würde ich, als dein Betreuer, dir
das negativ auslegen!!!! Gefährlich mit Statistik einen auf dicke Hose zu machen!!!!
...gut es sei denn du bist im Marketing.

lieben gruß
dutchie