Signifikanz durch KVs - hierarchisch moderierte Regressionsanalyse

[sunrise02]

Hey,

ich rechne aktuell eine hierarchisch moderierte Regressionsanalyse in welche ich die quadrierten Terme von UV und Moderator als statistische KVs mit aufnehme. Liegt daran, dass UV und Moderator über .30 korrelieren.

Lasse ich die beiden quadrierten Terme raus, wird die Moderation nicht signifikant, bzw. Delta R^2 eben nicht im Dritten Schritt, in welchem ich den Interaktionsterm mit aufnehme.
In der Rechnung mit den statistischen KVs (auch mit inhaltlichen) wird der Interaktionsterm jedoch signifikant.
Also Zusammengefasst eben nur, wenn ich die quadrierten Terme mit aufnehme, kommt was signifikantes raus.

Hat jemand von euch eine Idee wie ich das Interpretieren kann, bzw. woran das liegt? Ich hatte eigentlich gedacht, dass man durch die quadrierten Terme konservativer testet.

Vielen lieben Dank im voraus!
Liebe Grüße

[dutchie]

Hallo sunrise

in welche ich die quadrierten Terme von UV und Moderator als statistische KVs mit aufnehme. Liegt daran, dass UV und Moderator über .30 korrelieren.

Gibt es für dieses Vorgehen eine Quelle? Das hör ich zum ersten mal, dass man da einfach rumquadriert,
zudem mit der Begründung einer Korrelation zwischen X und Mod.

Teste mal alles auch Kollinearität, VIF usw...
diese Quadrate müssten doch hoch mit den unquadrierten korrerlieren.

Hat jemand von euch eine Idee wie ich das Interpretieren kann, bzw. woran das liegt? Ich hatte eigentlich gedacht, dass man durch die quadrierten Terme konservativer testet.

z.B. das Modell wird größer, der Fehler kleiner, es wird signifikant.

interpretier mal weniger R2 sondern die einzelnen Prediktoren, schau
wie sich da was verändert.

mehr kann ich nicht sagen, ohne das ganze Modell zu kennen.

gruß
dutchie

[sunrise02]

Quelle hab ich:
09 May 2013
Moderation in Management Research: What, Why, When, and How von Jeremy F. Dawson

Also das Beta-Gewicht des Interaktionsterms wird in jedem Fall auch signifikant.
Ich hatte mich auf R^2 und dessen Änderung fokussiert, weil darin ja deutlich wird, dass es über die KVs hinaus Varianz aufklärt.

Vielen Dank schonmal!
Liebe Grüße

[dutchie]

Hallo,

wie willst du die quadrierten Terme begründen?
damit, dass x und Mod korrelieren?

Mach auch alle bivariaten Streudiagramme zwischen den Variablen,
um zu sehen, ob der Zusammenhang eher linear oder quadratisch ist,

Es gibt keinen Automatismus, der nach quadratischen Termen schreit!!

Das ist eine gute Quelle:
HAYES
http://afhayes.com/introduction-to-medi ... lysis.html

ich hatte mich auf R^2 und dessen Änderung fokussiert, weil darin ja deutlich wird, dass es über die KVs hinaus Varianz aufklärt.

Also die Änderung in R2 wird signifikant? aber die quadrierten Terme in der Regression nicht?

Inwieweit macht das denn das Ganze auch inhaltlich Sinn?
z.B. Konsum und Nutzen ist nicht linear, aber deshalb noch lang nicht quadratisch...

gruß
dutchie

[sunrise02]

Also es gibt einen ganz leichten linearen Zusammenhang zwischen AV und UV (aber nicht signifikant).
Das ist ja eine Voraussetzung für die Regressionsanalyse soweit ich das richtig verstanden habe.

Und genau, ich wollte damit begründen, dass UV und Mod zu über .30 korrelieren.

Ich bin jetzt ein bisschen unsicher worauf du mit dem quadratischen Zusammenhang hinaus möchtest.

Aber vielen Dank, dass du dir die Zeit nimmst!

Liebe Grüße

[dutchie]

Also es gibt einen ganz leichten linearen Zusammenhang zwischen AV und UV (aber nicht signifikant).
Das ist ja eine Voraussetzung für die Regressionsanalyse soweit ich das richtig verstanden habe.

