Видео

M.E. jeweils die Vergangenheit. Die Bearbeitungszeit betrug 7 Minuten (irgendwann in der Vergangenheit, als die Leute den Fragebogen ausfüllten), die Studienteilnehmer waren zwischen 18 und 60 Jahren alt (heute sind sie vielleicht schon ein Jahr älter, wenn die Daten letztes Jahr erhoben wurden), usw.

@@RegorzStatistik vielen Dank!

Was genau soll da nach welcher APA-Regel aus Ihrer Sicht kursiv geschrieben werden?

@@RegorzStatistik kommt Smiley nicht aus dem englischen? Danke für die Antwort

@@midasara3994 Ach so, deshalb. Nein, denn Wörter aus einer fremden Sprache, die im Wörterbuch der eigenen Sprache stehen (deren Verständnis man insofern voraussetzen kann), werden nicht kursiv geschrieben. Und da Smiley wohl im Duden steht, nicht kursiv.

@@RegorzStatistik vielen Dank :)

I don't know the purpose of that step - I only know how to calculate the power using the tool I described in the video.

"Since reliability sets the upper limit on validity (Nunnally, 1978), reliability values always will exceed reported validity estimates. Construct validity testing of single-item measures provides an estimate of both the measure’s validity and a lower bound on its reliability." Youngblut, JM & Casper, GR. (1993) Single-item indicators in nursing research. Res Nurs Health. 1993 Dec;16(6):459-65. doi: 10.1002/nur.4770160610. Und dort im Diskussions-Teil

vielen Dank! Habe Ihnen zwar geglaubt, nur lässt sich RUclips schlecht in einer wissenschaftlichen Arbeit zitieren.

Technisch kann man das, und es wird zum Teil auch ausgegeben. Ich bin nur recht skeptisch, dass das wirklich hilfreich ist (ich komme aber von der Anwenderseite und bin sicherlich nicht der Experte was die theoretische Begründung von Bootstrapping angeht). Mir ging es im Video primär darum, dass man nicht an das Bootstrapping herangehen sollte mit der Erwartung, damit eine "bessere" Parameterschätzung in der Regression zu bekommen. Für die Parameterschätzung traue ich der Schätzung aus der Originalstichprobe eher als der Bootstrapping-Stichprobe, weil ich bei der Bootstrapping-Strichprobe ja noch eine gewisse Zufallsschwankung (durch die ganzen zufälligen Bootstrap-Stichproben) zusätzlich hinein bekomme. Damit macht es für mich wenig Sinn, den Mittelwert der Bootstrappingergebnisse zu nehmen. (Beim Median könnte es etwas anderes sein - der könnte wirklich eine zusätzliche Info bringen, gerade bei schiefen Verteilungen).

I haven't tried it yet for models 58 and 59, but for PROCESS with SPSS there is an option to get the code for such a plot.

Die unterschiedliche Größe eines Fächers könnte ein Moderator sein - die gleiche Handbewegung führt zu einem unterschiedlichen Luftzug.

Das entscheidende ist der Index. Es kann durchaus vorkommen bei einer moderierten Mediation, dass nicht alle conditional indirect effects significant sind.

The same as in the OLS regression: That the intercept is different from zero (which is in 99% of the cases not very interesting).

I haven't used it for that, yet. But you do get regression weights as a result of the robust regression. I think you could use those for prediction purposes.

Neu = 6 - Alt Verprobung: 0 => 6-0 = 6 6 => 6-6 = 0

Meinen Sie zwei Indikatorvariablen, die die gleiche exogene latente Variable messen? Wenn ja: Indikatoren einer latenten Variable sind endogen und nicht exogen (denn sie werden, konzeptionell, durch die latente Variable vorausgesagt in einem reflektivem Messmodell). Und zwischen verschiedenen endogenen Indikatoren einer exogenen latenten Variable können Fehlerkovarianzen durchaus Sinn machen.

@@RegorzStatistik danke für die Antwort. Aber ich verstehe noch nicht, warum das so ist? Bei Minute 5:13 sagen Sie doch, dass die verschiedenen Indikatorvariablen miteinander korrelieren, das aber von lavaan automatisch geschätzt wird. Dann bräuchte ich das ja eigentlich bei den Fehlerkovarianzen nichtmehr angeben, oder?

