STATISTIK-FORUM.de

[Timmytime]

Hi zusammen,

vermutlich für die Statistikcracks hier eine relativ einfache Frage; folgende Situation:

UV: intervallskaliert
AV: intervallskaliert
Moderator: Dichotom (Geschlecht)

- Alle 3 Variablen wurden mittelwertszentriert (Vorgehen wie in diesem Video: https://www.youtube.com/watch?v=horOf-hTuFo )
- und der Interaktionsterm durch Multiplikation von UV x Mod berechnet.
- Dann wurde eine Regression mit UV, Mod, UVxMod (also dem Interaktionsterm) auf die AV berechnet.
-> alle 3 sind signifikant, d.h. es liegt ein Moderationseffekt vor

Meine Fragen:
1) Geht das so, oder hätte ich Geschlecht vorher Dummycodieren müssen? Falls ja, wie genau und fällt dann die Mittelwertzentrierung für den Mod. weg?
2) Wie interpretiert ihr eine solche Moderation, d.h. kann man sich für männdlich vs. weiblich 2 Slopes ausgeben lassen in SPSS?

Viele Grüße
Timmy

[strukturmarionette]

Hi,

- N?
- mit welcher Begründung 'mittelwertzentrierst' du die Rohmesswert-Variablen? Und wie?

Gruß
S.

[Timmytime]

Hi,

- N=137
- Im video wird das empfohlen zur besseren Interpretation der Haupteffekte + irgendwas mit Kollinearität. In anderen Videos rechnen sie auch teilweise mit z-standardisierten Werten.

VG

[bele]

... oder hätte ich Geschlecht vorher Dummycodieren müssen?

Geschlecht ist eine typische Situation für eine Dummycodierung. Meistens kommen nur zwei Geschlechter vor, dann reicht eine Dummyvariable. Mittelwertzentrierung fällt weg. Das dafür erforderliche "mittlere Geschlecht" macht für kategoriale Variablen keinen Sinn und die Auswertung wird leichter.

Wie interpretiert ihr eine solche Moderation, d.h. kann man sich für männdlich vs. weiblich 2 Slopes ausgeben lassen in SPSS?

Über SPSS kann ich nichts sagen, aber wenn Du das Geschlecht dummycodiert hast, ergeben sich die beiden Slopes auch ohne weiteres aus der Koeffiziententabelle.

LG,
Bernhard

[Timmytime]

Hi Bernhard,

vielen Dank. Folgende Nachfragen hätte ich:
- geht es dabei dann um die Interpretierbarkeit oder wird das Ergebnis schlichtweg falsch wenn man keine Dummycodierung macht?
- fällt die Mittelwertszentrierung dann für alle 3 Variablen weg oder nur für das Geschlecht?
- Ich habe so eine Excelvorlage wo ich eine Grafik erstellen kann; die basiert aber darauf dass man das mit z-standardisierten Werten vorher berechnet hat. Kann ich das irgendwie auch damit machen, also Dummycodierung danach z-standardisieren oder macht das gar keinen Sinn?

VG
Timmy

[bele]

- geht es dabei dann um die Interpretierbarkeit oder wird das Ergebnis schlichtweg falsch wenn man keine Dummycodierung macht?

Persönlich würde ich es schlichtweg für einen Fehler halten wenn man sagt, dass das durchschnittliche Geschlecht der Teilnehmer 1,63 war. Wenn das Ergebnis nur die Signifikanz ist, erwarte ich nicht, dass da was falsches herauskommt, hab aber auch nicht länger drüber nachgedacht.

- fällt die Mittelwertszentrierung dann für alle 3 Variablen weg oder nur für das Geschlecht?

Das kommt auf die Gründe an, warum Du zentrierte Variablen nutzt. "besseren Interpretation der Haupteffekte + irgendwas mit Kollinearität" Die Interpretierbarkeit der Daten ist dann am besten, wenn Dir das Interpretieren leicht fällt und Kollinearität räumt man leider nicht so einfach durch Zentrieren vom Tisch.

- Ich habe so eine Excelvorlage wo ich eine Grafik erstellen kann; die basiert aber darauf dass man das mit z-standardisierten Werten vorher berechnet hat. Kann ich das irgendwie auch damit machen, also Dummycodierung danach z-standardisieren oder macht das gar keinen Sinn?

