Hallo, vielen Dank für dieses hilfreiche Video! :) Ich möchte im Rahmen meiner Bachelorthesis die Stichprobengröße für eine einfache lineare Regression mit G*Power berechnen. Dort gibt es noch weitere offene Felder und ich bin etwas überfragt bzgl. allocation ratio, Std dev residual und std dev x1 und x2. Können Sie dazu evtl. bitte auch ein Video machen? Vielen Dank & Beste Grüße :)
Sehr hilfreiches Video! :) Ich möchte die Moderationsanalyse mit PROCESS für R machen. Welche der beiden G*Power Varianten muss ich da nutzen? Die erste oder die zweite? Ich habe gerichtete Hypothesen also würde ich prinzipiell gerne die Variante nehmen wo man die Tail(s) auswählen kann. Wäre das in Bezug auf das zu verwendende Verfahren richtig? DANKE im Voraus!
Wenn man die Power für einen einseitigen Test berechnen will, dann geht das nur mit dem t-Test (linear multiple regression, fixed model, single regression coefficient).
Vielleicht eine komische Frage aber wie ist das z.B. mit soziodemographischen Kontrollvariablen? Würden die jeweils einzeln (Geschlecht, Alter etc.) in die Anzahl der Prädiktoren einfließen?
Durchaus keine komische Frage, die ist sehr berechtigt und die bekomme ich in der Beraterpraxis auch häufiger gestellt. Ja, es kommt am Ende darauf an, wieviele Prädiktorvariablen eingeschlossen sind in das Modell, und Kontrollvariablen sind technisch auch Prädiktorvariablen wie alle anderen. Insofern würde Alter in die Anzahl der Prädiktoren einfließen, und Geschlecht auch (bei binärem Geschlecht m/w mit einem, bei drei Geschlechtern mit zwei Dummyvariablen mit zwei Prädiktoren).
Hallo, vielen Dank für das Video!! Wie ist das denn, wenn ich mehrere unabhängige Modelle habe? Ich habe beispielsweise 4 Hypothesen mit vier verschiedenen Interaktionen, dabei handelt es sich jeweils um zwei unabhängige Variablen und die Interaktion aus diesen. Was gebe ich dann bei der „Tested number of predictors” und bei der „total number of predictors” ein?
Eine Poweranalyse sollte man im Grunde für jede Hypothese gesondert durchführen (die erwarteten Effektstärken können sich dort ja auch unterscheiden) und dann die größte Stichpobe nehmen, die bei den verschiedenen Poweranalysen herauskommt.
Hallo, haben Sie eine Quelle für die Berechnung des Stichprobenumfangsplanung für die Moderationsanalyse mit G*Power. Leider sagt/schreibt jeder etwas anderes. Rein von meinen Verständnis her, habe ich es intuitiv ebenso berechnet, wie Sie es in ihrem Video mit dem F-Test erläutern.
Ich kenne dafür keine Quelle (außer ggf. die GPower Doku für die Powerberechnung bei multipler Regression, denn eine Moderation ist ja eine multiple Regression).
Wie sieht das ganze für Post Hoc Berechnungen aus? Woher nehme ich das f² wenn ich eine Moderationsanalyse mit Process rechne? Da erhalte ich nur R² als Effektstärke. Wenn ich diese mit dem integrierten Umrechner umrechne, erhalte ich einen Wert
Danke für das Video. Ich plane eine Studie, in der ich 10 Tests rechnen werde. Um multiples Testen zu berücksichtigen, wir das Alpha-Niveau normalerweise angepasst (z.B. mit der Bonferroni-Korrektur). Meine Frage ist nun: Wird das Alpha-Niveau schon bei der Berechnung der Power angepasst (hier jetzt auf 0.05/10 -> 0.005) oder erst bei der Durchführung der einzelnen Tests?
Wenn man mit Bonferroni-Korrektur arbeitet, ist es schwieriger, ein signifikantes Ergebnis zu bekommen. Das sollte dann auch schon bei der Power-Berechnung berücksichtigt werden, weil man tatsächlich dann eine größere Stichprobe benötigt.