@@nico.teutelbier8229 Alle Indikatoren eines Faktors korrelieren miteinander, sonst würden sie keinen latenten Faktor bilden. Aber manchmal korrelieren zwei Imdikatoren noch stärker mieinander (als mit den anderen Indikatoren des Faktors), weil sie mehr gemeinsam haben als nur den gemeinsamen Faktor (z.B. ähnliche Itemformulierung). Dann kann eine Fehlerkovarianz sinnvoll sein.

@@RegorzStatistik vielen Dank, jetzt verstehe ichs!

Das Grundprinzip gilt für alle Pfade und auch für eine "normale" Regression, wenn man dort das KI betrachten möchte und einseitig testet.

@@RegorzStatistik vielen dank! Ohne Sie hätte meine Masterarbeit nicht so gut geklappt!

Based on that information I don't know what the reason is for this error message, unfortunately.

Ideally, it is based on previous research.

@@RegorzStatistik okk i get it now. Thank youu

@@Julia-fy5ox Ja.

@@hamdiozturk-c2h For that you should look into Kenny, Kaniskan, & McCoach (2015), there are tables in their article.

@@markusreiser184 Dafür gibt es eine besondere Art von Test, den Äquivalenztest (equivalence test).

I haven't tried this specific configuration yet, but since the moderator is continous it should be possible. For the multicategorical IV you need the additional parameter mcx = 1 in order to tell PROCESS to construct two dummy variables for the three conditions of the IV.

@@RegorzStatistik Thank you very much, that's very helpful! Yes I just tried and this seems to be working. One issue is that the outputs only compare between 1-option condition and 16-option and 1-option condition and 4-option condition, but *not* 4-option condition with 16-option condition. How to set the reference group/condition properly in process? Also, the "effect" at different values of the moderator seem to be the *mean difference* between conditions, what can I do to change that to be more interpretable effect size like cohen d or standardized regression coefficient?

@@siukityeung6583 1. You could change the coding for your IV so that another group is the reference category (you will always get only two comparisons with three groups) 2. For a multicategorical IV you are looking at mean differences. I don't know any way to request d from PROCESS, unfortunately.

@@RegorzStatistik Thank you very much! I changed the reference group and that works. I wonder if one of the DVs is binary (yes or no) whereas the IV is categorical (3 conditions) and the moderator is continuous, is it possible to run *moderated* logistic regression with Model 1 in process, with simple slope analysis/mean +1SD -1SD analyses? Thanks

@@siukityeung6583 I don't know, I haven't tried this scenario, yet.

@@philbleach8252 If I remember correctly, there is an option in GPower to calculate f2 from R2.

@@RegorzStatistik thank you for the reply! Im confused why the effect size is f2 in the power analysis but r2 change in the process output, and which i should use in my results

@@philbleach8252 You can transform r2 change into f2, both are legitimate effect size measures (I personally prefer r2 because of its interpretation - percentage of explained variance).

@@RegorzStatistik thank you!

The values in the coefficient column are regression coefficients, yes. They are to be interpreted like the coefficients in a multiple regression. If you mean centered the relevant variables and ran a multiple regression with IV, MOD and their interaction you should get the same values.

@@aldoraine7848 The direct effect is c'. The c-path is the total effect which is not part of the default output. But you can request it as an option.

@@RegorzStatistik Thank you very much!

As long as gender is a binary variable it can be included as a covariate (with three genders you would need to construct two dummy variables instead). However, if I remember correctly, PROCESS for R does not work with factor variables so you would have to code the variable gender as a numeric variable.

I haven't compared the results of both programs. However, JASP is based on R, and in general I do trust the results of R packages.

In this situation I would include the IV as a numeric variable but define it in PROCESS as a multicategorical variable. If I remember correctly, you just add the parameter mcx = 1, and then PROCESS automatically constructs dummy variables.

@@RegorzStatistik Thanks for the tips!

Dazu gibt es unterschiedliche theoretische Meinungen. In der Praxis dürfte jedoch ganz überwiegend die Ansicht vorherrschen, dass es OK ist, wenn die Fit Indices passen (berichten muss man den sign. Chi-Quadrat Test aber trotzdem).

