Hi, danke vorab für die Tipps! Wo finde ich bei der Interpretation der Ergebnisse von Process den standardisierten und unstandardisierten Regressionskoeffizienten?? (b und β) und wo befindet sich das korrigierte R²? (oder ist das nicht notwendig, wenn man nur einen Prädiktor und einen Moderator hat?) Danke :)
Guten Morgen Björn, Vielen Dank für das fantastische Video - das hat mir für meine Bachelorarbeit bereits sehr geholfen. Ich habe nun eine Frage: Wie gehe ich in dem Ergebnisbericht vor, wenn das Gesamtmodell (erste Tabelle) nicht signifikant ist? Wird dann lediglich dies berichtet, oder sollte dann dennoch auch auf die nachfolgenden Tabellen und (bei mir) den ebenso nicht signifikanten Moderationseffekt eingegangen werden? Ich bedanke mich herzlich für die Antwort und für all die hilfreichen Videos! Eva
Hey, das Video hat mir schon sehr geholfen! Allerdings bin ich gerade unsicher, wie ich berichten soll. Ich habe ein multikategoriales X (meine Gruppenvariable) und das so entsprechend mit PROCESS berechnet. Bei einer Moderation berichtet man ja auch die Werte der Regression wenn ich mich nicht irre. Rechne ich dann jetzt noch einfach eine lineare Regression? Das habe ich gerade probiert, da erhalte ich aber ganz andere R-Werte. Welche nehme ich denn dann? Eine Antwort würde mir sehr helfen :)
Vielen Dank! Das ist richtig hilfreich :) Leider zeigt Process 4_2 die Conditional effects nicht mehr an. Gibt es eine Möglichkeit, sich die in der neuen Version auch ausgeben zu lassen?
Hallo, danke für das Lob! Soweit ich weiß, gibt es das nicht mehr in der neuen Version. Aktuell ist auch ein Video zur neuen Version in Planung, grundlegend gibt es aber wenig neues, wie du sicher schon festgestellt hast. ;-) Viele Grüße, Björn.
Lieber Björn, vielen Dank für deine hilfreichen Videos! Für meine Masterarbeit rechne ich multiple Regressionen mit vier unabhängigen Variablen. Abschließend möchte ich überprüfen, ob eine weitere Variable (Moderatorvariable) Einfluss auf diese Zusammenhänge hat. Kann ich dies auch mit Process machen? Oder muss ich manuell Interaktionsvariablen erstellen und dann vorgehen, wie in deinem anderen Video zu Moderation beschrieben? Meine Betreuerin meinte, dass es auch eine Möglichkeit gibt, über "verallgemeinerte lineare Modelle" zu gehen und ein mehrfaktorielles Modell zu rechnen. Dazu finde ich allerdings keine hilfreichen Tipps online. Vielleicht könntest du mir da ja weiterhelfen?:)
Ich habe eine Frage, aber erst mal vielen Dank für dein Video! Mein Modell ist signifikant und impliziert bei "Model" keinen Interaktionseffekt (Int_1; p=.1133). Bei den Conditional Effect hingegen gibt es ein Intervall in dem p
Hi, kann eine Moderation durchgeführt werden, wenn die UV als Einzel-Item ordinalskaliert ist? Für die Moderation gibt es ja bestimmte Voraussetzungen nach Hayes. Allerdings scheint das Skalenniveau der UV (im Gegensatz zur multiplen linearen Regression) egal zu sein, oder? Vielen Dank vorab! ☺️
Vielen Dank für das super hilfreiche Video! Noch eine Frage: Wird beim Berichten der Ergebnisse (anders als bei der Regression) die Modellzusammenfassung, also F, dfs und p überhaupt nicht berücksichtigt?
Hallo Jessica und danke für die lobenden Worte! Da es sich auch bei einer Interaktion um ein "normales" Regressionsmodell handelt, sollten die Werte der Modellzusammenfassung mit berichtet werden. Viele Grüße, Björn.
Hey, erstmal vorab vielen Dank für das super Video! Ich habe folgendes Problem: Die neuste Version von Process ist nun 4.0. Leider gibt es nicht die Option "Mean Center for construction of Products". Was soll ich nun anklicken, denn es gibt keine ähnliche Option? Da ich vorab die Berechnung nach deinem Video ohne Process gemacht habe, habe ich die MC bereits errechnet. Muss ich dann für meine Variablen die MC Werte manuell in die Berechnung eingeben? Liebe Grüße, Isabelle
Hey danke für das video! Ich hab mal folgende frage. Bei mir wurde bei der regression der haupteffekt der uv auf die av nicht signifikant aber der interaktionsterm. Weißt du woran das liegen könnte? Mir würde nur ein u-förmiger zusammenhang einfallen aber wie kann ich das beweißen? Vielen Dank und frohes neues!