Guten Tag, ich möchte eine Moderation mit folgenden Variablen durchführen: 1 UV (entrepreneurial leadership), 2 MOD (proaktive Persönlichkeit / Narzissmus) und 2 AV (innovatives Arbeitsverhalten / defensives Entscheidungsverhalten). Liege ich im Falle des F-Testes richtig, dass ich total number of predictors = 5 habe und number of tested predictors = 2? Oder habe ich einen Denkfehler? Danke vorab!
Es ist leider in diesem Fall etwas komplizierter. Hier meine unverbindliche Einschätzung: 1. Man kann in der Regression nur eine AV zur Zeit auswerten. (Alternative wäre Pfadanalyse, wobei die Powerberechnung dort auch nicht trivial ist). 2. Aus der Angabe ist nicht klar, ob die beiden Moderatoren auch miteinander interagieren können (z.B. PROCESS model 3) oder nicht (z.B. PROCESS model 2). a) Wenn nicht, dann total number of predictors = 5 (UV, MOD1, MOD2, Int1, Int2). b) Wenn ja, dann total numbers of predictors = 6 (s.o. und die Dreifachinteraktion UVxMOD1xMOD2) 3. Tested predictors hängt von der Hypothese ab. Wenn Sie prüfen wollen, ob beide Moderatoren *zusammen* den Effekt moderieren, dann number of tested predictors =2. Wenn Sie jedoch (was häufiger ist), testen wollen, ob beide Moderatoren jeweils den Effekt moderieren, dann number of tested predictors = 1. Bzw. wenn man im model 3 die Dreifachinteraktion prüfen will, dann auch = 1. (und das alles natürlich nur unter der Annahme, dass keine zusätzlichen Kontrollvariablen im Modell enthalten sind).
@@RegorzStatistik Danke für die Antwort! In der Tat möchte ich testen, inwieweit beide Moderatoren den Effekt moderieren. Eine andere Frage habe ich noch - Wieso wird für den zu untersuchenden Moderationseffekt F-Test, R^2 increase und nicht R^2 deviation from zero gewählt? Können Sie bitte einmal kurz erläutern, wann welches Verfahren eingesetzt wird? Besten Dank!
@@mittelfeld-magier3475 R^2 deviation from zero: Erklären alle Prädiktoren *zusammen* (z.B. UV + MOD + Interaktion) signifikant Varianz der Kriteriumsvariable? R^2 increase: Erklärt die Hinzunahme eines oder mehrere Prädiktoren in einer hierarchischen Regression (z.B. Hinzunahme der Interaktion zu einem Modell mit nur UV und MOD) signifikant zusätzliche Varianz im Kriterium? Bei der Moderation geht es um die zweite Frage.
Hey, könnten Sie mit evtl. bzgl. einer Ancova weiterhelfen? Ich untersuche den Effekt von Nudges (UV) auf politische Partizipationsteilnahme (AV) und gehe davon aus, dass der positive Effekt (basierend auf der Literatur) jeweils durch politisches Interesse (erster Moderator) und politische Selbstwirksamkeitswahrnehmung (zweiter Moderator) moderiert wird. Folglich rechne ich eine Ancova im 3x2x2 Design. Bei der Eingabe in GPower müsste ich doch demnach 3 Gruppen haben (nr of groups), 2 Kovariaten (nr of covariates) und 2 Freiheitsgrade (nr df)?
Guten Tag und vielen Dank für das Video. Ich bin etwas verwirrt. Ich habe eine AV, eine UV und zwei Moderatoren, die aber nicht miteinander interagieren. Das heißt ich möchte testen ob jeder dieser Moderatoren Einfluss auf die Beziehung zwischen AV und UV hat. Kann man hierfür beide Tests durchführen? F-Test und T-test? Beim F-Test hätte ich number of predictors 1 und Total number of predictors 4, richtig? Da, ich weiß in welcher Richtung es geht würde ich beim t-test "one tail" auswählen und number of predictors 3? Welche Variante wäre denn die richtige? Oder sind es beide? Vielen liben Dank im voraus für Ihre Mühe und Zeit!
Vielen Dank für das tolle Video👏👏👏 Ich schreibe gerade meine Masterarbeit und werde eine Moderation mit 2 UVs (Einstellung, subjektive Norm), 1 AV (Intention) und 1 Moderator (wahrgenommene Verhaltenskontrolle) durchführen. D.h. Ich habe 4 total number of predictors und 2 number of tested predictors (F-tests)/ 4 number of predictors (t-test). Ich habe alles so wie im Video gemacht aber meine Stichprobengröße ist mit den 2 Test unterschiedlich: T-Test= 311 F-Test= 485 Was könnte da schiefgelaufen sein?
