STATISTIK-FORUM.de

[Statistikdops]

Guten Tag,
ich bin neu hier und arbeite gerade an meiner Masterarbeit.

Ich habe in meiner quantitativen Studie den Zusammenhang zwischen Positive Leadership und Psychologischer Sicherheit untersucht. Dabei habe ich speziell die Auswirkungen des PERMA-Lead-Verhaltens der unmittelbaren Führungskraft auf die Ausprägung der Psychologischen Sicherheit der Mitarbeitenden untersucht. PERMA-Lead hat fünf Dimensionen: Positive Emotions, Engagement, Relationships, Meaning, Accomplishment. Die 5 Dimensionen des PERMA-Leads werden je in 3 Items (gesamt 15) gemessen. Die Psychologische Sicherheit mit dem deutschsprachigen PS-C nach Fischer und Hüttermann (Langversion, 7 Items).

Dr. Ebner, von dem das PERMA-Lead Modell stammt und Martin Seligmann, der Urheber des PERMA-Modells (ohne Lead) ist, haben selbst angemerkt, dass zwischen den Dimensionen eine hohe Korrelation herrscht.
Ich habe für mein Modell einmal die "Gesamtauswirkung" (PERMA-Durchschnitt) auf die Psychologische Sicherheit und einmal die Auswirkungen der einzelnen Dimensionen untersucht.

Erwartungsgemäß habe ich bei der Korrelationsanalyse der einzelnen Dimensionen festgestellt, dass alle r-Werte zwischen den Dimensionen bei 0,7-0,8 bei p-Werten von <0,001 liegen. Es liegt also ein signifikante hohe Korrelation vor.

Nun habe ich in einem zweiten Schritt eine Kollinearitätsanalyse durchgeführt. Als abhängige Variable habe ich die psychologische Sicherheit gewählt, als unabhängige Variablen die 5 einzelnen PERMA-Dimensionen.
Dort bekomme ich jetzt Toleranzwerte von 0,2 bis 0,3 und VIF-Werte, die alle unter 5 (VIF = 3-4,6) liegen.

Ist meine nachfolgende Erklärung/Schlussfolgerung richtig:
- Hypothese 2 hat die einzelnen PERMA‑Dimensionen als getrennte Prädiktoren der psychologischen Sicherheit betrachtet. Das PERMA‑Modell wird jedoch häufig dafür kritisiert, dass die Dimensionen einen hohen Zusammenhang haben, also stark miteinander korrelieren. Dies bedeutet, dass Personen mit hohen Ausprägungen in einer PERMA‑Dimension typischerweise auch hohe Werte in den übrigen Dimensionen aufweisen.
- Vor dem Hintergrund dieser hohen Korrellationen zwischen den Dimensionen stellt sich die Frage, ob die gleichzeitige Verwendung aller PERMA‑Dimensionen als unabhängige Variablen in einem Regressionsmodell auf psychologische Sicherheit zu problematischer Kollinearität führt. Um dies zu prüfen, wurden für die PERMA‑Dimensionen als Prädiktoren Toleranz-werte (T) und Varianzinflationsfaktoren (VIF) berechnet. Niedrige Toleranzwerte beziehungsweise hohe VIF‑Werte würden darauf hinweisen, dass sich die Prädiktoren stark überschneiden und die Schätzung der einzelnen Regressionskoeffi-zienten erschwert ist. In der vorliegenden Analyse lagen die Toleranzwerte jedoch durchgängig über 0,22 und die VIF‑Werte unter 5, sodass trotz der hohen Korrelationen zwischen den Dimensionen keine kritische Multikollinearität im Regressionsmodell zu erwarten ist und die PERMA‑Dimensionen als getrennte Prädiktoren der psychologi-schen Sicherheit interpretiert werden können.

Ganz kurz ausgedrückt:
- Die hohe Korrelation sagt aus, dass Personen mit hohen Ausprägungen in einer PERMA‑Dimension typischerweise auch hohe Werte in den übrigen Dimensionen aufweisen
- Die VIF- und T-Werte sagen aus, dasss keine kritische Kollinearität vorliegt

In der anschließenden Regressionsanalyse kam übrigens raus, dass ledigich R(elationships) mit einem Beta-Wert von 0,47 bei p=0,002 einen eigenständigen robusten Beitrag zur Vorhersage psychologischer Sicherheit leistet.

Ich bin sehr auf eure Rückmeldungen und Einschätzungen gespannt.

Ganz herzliche Grüße
Dominik

[strukturmarionette]

Hi,

- da scheint statistisch-wissenschaftlich alles gut zu sein.
- außer das Angaben zum Stichprobenumfang, zum Zustandekommen der Stichprobe und zur Zielpopulation fehlen.

Gruß
S.

[Statistikdops]

Danke für die Rückmeldung.

Der Stichprobenumfang beträgt N=167, die Grundgesamtheit ca. 775.
Die Grundgesamtheit wurde per E-Mail angeschrieben, dabei wurde um eine freiwillige Teilnahme geworben.
Gruß Dominik

[bele]

Hallo Statistikdops,

die Frage ist doch, was Du eigentlich willst. Wenn Du zeigen willst, dass PERMA überhaupt im Zusammenhang mit psychologischer Sicherheit steht, dann kannst Du die fünf Eigenschaften in das Regressionsmodell nehmen und schaust Dir dann nicht die Signifikanz jedes einzelnen Faktors an, sondern die Gesamtsignifikanz und die Erklärungskraft des Modells. Wenn Du wissen willst, wieviel jeder einzelne Faktor beiträgt, wenn man die anderen nicht kennt, dann rechne fünf Modell mit je nur einem Prädiktor und wenn Du wissen willst, wieviel jeder Prädiktor noch beiträgt, wenn man die anderen schon kennt, dann machst Du das zweistufig: Vier Faktoren sagen die psychologische Sicherheit voraus und in einem zweiten Modell sagt der zu untersuchende Faktor die Residuen aus dem ersten Modell voraus. Du musst also sehr genau überlegen, was Du genau möchtest.

> In der anschließenden Regressionsanalyse kam übrigens raus, dass ledigich R(elationships) mit einem Beta-Wert von 0,47 bei p=0,002 einen eigenständigen robusten Beitrag zur Vorhersage psychologischer Sicherheit leistet.

Lass den doch einfach mal aus dem Modell raus und schau, ob von den anderen vier nicht doch noch einer signifikant wird. Die Chancen dafür stehen recht gut.

Wenn Du viele miteinander korrellierende Prädiktoren hast, dann brauchst Du eine hohe Fallzahl, um jedes Beta präzise zu bestimmen. Sind wir da einig? In der Formel für den VIF kommt die Fallzahl gar nicht vor, richtig? Macht das den VIF nicht zu einem sehr fragwürdigen Kriterium?

LG,
Bernhard