STATISTIK-FORUM.de

[FJag]

Hallo,

für meine Bachelorarbeit untersuche ich eine partielle Mediation. UV, AV und Mediator sind alle ordinal skaliert. UV und AV 1=stimme überhaupt nicht zu, 7 = stimme voll und ganz zu. Für den Mediator habe ich 1 = Trifft nicht zu, 5 = Trifft zu. Ich verstehe nicht ganz welche Regression ich nutzen muss. Mein Betreuer hatte mir damals gesagt dass ich lineare Regression nutzen soll, allerdings funktioniert das nicht richtig wenn alles ordinal skaliert ist, oder? Was kann ich denn jetzt machen/nutzen?

Vielen Dank im Voraus!

Mit freundlichen Grüßen

[PonderStibbons]

Pragmatisch betrachtet, wenn Dein Betreuer was zu entscheiden hat und er entscheidet,
dass diese Variablen als intervallskaliert zu behandeln sind, dann bist Du doch fein raus.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo,

für meine Bachelorarbeit untersuche ich eine partielle Mediation. UV, AV und Mediator sind alle ordinal skaliert. UV und AV 1=stimme überhaupt nicht zu, 7 = stimme voll und ganz zu. Für den Mediator habe ich 1 = Trifft nicht zu, 5 = Trifft zu. Ich verstehe nicht ganz welche Regression ich nutzen muss. Mein Betreuer hatte mir damals gesagt dass ich lineare Regression nutzen soll, allerdings funktioniert das nicht richtig wenn alles ordinal skaliert ist, oder? Was kann ich denn jetzt machen/nutzen?

Vielen Dank im Voraus!

Mit freundlichen Grüßen

Hallo,

Du hast sehr wahrscheinlich Mediationsanalyse nur aufbauend auf einfacher linearer Regression gelernt. Wahrscheinlich ist lineare Regression die einzige Form von Regression, die Du gelernt hast. Eine interessante Form der Regressionsrechnung sind sogenannte Regressionsbäume. Dabei wird ein Entscheidungsbaum entwickelt, der aus lauter Größer-als- und Kleiner-als-Entscheidungen aufbaut und sich dadurch hervorragend für ordinale Daten eignet, denn es wird genau die Information gebraucht, die ordinale Daten in sich tragen. Hinter dieser DOI versteckt sich ein Paper, in dem vorgestellt wird, wie man diese Baum-Regression für einfache Mediationsanalysen anpassen kann: https://doi.org/10.1111/jep.12848 (Ich habe das jetzt nicht vollständig gelesen, beim 'reinlesen scheint es mir recht gut lesbar, im Vergleich zu manch anderem zum Thema Mediationsanalyse). Das Paper ist hinter einer Paywall versteckt, ich konnte es aber mit dem Zugang meiner Universität dank Shibboleth einsehen.

While the study of mediating variables in the social sciences dates back to at least 1928, Baron and Kenny's seminal paperusingstructural equation models (SEMs) popularized the approach—which to date remains the preferred approach to mediation analysis. More recently, advances in mediation analysis—based on the potential out-comes framework—clarified the conditions under which mediationeffects can be given a causal interpretation and initiated a proliferationof additional methods for estimating mediation effects. However,strong assumptions are required of all methods for generating unbiased mediation effects: (1) correct temporal alignment between the treatment, mediator, and outcome; (2) no unmeasured confounding between the treatment and mediator, between the treatment and out-come, or between the mediator and outcome; (3) the treatment doesnot confound the relationship between the mediator and outcome;(4) no measurement error in any of the variables; (5) correct specification of the mediator and the outcome model; and (6) no treatment‐by‐mediator interaction.
[...]
The CTA‐mediation strategy overcomes several limitations of the existing alternatives for mediation analysis, by not requiring any assumptions about the distribution of the mediator and of the outcome, or of the functional form of the model. Moreover, CTA will systematically identify a treatment‐by‐mediator interaction if it exists, as well as any other interaction between variables.

Grundsätzlich sollte es also Lösungsmöglichkeiten geben und vielleicht ist das genannte ein Leseeinstieg. Mein Eindruck ist, dass beim Googlen nach "ordinal" und "mediation" eine große Zahl von Treffern kommt, die sich nur auf ordinale Outcomes und nicht auf ordinale Prädiktoren beziehen und beim Googlen nach "decision tree" und "mediation" häufig der Begriff "Mediation" für das Vermitteln zwischen Partnern mit widersprüchlichen Anforderungen steht und eben nicht für Statistik. Will sagen: Überschüttet mit tollen Treffern wurde ich bei einem ersten Google-Versuch nicht. Insofern hat PonderStibbons pragmatische Sichtweise schon ihren Reiz

Viel Erfolg,
Bernhard