Interpretation multiple hierarchische Regression

Alle Verfahren der Regressionanalyse.

Re: Interpretation multiple hierarchische Regression

Beitragvon psychwonki » Di 17. Aug 2021, 22:39

Hallo Holgonaut,

sorry, das hatte ich vergessen. Die Wahrnehmung von Kohärenz stellt mein X1 dar und die Wahrnehmung von posttraumatischen Wachstum mein X2. In der Theorie stellen diese zwei Variablen in dem Meaning-Making Modell „Sinn-Inhalte“ dar, die wiederum mit weniger psychologischen Disstress einhergehen sollen.
psychwonki
Grünschnabel
Grünschnabel
 
Beiträge: 9
Registriert: Fr 2. Apr 2021, 13:32
Danke gegeben: 1
Danke bekommen: 0 mal in 0 Post

Re: Interpretation multiple hierarchische Regression

Beitragvon Holgonaut » Mi 18. Aug 2021, 08:30

Hi,

also:
-- die UVn sind Wahrnehmung von Kohärenz stellt mein X1 dar und die Wahrnehmung von posttraumatischen Wachstum
-- Kontrollvariablen sind Alter, religiöses Empfinden und vergangene Tage seit der Diagnose
-- Y (nehm ich an) ist distress

Jetzt bin ich natürlich kein Kliniker und kann nicht wirklich viel sagen, aber die Z's werden kaum Mediatoren sein (das ist schon mal der erste Check). Ich kann mir spontan aber nicht vorstellen, wie ein kausaler Zusammenhang zwischen den Z's und X und Y aussehen könnte? Wie kommst du auf die? Zentraler wäre die Frage gewesen, welche unbeobachteten Faktoren (confounder) sowohl die X's und distress beeinflussen. Das können v.a. genetische Faktoren sein. Zumindest musst du das diskutieren. Wenn dass plausibel ist, wäre eine Lösung gewesen
a) die zu messen und zu kontrollieren. Wenn das nicht möglich ist (z.B. bei genetischen Dispos):
b) Instrumente zu identifzieren (das sind Variablen die die X's beeinflussen, aber nicht direkt Y) und two-stage-least-squares zu rechen
c) Über einen oder mehrere Mediatoren zu spekulieren die den Effekt der Xs auf Y mediieren und die nicht von diesen Drittvariablen beeinflusst werden. Kann man solche Variablen identifizieren (und plausibel machen), lässt sich der Effekt auch bei unbeobachten Drittvariablen/confoundern schätzen in dem man separate den X->M Effekt schätzt (der von der Disposition ja nicht betroffen ist) und ebenso den M->Y - Effekt. Die können dann mittels multipliziert werden (und die Tests über bootstrapping durchgeführt werden). Das war z.B. eine Diskussion beim Effekt des Rauchens auf Lungenkrebs, wo von der Tabakindustrie argumentiert wurde, dass die Beziehung eine Scheinbeziehung ist und durch genetische Dispositionen bedingt ist. Ich kann dir da zum Einstieg das "book of why" von Pearl & McKenzie ans Herz legen, in dem die beiden die Grundzüge der "graph theory" beschreiben. Ich bin jeden Tag aufs neue schockiert, dass diese einfachen Dinge nicht längst jeder weiß.

Man muss ne Menge Gehirnschmalz in die Wahl der controls investieren, aber es lohnt sich weil des die Glaubwürdigkeit des gesamten Modells erhöht. Die übliche Vorgehensweise in der Psych. ist stattdessen sich wegzuducken mit einem "wir ziehen keine kausalen Schlüsse" (wozu macht man es dann?) und ein paar unsinnige Kontrollvaraiblen einzubeziehen. Dann wird im Diskussionsteil des papers eben doch intuitiv kausal interpretiert.

Kurzum: Ich glaube, dass deine controls zumindest nicht schaden und wohl keine Mediatoren und Collider sind. Leider halt ich sie auch nicht für die relevanten Drittvariablen. Das ist keine Schande, aber du könntest mal darüber nachsinnen und das in den limitations diskutieren. Und eben nicht in der üblichen Form des "das ist ja ne cross-sectional study und erlaub keine kausalen Schlüsse". Das ist ein leeres, sinnloses Ritual.

Ich empfehl Leuten bei solchen Planungen von Kontrollvariablen immer die web-software dagitty.net, mit der man rumspielen kann, Modelle zeichen kann und planen kann, welche Variablen man einbeziehen sollte. Der Fachbegriff ist "causal identification strategy". Hier ist ein Intro-Video.

https://www.youtube.com/watch?v=prlZ9k5l1s4

Grüße
Holger
Holgonaut
Foren-Unterstützer
Foren-Unterstützer
 
Beiträge: 767
Registriert: Do 2. Jun 2011, 18:20
Danke gegeben: 3
Danke bekommen: 207 mal in 198 Posts

Vorherige

Zurück zu Regressionanalyse

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 2 Gäste