Spontan fällt mir dazu folgendes ein: 1. Wird nur eine der beiden UVs moderiert? Denn sonst würde ich eigenltich von 5 predictors ausgehen (UV1, UV2, MOD, Int1, Int2). 2. Der t-Test testet den Effekt eines einzelnen Prädiktors. Um das äquivalent mit dem F-test zu prüfen, dürfte dort nur number of tested predictors: 1 sein.
Vielen Dank für das tolle Video!! :) Ich möchte eine Poweranalyse für eine eine moderierte Moderation in G*Power rechnen (Model 3 - two interacting moderators). Wie würde das funktionieren? Ist die zweite Moderationsvariable wie eine Kontrollvariable zu behandeln?
Das lässt sich leider nicht so einfach beantworten - es hängt auch davon ab, wofür genau die Power berechnet werden soll (für welchen Effekt?). Insgesamt hat Model 3 (ohne Kovariaten) 7 Prädiktoren.
@@RegorzStatistik HERZLICHEN DANK für die schnelle Antwort! Untersucht werden soll einerseits der Moderationseffekt der 1. Moderationsvariable auf den Einfluss von der UV auf die AV (Model 1). In einem zweiten Schritt soll geschaut werden, wie sich eine weitere Variable (Geschlecht) auf den beschriebenen Moderationseffekt auswirkt. Was meinen Sie?
Vielen liebe Dank, das war sehr hilfreich!
Sehr sehr hilfreich, vielen lieben Dank dafür! 😊🙌
Hallo, vielen Dank für dieses hilfreiche Video! :)
Ich möchte im Rahmen meiner Bachelorthesis die Stichprobengröße für eine einfache lineare Regression mit G*Power berechnen.
Dort gibt es noch weitere offene Felder und ich bin etwas überfragt bzgl. allocation ratio, Std dev residual und std dev x1 und x2.
Können Sie dazu evtl. bitte auch ein Video machen?
Vielen Dank & Beste Grüße :)
Sehr hilfreiches Video! :)
Ich möchte die Moderationsanalyse mit PROCESS für R machen.
Welche der beiden G*Power Varianten muss ich da nutzen? Die erste oder die zweite?
Ich habe gerichtete Hypothesen also würde ich prinzipiell gerne die Variante nehmen wo man die Tail(s) auswählen kann.
Wäre das in Bezug auf das zu verwendende Verfahren richtig?
DANKE im Voraus!
Wenn man die Power für einen einseitigen Test berechnen will, dann geht das nur mit dem t-Test (linear multiple regression, fixed model, single regression coefficient).
Vielleicht eine komische Frage aber wie ist das z.B. mit soziodemographischen Kontrollvariablen? Würden die jeweils einzeln (Geschlecht, Alter etc.) in die Anzahl der Prädiktoren einfließen?
Durchaus keine komische Frage, die ist sehr berechtigt und die bekomme ich in der Beraterpraxis auch häufiger gestellt.
Ja, es kommt am Ende darauf an, wieviele Prädiktorvariablen eingeschlossen sind in das Modell, und Kontrollvariablen sind technisch auch Prädiktorvariablen wie alle anderen. Insofern würde Alter in die Anzahl der Prädiktoren einfließen, und Geschlecht auch (bei binärem Geschlecht m/w mit einem, bei drei Geschlechtern mit zwei Dummyvariablen mit zwei Prädiktoren).
@@RegorzStatistik Vielen lieben Dank!!
Hallo, vielen Dank für das Video!!
Wie ist das denn, wenn ich mehrere unabhängige Modelle habe? Ich habe beispielsweise 4 Hypothesen mit vier verschiedenen Interaktionen, dabei handelt es sich jeweils um zwei unabhängige Variablen und die Interaktion aus diesen. Was gebe ich dann bei der „Tested number of predictors” und bei der „total number of predictors” ein?
Eine Poweranalyse sollte man im Grunde für jede Hypothese gesondert durchführen (die erwarteten Effektstärken können sich dort ja auch unterscheiden) und dann die größte Stichpobe nehmen, die bei den verschiedenen Poweranalysen herauskommt.
