STATISTIK-FORUM.de

Hallo Leute,
ich habe im Rahmen meiner Masterarbeit einige Analysen durchgeführt. Wenn ich eine Moderatoranalyse machen, dann wirkt meine Variable als Moderator auf die AV.
Wenn ich die gleiche Analyse nochmals mache als Mediator, ist dies auch signifikant. Ist das möglich, dass eine UV auf die gleiche AV sowohl als Moderator als auch als Mediator wirkt oder mache ich da irgendetwas falsch?
Hatte die beiden Variablen auch schon auf Multikollinearität getestet - auch negativ.

Bitte helft mir!

Danke,

Lisa

Siehe den anderen thread - ohne Informationen, wie soll man da was sagen.

Hi Ponderstibbons!
Danke, dass du mir helfen willst! Mein Problem ist, dass ich bei der Moderatoranlyse und Mediation beides mal signifikante Ergebnisse bekomme - mit den gleichen X Y und M-Variablen und ich weiß nicht, ob das so rechtens ist. Hier siehst du meinen beiden Outputs und kurze Hintergrundinfo:

Geprüft soll werden, ob die Wahl des Vergütungsmodells (in unserem Fall „rein Provisionsbasiert“ oder „inkl. Kundenzufriedenheitsanteil“ einen Einfluss auf die Weiterempfehlung (WOM) hat und wie dieser mediiert/moderiert wird..
Deshalb gibt es zwei Szenarien: „inkl. Kundenzufriedenheit“ und „rein Provisionsbasiert“
In SPSS nennen wir die Wahl des Vergütungsmodell-Variable „Kundenzufriedenheit 0/Prov=1“, welche je nach Szenario nach 0 und 1 kodiert wurden.
Voraussetzung für Regression: Kein Vorliegen von Multikollineariät. Dazu Überprüfung von Korrelation nach Bravais-Pearson, welche nicht über 0.7 sein sollte.--> Ist gegeben.
Stichprobengröße ist 100 (je Szenario 50)


Frage: Hat die Wahl des Vergütungssystems (Variable Kundenzufriedenheit=1/Prov=0) einen Einfluss auf die Weiterempfehlung und wird dieser Zusammenhang von der Angebotsbewertung mediiert?

Run MATRIX procedure:

**************** PROCESS Procedure for SPSS Release 2.12.1 **************

Written by Andrew F. Hayes, Ph.D. http://www.afhayes.com
Documentation available in Hayes (2013). http://www.guilford.com/p/hayes3

**************************************************************************
Model = 4
Y = WOM (Weiterempfehlung)
X = Kundenzu (Kundenzufriedenheit=1/Prov=0)
M = Angebots (Angebotsbewertung)

Sample size
100

**************************************************************************
Outcome: Angebotsbewertung

Model Summary
R R-sq MSE F df1 df2 p
,2955 ,0873 1,7929 9,3761 1,0000 98,0000 ,0028

Model
coeff se t p LLCI ULCI
constant 4,8400 ,1894 25,5598 ,0000 4,4642 5,2158
Kundenzu -,8200 ,2678 -3,0620 ,0028 -1,3514 -,2886

**************************************************************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,6732 ,4532 1,1821 40,2042 2,0000 97,0000 ,0000

Model
coeff se t p LLCI ULCI
constant ,9651 ,4257 2,2669 ,0256 ,1202 1,8101
Angebots ,6601 ,0820 8,0478 ,0000 ,4973 ,8229
Kundenzu -,3187 ,2276 -1,4003 ,1646 -,7705 ,1330

************************** TOTAL EFFECT MODEL ****************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,2969 ,0882 1,9512 9,4761 1,0000 98,0000 ,0027

Model
coeff se t p LLCI ULCI
constant 4,1600 ,1975 21,0584 ,0000 3,7680 4,5520
Kundenzu -,8600 ,2794 -3,0783 ,0027 -1,4144 -,3056

***************** TOTAL, DIRECT, AND INDIRECT EFFECTS ********************

Total effect of X on Y
Effect SE t p LLCI ULCI
-,8600 ,2794 -3,0783 ,0027 -1,4144 -,3056




Frage: Wird der Einfluss der Variable „Kundenzufriedenheit=0/Prov=1“ auf die Weiterempfehlung von der Angebotsbewertung beeinflusst?

Run MATRIX procedure:

**************** PROCESS Procedure for SPSS Release 2.12.1 **************

Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3

**************************************************************************
Model = 1
Y = WOM (Weiterempfehlung)
X = Kundenzu (Kundenzufriedenheit=1/Prov=0)
M = Angebots (Angebotsbewertung)

Sample size
100

**************************************************************************
Outcome: WOM

Model Summary
R R-sq MSE F df1 df2 p
,6924 ,4794 1,1373 29,4637 3,0000 96,0000 ,0000

Model
coeff se t p LLCI ULCI
constant ,1927 ,5461 ,3529 ,7249 -,8912 1,2767
Angebots ,8197 ,1084 7,5590 ,0000 ,6044 1,0349
Kundenzu 1,2393 ,7441 1,6655 ,0991 -,2377 2,7163
int_1 -,3550 ,1617 -2,1950 ,0306 -,6761 -,0340

Interactions:

int_1 Kundenzu X Angebots

R-square increase due to interaction(s):
R2-chng F df1 df2 p
int_1 ,0261 4,8180 1,0000 96,0000 ,0306

*************************************************************************

Conditional effect of X on Y at values of the moderator(s):
Angebots Effect se t p LLCI ULCI
3,0355 ,1616 ,3126 ,5170 ,6063 -,4589 ,7822
4,4300 -,3334 ,2234 -1,4927 ,1388 -,7768 ,1100
5,8245 -,8285 ,3221 -2,5717 ,0117 -1,4679 -,1890

Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.

******************** ANALYSIS NOTES AND WARNINGS *************************

Level of confidence for all confidence intervals in output:
95,00


Vielen Dank für deinen Input!!
Lisa

Eine Variable kann nicht zugleich Mediator und Moderator sein, zu dem speziellen Ergebnismuster hier habe ich aber leider keine Vorstellung.

Mit freundlichen Grüßen

PonderStibbons