Zusammenfassung Theorie Moderation, Mediation, Ancova PDF

Preview

Summary

Download Zusammenfassung Theorie Moderation, Mediation, Ancova PDF

Description

Zusammenfassung Methodenlehre und Statistik 3→ Theorie

Moderationsanalyse Konzeptuelles Modell Definition: ➢ Eine Moderatorvariable ist eine Variable, welche die Beziehung zweier anderer Variablen beeinflusst. o Die Abhängigkeit des Kriteriums vom Prädiktor wird moderdiert/verändert durch diese Variable o Diese dritte Variable wird nicht allein als Prädiktor verwendet(sondern in einer Interaktion) ➢ Es stellt sich also die Frage: bewirkt eine Variable X1 einen Interaktionseffekt auf die Beziehung der beiden anderen Variablen Y und X2? Ein solcher Interaktionseffekt wäre im statistischen Sinne gleichzusetzten mit einem Moderationseffekt. Formal: o Multiples Regressionsmodell: Yi = b0 + b1 . X1 + b2 . X2 o Wird auch die Interaktion der Prädiktoren berücksichtigt(X1, X2) erhält man das Moderationsmodell: Y = b0 + b1 . X1 + b2 . X2 + b3 . X1 . X2 o

Kriterium = Intercept + Pädiktor1 + b1 . Prädiktor1 + b2 . Prädiktor2 + b3 . Interaktion

Statistisches Modell Definition: ➢ Eine Moderationsanalyse entspricht einer multiplen Regression mit dem zusätzlichen Prädiktor Interaktion Koeffizienten: ➢ Def.: Ein Prädiktor repräsentiert die Regression des Kriteriums wenn die anderen Prädiktoren gleich Null sind o b1 entspricht dem Koeffizienten einer Regresssion, wenn Prädiktor 2 Null ist. o o

b2 entspricht dem Koeffizienten einer Regression wenn Prädiktor 1 Null ist. In vielen Fällen wäre die Ausprägung Null eines Prädiktors jedoch nicht sinnvoll→ deshalb werden die Präktoren auf die Abweichungen des „grand averages“ zentriert

Zentrierung: o o o

Ähnlich der z-Transformation, jedoch Division durch die Standartabweichung nicht relevant (man verwendet den oberen Teil der z-Transformation: von jedem Wert den Mittelwert abziehen) Zentrierung hat keinen Einfluss auf den highest order predictor

o

Einfluss auf die Koeffizenten: - B1 zeigt den Effekt zwischen Prädiktor und Kriterium, wenn der Prädiktor 2 eine durchschnittliche Ausprägung hat - B2 zeigt den Effekt zw. Prädiktor und Kriterium wenn der Prädiktor 1 eine durchschnittliche Ausprägung hat.

Gründe für die Zentrierung: o o

Aus Gründen der Interpretierbarkeit(wenn Nullsetzen der anderen Prädiktoren keinen Sinn ergeben würde) Aus statistischen Gründen( wenn X1 und X2 hoch korrelieren, also Multikolinearität aufweisen, kann dieses Problem durch die Zentrierung entschärft werden

Interpretation b o o

Die Zentrierung ermöglicht auch dann die Interpretation der lower order predictors, wenn Null Werte keinen Sinn ergeben würden Bei zentrierten Prädiktoren können b`s folgendermaßen interpretiert werden: 1. Zeigen den Effekt des jeweiligen Prädiktors beim Mittelwert der Stichprobe 2. Zeigen den durchschnittlichen Effekt des Prädiktors über die Spannwerte der Werte des anderen Prädiktors.

➢ Die Interpretation der lower order predictors ist nur sinnvoll, wenn die higher order predictors nicht signifikant sind! Interaktion Interaktionsterm als Produkt der beiden Prädiktoren→ berechnet sich durch Multiplikation der beiden Variablen ➢ Besteht eine sign. Interaktion, liegt ein Moderationseffekt vor! o Dann wissen wir zwar dass ein Moderationseffekt vorliegt, aber nicht in welcher Weise. o

Simple Slopes o

Process macht standart mäßig 3 Werte: - Niedrig: Werte die um eine Standartabweichung unter dem Mittelwert des Moderators liegen - Mittel: Mittelwert des Moderators - Hoch: Werte die um eine Standartabweichung über dem Mittelwert liegen

Moderation ohne Process: 1. Zentrierung des Prädiktors und Moderators 2. Erstellung Interaktionsterm 3. Multiple Regression mit dem zentrierten Prädiktor, zentierten Moderator und der Interaktion als unabhängige Variablen. o Vorteil dieser Vorgehenweise: Eventuell vorhander Bias könnte ersichtlich werden o Nachteil: Zeitaufwändiger und keine Simple Slope Analyse

Berichten der Ergebnisse: o

Resultat der ANOVA(model summary im process) wird berichtet

F(3,438) = 90.53; p...