Moderatoranalyse (M=dichotom) & gewichtete Effektstärke

Alle Verfahren der Regressionanalyse.

Re: Moderatoranalyse (M=dichotom) & gewichtete Effektstärke

Beitragvon Patrick_T » So 4. Aug 2019, 20:58

Hallo zusammen,
vielen Dank für eure Hilfe! Nach den Tests bin ich bei 2 Hypothesen tatsächlich zu einem signifikanten Ergebnis gekommen des Interaktionsterms...jetzt muss das natürlich weiter untersuchen, ob das dann überhaupt eine Moderation ist, richtig?

Hypothesen waren in den zwei Fällen:

Der positive Zusammenhang zwischen der Ausprägung des Techno-Stressors Kommunikationsüberflutung und dem Stressempfinden wird durch den Moderator Meditationspraxis vermindert.

Der positive Zusammenhang zwischen der Ausprägung des Techno-Stressors Omnipräsenz der digitalen Technologien und dem Stressempfinden wird durch den Moderator Meditationspraxis vermindert.

Ich habe hier zwei Fragen:
1. Meine Hypothese ist ja gerichtet. Muss ich bei der Interpretation jetzt etwas beachten oder noch weiter rechnen, nachdem ich die Signifikanz raus habe? Beim t-Test musste man die Signifikanz ja nochmal /2 nehmen, wenn man eine gerichtete Hypothese hatte.
2. Leider hat die Skala Omnipräsenz in meiner Studie nur ein Cronbachs Alpha von .51! (in der Primärliteratur .80!!!...ich verstehe es nicht) Kann ich denn überhaupt eine Hypothese bewerten, die mit einer Skala gemessen wurde, die eine so geringe Reliabilität aufweist?

Danke euch!
Vg
Patrick
Patrick_T
 
Danke gegeben:
Danke bekommen: mal in Post

Re: Moderatoranalyse (M=dichotom) & gewichtete Effektstärke

Beitragvon Holgonaut » Mo 5. Aug 2019, 06:36

Moin,

- wie willst du deartige Dichotomien bestimmen?


ich verstehe deine Frage nicht so ganz. Vollständig erfahren kannst du die kausalen Effekte nie (auch in einem Experiment nicht). Jede Inferenz basiert auf nicht test-baren Annahmen. Der Satz ist einfach eine (theoretische) Unterstellung--d.h. es ist plausibel, dass zwei Variablen (in der Welt) inein Netz von kausalen Effekten eingewoben sind. Von diesen geht nur ein Teil auf eine bestimmte Variable zurück; der Rest auf andere, z.B. irrelevante (confounder). Google mal nach "backdoor path".

HTH
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

Re: Moderatoranalyse (M=dichotom) & gewichtete Effektstärke

Beitragvon Holgonaut » Mo 5. Aug 2019, 07:29

Hi Patrick

jetzt muss das natürlich weiter untersuchen, ob das dann überhaupt eine Moderation ist, richtig?


Jein. Der signifikante Produktterm zeigt den Moderatoreffekt. Allerdings musst du explorieren (mittels Grafik), ob die Interaktion auch so aussieht, wie du dir das vorstellst. Je nach look/pattern kann eine nachträgliche simple slope Analyse sinnvoll sein.

1. Meine Hypothese ist ja gerichtet. Muss ich bei der Interpretation jetzt etwas beachten oder noch weiter rechnen, nachdem ich die Signifikanz raus habe? Beim t-Test musste man die Signifikanz ja nochmal /2 nehmen, wenn man eine gerichtete Hypothese hatte.


a) du hast bereits signifikante Ergebnisse mit dem 2seitigen Test, b) Ich würde--gegeben der Tatsache, dass es in der Literatur massig signifikante Nonsens-Ergebnisse gibt, eher für zweiseitig plädieren. Wegen des höheren Fehleranteils bei Produkttermen könnte man bei Interaktionen zum Ausgleich einseitig testen; da wäre mir aber eine Replikation ganz lieb....

2. Leider hat die Skala Omnipräsenz in meiner Studie nur ein Cronbachs Alpha von .51! (in der Primärliteratur .80!!!...ich verstehe es nicht) Kann ich denn überhaupt eine Hypothese bewerten, die mit einer Skala gemessen wurde, die eine so geringe Reliabilität aufweist?


Hier wäre interessant, wodurch das geringe alpha kommt. In den meisten Fällen ist die Skala einfach heterogen und alpha völlig unsinnig. Wenn das der Fall ist, könnte eine Selektion der Kern-items sinnvoll sein (auch wenn bei solchen "theorie-basierten Item-Auswahlen Leute oft aufschreiben). Wenn es wirklich mangelnde Reliabilität ist, wundert mich, warum dann der Produktterm signifikant ist...Das reduziert die power ja noch mal. Wenn dann Dein N nicht so riesig ist, wäre das u.U. ein Indiz dass du keinen sehr reliablen Effekt gefunden hast.

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