@@RegorzStatistik Vielen lieben Dank für Ihre Antwort!

Das ist ein wenig komplizierter. Ich empfehle dazu Little, T. D., Preacher, K. J., Selig, J. P., & Card, N. A. (2007). New developments in latent variable panel analyses of longitudinal data. International journal of behavioral development, 31(4), 357-365. und dort S. 361-362. Das ist zwar primär für ein volles SEM, aber die Grundlogik gilt m.E. auch für eine Pfadanalyse.

@@leolivialeo ich glaube dafür gibt es PROCESS model 5.

raintest basiert auf einem gefitteten Regressionsmodell (also mit der lm-Funktion). Man müsste also mit den Faktorwerten eine Regression rechnen, um den Rainbow-Test durchführen zu können.

@@RegorzStatistik Vielen Dank für die schnelle Antwort!

Wird es demnächst vielleicht auch ein Video zur nichtlinearen Strukturgleichungsmodellierung mit dem nlsem-Package geben? :)

@@Alexandra-qh3ff Langfristig ist das denkbar, aber kurz- bis mittelfristig eher nicht.

Mein Video geht um den Test eines konreten Prädiktors (0:11), weil man meistens eine Hypothese für einen konkreten Zusammenhang hat. Dafür geht entweder der von mir verwendete t-Test, oder es geht F-Test, R² increase. Der Weg über die t-Statistik hat den Vorteil, dass man den Alphafehler nicht anpassen muss, da es explizit die Auswahl zwischen einseitigem und zweiseitigem Test gibt ("Tails"). f-Test, R² deviation from zero macht etwas anderes: wie groß muss die Stichprobe sein, damit die Prädiktoren zusammen signifikant Varianz in der Kriteriumsvariable aufklären (was nach meiner Erfahrung selten eine Forschungshypothese ist).

In that case I would define the IV as multicategorical in PROCESS (how to do that dependes on whether you use SPSS Menu, SPSS syntax or R) - in that case PROCESS constructs the dummy variables and you get one output.

From my understanding the EM algorithm has a random component. Setting a seed value for the random numbers generator should make sure that you or somebody else will get the same results when running the code with the same data in order to ensure replicability of the analysis.

You could try some imputation based approach. I thinks lavaan supports multiple imputation (but I have not tried it yet). Alternatively, you could try the EM algorithm to impute the missing values.

This looks to me that for some of the models the regression did not converge. However, I am somewhat astonished about "glm.fit" - I would expect that message in, e.g., a logistic regression, not in a linear regression.

@@RegorzStatistik I used logreg as the imputation method for my variables as they are dichotomous. I am suspecting that is the reason

@@666dazai That could be the case - I am not sure whether that package works with log regression or not (haven't tried it yet).

@@RegorzStatistik Alright, thank you for your answer!

There is a default value (I believe .10) for the p-value. If the p-value is higher (i.e. non significant), then you don't get conditional effects (and in that case you don't need them).

Bei einer Dummy-Variable geht es um den Unterschied zwischen beiden Ausprägungen. Ich kenne nicht Ihre Daten, aber vermutlich ist das Ergebnis dann der Effekt des männlichen Geschlechts IM VERGLEICH ZU dem weiblichen Geschlecht.

Wenn man mehrere UVs hat, deren Effekte von einem Moderator moderiert werden, dann würde ich die Moderation nicht mit PROCESS machen, sondern mit einer gewöhnlichen multiplen Regression. Dort ist es kein Problem, die UVs einzuschließen, den Moderator, und mehrere Interaktionen (UV1-MOD, UV2-MOD, usw.).

@@RegorzStatistik vielen herzlichen Dank für die schnelle Antwort!!😊 Das hat mir sehr weitergeholfen!

For a complete tutorial with supplemental materials, see: Rogers, P., & Barboza, F. (2024). Unlocking VB-SEM: Practical PLS-SEM Tutorial Using JASP for Variance-Based Structural Equation Modeling (No. 2ne8f). Center for Open Science.

I haven't used it for logistic regression, yet, so I don't know whether the pooling function of mice works for that as well.

@@RegorzStatistik Good to know, thanks for the response!