Hallo,
haben Sie eine Quelle für die Berechnung des Stichprobenumfangsplanung für die Moderationsanalyse mit G*Power.
Leider sagt/schreibt jeder etwas anderes.
Rein von meinen Verständnis her, habe ich es intuitiv ebenso berechnet, wie Sie es in ihrem Video mit dem F-Test erläutern.
Ich kenne dafür keine Quelle (außer ggf. die GPower Doku für die Powerberechnung bei multipler Regression, denn eine Moderation ist ja eine multiple Regression).
Wie sieht das ganze für Post Hoc Berechnungen aus? Woher nehme ich das f² wenn ich eine Moderationsanalyse mit Process rechne? Da erhalte ich nur R² als Effektstärke. Wenn ich diese mit dem integrierten Umrechner umrechne, erhalte ich einen Wert
Die relevante Effektstärke ist das R2-chng, also das Delta-R² für die Interaktion.
Danke für das Video.
Ich plane eine Studie, in der ich 10 Tests rechnen werde. Um multiples Testen zu berücksichtigen, wir das Alpha-Niveau normalerweise angepasst (z.B. mit der Bonferroni-Korrektur). Meine Frage ist nun: Wird das Alpha-Niveau schon bei der Berechnung der Power angepasst (hier jetzt auf 0.05/10 -> 0.005) oder erst bei der Durchführung der einzelnen Tests?
Wenn man mit Bonferroni-Korrektur arbeitet, ist es schwieriger, ein signifikantes Ergebnis zu bekommen. Das sollte dann auch schon bei der Power-Berechnung berücksichtigt werden, weil man tatsächlich dann eine größere Stichprobe benötigt.
Guten Tag,
ich möchte eine Moderation mit folgenden Variablen durchführen:
1 UV (entrepreneurial leadership), 2 MOD (proaktive Persönlichkeit / Narzissmus) und 2 AV (innovatives Arbeitsverhalten / defensives Entscheidungsverhalten).
Liege ich im Falle des F-Testes richtig, dass ich total number of predictors = 5 habe und number of tested predictors = 2? Oder habe ich einen Denkfehler?
Danke vorab!
Es ist leider in diesem Fall etwas komplizierter. Hier meine unverbindliche Einschätzung:
1. Man kann in der Regression nur eine AV zur Zeit auswerten. (Alternative wäre Pfadanalyse, wobei die Powerberechnung dort auch nicht trivial ist).
2. Aus der Angabe ist nicht klar, ob die beiden Moderatoren auch miteinander interagieren können (z.B. PROCESS model 3) oder nicht (z.B. PROCESS model 2).
a) Wenn nicht, dann total number of predictors = 5 (UV, MOD1, MOD2, Int1, Int2).
b) Wenn ja, dann total numbers of predictors = 6 (s.o. und die Dreifachinteraktion UVxMOD1xMOD2)
3. Tested predictors hängt von der Hypothese ab. Wenn Sie prüfen wollen, ob beide Moderatoren *zusammen* den Effekt moderieren, dann number of tested predictors =2. Wenn Sie jedoch (was häufiger ist), testen wollen, ob beide Moderatoren jeweils den Effekt moderieren, dann number of tested predictors = 1. Bzw. wenn man im model 3 die Dreifachinteraktion prüfen will, dann auch = 1.
(und das alles natürlich nur unter der Annahme, dass keine zusätzlichen Kontrollvariablen im Modell enthalten sind).
@@RegorzStatistik Danke für die Antwort! In der Tat möchte ich testen, inwieweit beide Moderatoren den Effekt moderieren. Eine andere Frage habe ich noch - Wieso wird für den zu untersuchenden Moderationseffekt F-Test, R^2 increase und nicht R^2 deviation from zero gewählt? Können Sie bitte einmal kurz erläutern, wann welches Verfahren eingesetzt wird? Besten Dank!
@@mittelfeld-magier3475
R^2 deviation from zero: Erklären alle Prädiktoren *zusammen* (z.B. UV + MOD + Interaktion) signifikant Varianz der Kriteriumsvariable?
R^2 increase: Erklärt die Hinzunahme eines oder mehrere Prädiktoren in einer hierarchischen Regression (z.B. Hinzunahme der Interaktion zu einem Modell mit nur UV und MOD) signifikant zusätzliche Varianz im Kriterium?