"Ich habe da eine Excelvorlage" und "macht das Sinn" passen nicht zusammen. Ich weiß nicht, was für eine Vorlage Du da hast und ich vermute, dass man jede Statistikgrafik die sich in Excel machen lässt besser auch in SPSS machen kann, aber da ich Statistiken nie mit Excel und nie mit SPSS mache, bin ich da kein guter Ansprechpartner für.

LG,
Bernhard

[Holgonaut]

Hallo alle,

wenn ich noch eine Sache nachschieben kann. Ein Grund für Deine Verwirrung ist vielleicht der Begriff "Haupteffekt". In einem Modell mit einem Produktterm gibt es keine Haupteffekte sondern konditionale Effekte (first-order effects). Das heißt, dass der
a) Intercept der Erwartungswert von Y bei X und Z = 0 ist (wobei X der Prädiktor und Z der Moderator ist)
b) Der B-Koeffizient von X (bzw. Z) derjenige Effekt von X bei Z = 0 ist (und analog der Effekt von Z der bei X=0).

Ob du zentrierst und welche Variable du zentrierst, hängt davon ab, was du haben möchtest. Ist Z = Alter, macht eine Nicht-Zentrierung keinen Sinn, weil du dann den Effekt von X für alle Leute mit einem Alter von 0 bekommst. Zentrierst du aber, wird 0 der Mittelwert. Nun ist der Effekt von X der Effekt für alle mit durchschnittlichem Alter.

Analog bei Geschlecht (oder jedwelcher dummy-Variable). Hier lässt man sie unzentriert, weil der First-order-Effekt von X dann der Effekt von X *in der Referenzkategorie* (Z =0) ist und der Produktterm die Differenz zwischen Z=0 und Z=1 im Effekt ist. Kann man direkt ablesen und ist intuitiv zu verstehen

Grüße
Holger

[Timmytime]

Dankeschön für die Antworten. Kann ich innerhalb eines Modells auch 2 Variablen zentrieren und eine dritte nicht? Oder muss das entweder bei allen oder keinem passieren?

Könnte ich das z.B. wie folgt machen:
- UV: Emotionale Anforderungen (intervallskaliert): Mittelwertszentrierung/ oder z-Standardisierung
- AV: Stress (intervallskaliert): Mittelwertszentrierung/ oder z-Standardisierung
- Moderator: Geschlecht (dichotom): 0/1 Codierung, keine zusätzliche Mittelwertszentrierung oder z-Standardisierung (oder kann ich auch so eine Variable z-Standardisieren wegen der Einheitlichkeit? (die Interpretation wäre ja auch ohne leicht gegeben weil man halt den Effekt auf Basis der Referenzkategorie 0 direkt interpretieren kann))

Viele Grüße

[Holgonaut]

Hi,

es braucht keine Einheitlichkeit. Wie dargelegt habe, hängt das von den Interpretationen hab, die du theoretisch haben möchte. Binäre Prädiktoren zu zentrieren, macht keinen Sinn (wie bele schon geschrieben hatte), weil ein X-Effekt bei durchschnittlichem Geschlecht wenig informativ ist.

Die AV braucht eigentlich gar nicht zentriert zu werden.

Schau dir mal den Artikel hier an--der erklärt das alles
Frazier, P. A., Barron, K. E., & Tix, A. P. (2004). Testing moderator and mediator effects in counseling psychology. Journal of Counseling Psychology, 51(1), 115-134.

Grüße
Holger

[Timmytime]

Okay vielen Dank. Ich habe mal zum Vergleich die Rechnung mit Mittelwertszentrierten Werten von UV,Mod und Interaktionsterm gemacht und einmal ohne jegliche Zentrierung von UV, Mod und Interaktionsterm.

Es kommen jedoch andere Ergebnisse heraus:
- Ohne Mittelwertszentrierung sind die UV und der Moderator (also die Betagewichte) alleine nicht mehr signifikant (mit Zentrierung schon auf ,000); und die standardisierten Betagewichte werden negativ...
- Der Interaktionsterm weist bei beiden den gleichen Signifikanzwert auf, aber das standardisierte Betagewicht ist beim Durchlauf ohne Mittelwertszentrierung viel größer (,870 vs ,223)

Ich kann mir das nicht erklären, wenn es nur für die Interpretation relevant ist ob ich zentriere oder nicht, wie kann es dann sein dass sich auch die Signifikanzen und standardisierten Betagewichte verändern. Sollten die nicht in beiden Fällen gleich sein?