Es wäre schon gut, wenn UV und AV signifikant korrelieren würden!!!
Andererseit kann eine Moderation dafür sorgen,
dass der Zusammenhang erst in Abhägigkeit vom Moderator sig wird.
Wenn UV und AV nicht linear korrelieren, kann es sein, dass sie es quadratisch tun.

Und genau, ich wollte damit begründen, dass UV und Mod zu über .30 korrelieren.

damit begründerst du doch keine quadratischen Zusammenhang von UV und AV??

ich bin jetzt ein bisschen unsicher worauf du mit dem quadratischen Zusammenhang hinaus möchtest.

Ja, worauf möchtest du denn hinaus ?
Mein Verdacht ist, dass du es einfach mal so machst...
man kann es ja testen...

y = a + bx
y = a + bx + cx2

Du kannst ja auf Hinzunahme x2 testen...
Aber dadurch erhöhst du die Anzahl möglicher Modelle..

z.B.
y = a + b x2 +c Mod + d Mod2+ e xMod +f x2Mod2

UV: x mod x2 mod2 ..

Man hat entweder Hypothesen oder eine Modellbildungsstrategie,
wenn man weiß, wozu das Ganze gut ist...

gruß
dutchie

[sunrise02]

Also ich hatte es jetzt aus der Quelle heraus nicht so verstanden, dass es ein quadratischer Zusammenhang sein müsste zwischen UV und mod.
Ich würde es so verstehen, dass sobald die beiden Prädiktoren eben über .30 korrelieren, dass dann die quadrierten Terme als statistische Kontrollvariablen aufgenommen werden sollen um konservativer zu testen. Und eben um zu schauen, ob der Zusammenhang nicht durch die Überlappung der Konstrukte entsteht.
Ich entnehme das aus der Quelle, nicht aus meinem statistischen Verständnis. Aber genau das ist vielleicht das Problem, dass ich nicht genau verstehe was diese quadrierten Terme bringen, und warum es ausschließlich mit einbezug dieser Signifikant wird.

Und wie gesagt es wäre mir persönlich neu, dass ich einen quadratischen Zusammenhang zwischen UV und AV brauche. Ich brauche soweit ich weiß einen linearen, und den habe ich - wenn auch gering.

Liebe Grüße

[dutchie]

hallo,

AV = y

du hast ja nur diese Quelle:
What, Why, When, and How von Jeremy F. Dawson

wärst du jetzt zufälligerweise auf ein anderes Paper gestoßen
in dem so was gar nicht drin steht, hättest du das Problem gar nicht.

Es wird Bezug genommen auf Cortina (1993), und sonst nichts??
1993?? bissi lang her, SPSS 1 gab es wann 1983?!

auf Seite 35 steht dazu was...

Wenn UV und Y und wenn MOD und Y curvilinear sind
a) ---> feststellen, ob sie das sind!

kann dies dafür verantwortlich sein, dass eine Interaktion sig. wird
wenn UV und MOD korrelieren!

dazu machst du
b) --> X, Z, X2 and Z2 in Modell
c) --> nimmst dann XMOD hierarchisch auf und schaust ob delta R sig ist

Das wäre konservativ, ja klingt logisch.
Sind denn alle Regressionskoeffizienten positiv sowie alle Korrelationen.
Du solltest eventuell auch ein Venn Diagramm machen, um darzustellen
wer wie viel aufklärt!!

ich denke das hast du gemacht...

Und eben um zu schauen, ob der Zusammenhang nicht durch die Überlappung der Konstrukte entsteht.

?? ES geht wohl darum sicherzustellen, dass wenn eine sig Interaktion vorliegt.
diese nicht durch einen curviline Zusammenhang zwischen UV MOD und AV
entsteht.

Und wie gesagt es wäre mir persönlich neu, dass ich einen quadratischen Zusammenhang zwischen UV und AV brauche. Ich brauche soweit ich weiß einen linearen, und den habe ich - wenn auch gering.

Es geht nicht darum was du brauchst!! sondern darum wie sich die wahren Zusammenhänge gestalten.

und warum es ausschließlich mit einbezug dieser Signifikant wird.

Es geht um die sig der Interaktion XMOD!!
wird diese bei c) sig?

Außerdem scheint es so zu sein, dass die UV und der Mod stärker korrelieren
als UV und AV???

gruß
dutchie