Bei der Moderation geht es um die zweite Frage.
Hey, könnten Sie mit evtl. bzgl. einer Ancova weiterhelfen? Ich untersuche den Effekt von Nudges (UV) auf politische Partizipationsteilnahme (AV) und gehe davon aus, dass der positive Effekt (basierend auf der Literatur) jeweils durch politisches Interesse (erster Moderator) und politische Selbstwirksamkeitswahrnehmung (zweiter Moderator) moderiert wird. Folglich rechne ich eine Ancova im 3x2x2 Design. Bei der Eingabe in GPower müsste ich doch demnach 3 Gruppen haben (nr of groups), 2 Kovariaten (nr of covariates) und 2 Freiheitsgrade (nr df)?
Mit Ancova habe ich keine Erfahrungen.
Guten Tag und vielen Dank für das Video. Ich bin etwas verwirrt. Ich habe eine AV, eine UV und zwei Moderatoren, die aber nicht miteinander interagieren. Das heißt ich möchte testen ob jeder dieser Moderatoren Einfluss auf die Beziehung zwischen AV und UV hat. Kann man hierfür beide Tests durchführen? F-Test und T-test? Beim F-Test hätte ich number of predictors 1 und Total number of predictors 4, richtig? Da, ich weiß in welcher Richtung es geht würde ich beim t-test "one tail" auswählen und number of predictors 3? Welche Variante wäre denn die richtige? Oder sind es beide? Vielen liben Dank im voraus für Ihre Mühe und Zeit!
Das lässt sich leider nicht so pauschal beantworten, das hängt von konkreten Hypothesenformulierungen und der gewählten Auswertungsstrategie ab.
Vielen Dank für das tolle Video👏👏👏
Ich schreibe gerade meine Masterarbeit und werde eine Moderation mit 2 UVs (Einstellung, subjektive Norm), 1 AV (Intention) und 1 Moderator (wahrgenommene Verhaltenskontrolle) durchführen. D.h. Ich habe 4 total number of predictors und 2 number of tested predictors (F-tests)/ 4 number of predictors (t-test). Ich habe alles so wie im Video gemacht aber meine Stichprobengröße ist mit den 2 Test unterschiedlich:
T-Test= 311
F-Test= 485
Was könnte da schiefgelaufen sein?
Spontan fällt mir dazu folgendes ein:
1. Wird nur eine der beiden UVs moderiert? Denn sonst würde ich eigenltich von 5 predictors ausgehen (UV1, UV2, MOD, Int1, Int2).
2. Der t-Test testet den Effekt eines einzelnen Prädiktors. Um das äquivalent mit dem F-test zu prüfen, dürfte dort nur number of tested predictors: 1 sein.
@@RegorzStatistik Die 2 UVs werden durch dieselbe Variable moderiert. Ich werde weiter recherchieren. Vielen Dank für die Antwort :)
Vielen Dank für das tolle Video!! :)
Ich möchte eine Poweranalyse für eine eine moderierte Moderation in G*Power rechnen (Model 3 - two interacting moderators). Wie würde das funktionieren? Ist die zweite Moderationsvariable wie eine Kontrollvariable zu behandeln?
Das lässt sich leider nicht so einfach beantworten - es hängt auch davon ab, wofür genau die Power berechnet werden soll (für welchen Effekt?). Insgesamt hat Model 3 (ohne Kovariaten) 7 Prädiktoren.
@@RegorzStatistik HERZLICHEN DANK für die schnelle Antwort! Untersucht werden soll einerseits der Moderationseffekt der 1. Moderationsvariable auf den Einfluss von der UV auf die AV (Model 1). In einem zweiten Schritt soll geschaut werden, wie sich eine weitere Variable (Geschlecht) auf den beschriebenen Moderationseffekt auswirkt. Was meinen Sie?
@@sojatra Dann haben Sie vermutlich zwei Powerberechnungen mit jeweils einem zu testenden und insgesamt 7 Prädiktoren.
@@RegorzStatistik Das klingt sehr nachvollziehbar. Vielen Dank! Dann sind die beiden Powerberechnungen aber identisch, oder?
@@sojatra Nur, soweit Sie für beide Effekte die gleichen Effektstärken erwarten.