STATISTIK-FORUM.de

[mschefers]

Liebe Statistiker,

ich untersuche den Zusammenhang von wahrgenommener Realitätsnähe (UV="wR") von Fernsehsendungen mit der Werbewirkung von Product Placements (AV="Einstellung"). Meinen dazugehörigen Fragebogen mit Stimulusvideo haben n=94 Personen beantwortet und ich habe als Kontrollvariablen erhoben: Prädiktoren der wR (Alter, Geschlecht, Status, Bildung, Medienkompetenz, TV-Konsum) und erwartbare Interaktion mit Involvement, parasozialer Interaktion, Persuasionswissen, Beeinflussbarkeit und Reaktanz.

Jetzt habe ich zunächst per Regression der wR auf die Prädiktoren geschaut, welche davon in Frage kommen, um diese für die Regression der AV Einstellung auf die UV wR zu benutzen. Zweitens habe ich die Regression wR dann zunächst auf diese Prädiktoren plus alle anderen angenommenen Kontrollvariablen gerechnet. Dabei kam zunächst heraus, dass in diesem Modell die wR absolut unsignifikant ist. Allerdings habe ich dann durch Trial & Error bei unterschiedlichen Kombinationen der Einschlussvariablen ein Modell gefunden, dass mir für den angenommenen Einfluss der wR eine gute Signifikanz (.018) ausgibt bei einem standardisierten Beta von .305. Das Modell ist signifikant (.000) bei einem korrigierten R² von .345, was mich ebenfalls erstmal zufriedenstellt.

Jetzt habe ich aber eine generelle Frage zu dieser Herangehensweise: ich habe noch kein Modell gefunden, in dem alle Modellparameter signifikant waren, geschweige denn alle Parameter, die ich ursprünglich erhoben habe. Dies sind aber, wenn ich alle einschließe, auch eine Menge (wR + 20 Kontrollvariablen). Mir ist klar, den nackten Zahlen muss immer auch eine adäquate Erklärung zugrunde liegen, deswegen bin ich bei dems Trial & Error etwas skeptisch. Auf der anderen Seite muss ich natürlich schon irgendwie herausfiltern, welche Parameter eben aufgrund der vorhandenen Daten in der Stichprobe überhaupt in Frage kommen. Deswegen denke ich mir: soviele Parameter wie möglich bei signifikanter UV/Modell und im Zweifel davon die theoretisch am besten hergeleiteten. Kann man das so machen? Und wie interpretiert man dann die enthaltenen Parameter, die aber total unsignifikant sind? Sie gehören ja nun trotzdem zum Modell.

Daran anschließend würde ich gerne noch prüfen, ob evtl. ein anderes Modell mit Interaktionstermen besser passt, da ich verschiedene Zusamenhänge der Kontrollvariablen untereinander annehme. Diese Zusammenhänge habe ich in meinen Hypothesen ja auch formuliert. Beispielsweise gehe ich davon aus, dass die wahrgenommene Realitätsnähe deswegen einen Effekt hat, weil sie die Reaktanz der Rezipienten auf das Placement verringert. Dazu habe ich das PROCESS Macro von afhayes.com für SPSS installiert. Müsste man dann ähnlich vorgehen, was das Trial & Error und die Interpretation der final enthaltenen Parameter angeht?

Wenn mir jemand einfach ein paar Anmerkungen macht, wäre ich sehr dankbar. Gebe auch gerne weitere Auskunft über die Daten, je nachdem was erforderlich ist.

Edit: Meine Hypothesen:

H1a Höheres Alter, Bildung, Status und Medienkompetenz bedingen eine niedrigere wahrgenommene Realitätsnähe
H1b Niedriger TV-Konsum und niedriger BTN-Konsum bedingen eine niedrige wahrgenommene Realitätsnähe
H2a Je höher der Grad der wahrgenommenen Realitätsnähe, desto höher ist das Programminvolvement des Rezipienten
H2b Je höher die parasoziale Interaktion zwischen Rezipient und Testimonial, desto höher die wahrgenommene Realitätsnähe
H2c Bei einer höheren wahrgenommenen Realitätsnähe sinkt die Reaktanz gegenüber der integrierten Werbung
H3 Je höher der Grad der wahrgenommenen Realitätsnähe, desto größer sind Einstellungs- und Erinnerungseffekte des Placements