Lieber Björn, danke für deine ganze Arbeit. Ich habe in den letzten Wochen sehr viele Stunden damit verbracht, deine Videos zu schauen und es hat mir sehr geholfen! Ich habe 2 Fragen 1) Wie kann ich gut argumentieren, dass ich eine Moderationsanalyse mit PROCESS gerechnet habe statt "normal" in SPSS? zusätzlich zu der Robustheit ggü. Verletzungen der NV-Annahme & Heteroskedastizität? 2) kannst du dir vorstellen, warum ein Modell insgesamt signfiikant werden könnte, ohne dass ein einzelner Prädiktor signifikant wird? Multikollinearität ist ausgeschlossen, VIF nahe 1 und auch so korrelieren die Prädiktoren nicht annähernd. Ich freue mich auf deine Antwort. Ganz herzlichen Dank
Hallo Maike, danke für dein Lob! Ja, PROCESS kann mit zwei Moderatoren rechnen - die wirken parallel auf die Beziehung von X auf Y. In der aktuellen Version 4.3 ist das Model 2 (war es in den alten Versionen auch). Wenn du mit zwei Moderatoren allerdings eine moderierte Moderation rechnen willst, musst du Model 3 auswählen. Viele Grüße, Björn.
Hallo Björn, du hilfst mir grade durch meine Masterarbeit - deine Videos sind super verständlich erklärt - vielen Dank! :) In meinem Modell habe ich neben meinem Prädiktor, Moderator und dem Kriterium auch eine Kontrollvariable, die signifikant mit dem Moderator korreliert. Wie kann ich diese in meine Moderatoranalyse aufnehmen? Ich wäre dir echt super dankbar für eine kurze Antwort! :) LG! :)
Danke für das hilfreiche Video! Was bedeutet es wenn in meiner Moderationsanalyse der Interaktionseffekt signfikant ist, jedoch bei model summary der p-Wert des F-Tests über 0.05 liegt?
Hallo Laura, wenn der F-Test keinen hinreichend kleinen p-Wert hat, leistet das Modell keine hinreichend große Aufklärung. Das kann an der Auswahl der Prädiktoren liegen, der Stichprobe usw. Eine Auswahl an Gründen gibt es hier: ruclips.net/video/tmRUTeW-hTc/видео.html Die signifikante Interaktion wäre im Falle eines zu hohen p-Wertes beim F-Test daher nicht zu interpretieren. Viele Grüße, Björn.
Du glaubst ja gar nicht wie sehr ich mich über solche Videos freue- es nimmt mir etwas der großen Angst, die ich immer vor SPSS hatte. :D Kurze Frage vorab: wie hast du denn bei SPSS die Motivationswerte in drei verschiedene Stufen aufgeteilt? War das durch Mediansplit? Und was mich noch interessieren würde ist wozu man das Mean-Centering in der Moderationsanalyse braucht? Also warum hast du dir da nicht die absoluten Zahlen ausgeben lassen? Und wie würde man so ein Ergebnis aus so einer Moderationsanalyse berichten? Reicht es da einfach als Ergebnis zu sagen, dass man aufgrund der signifikanten Interaktion und aufgrund der Sichtung des Diagramms sagen kann, dass die Motivation einen signifikanten Effekt hat auf den Score und daher den Moderator bildet zwischen IQ und Score? Liebe Grüße - sorry für den langen Text 🙈- und danke vorab! :)
Hallo, ich versuche es mal etwas kürzer zu halten. ;-) 1) die Motivation ist mehrstufig - Zufallsdaten. Beim Mediansplit würde man nur 2 Ausprägungen erhalten. Eine metrische Variable kann man aber mit Quantilen kategorisieren. Das sollte aber wohl begründet sein, weil man hiermit Informationen verliert. 2) Mean-Centering: nicht nötig aber bei der Interpretation hilfreich: "Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/orW are meaningful when equal to zero. When X andWare mean-centered and the coefficients in equations 9.1 or 9.2 estimated, b1 estimates the difference in Y between two cases that differ by one unit on X among cases that are average on W. Similarly, b2 estimates the difference in Y between two cases that differ by one unit on W among cases that are average on X. These will always estimate conditional effects of X on Y within the range of the data, and they can always be interpreted." (Hayes, (2016) Mediation, Moderation, S. 310) 3) Eine Koeffiziententabelle mitsamt Ergebnis vom F-Test und die Modellgüte (R², korr. R²) sollten auf jeden Fall da sein, in etwa so: bjoernwalther.com/vorlage-fuer-ergebnistabelle-der-multiplen-linearen-regression-in-spss/ Zusätzlich hilft es manchmal bei einer sign. Interaktion noch das Diagramm mit einzufügen. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Riesigen Dank dir für diese ausführliche Antwort!! 😊 Das finde ich schon mal erleichternd zu wissen, dass Mean-Centering nicht unbedingt notwendig ist, weil ich den Begriff hier tatsächlich zum ersten Mal gehört habe (vielleicht habe ich das Thema in der Statistikvorlesung verpennt 😅). Und auch ganz lieben Dank für das Beispiel für das Berichten vom Ergebnis, das speichere ich mir definitiv ab für meine Abschlussarbeit. 😊
Hallo, ich habe eine Frage zum Unterschied zw. Version 2.16.3 und Version 3.2. Ich nutze aktuell noch erstere Version. Dort nutze ich für Moderatoranalysen unter "Options" immer die Option "OLS/ML confidence intervall". Diese Option scheint auf den ersten Blick nicht mehr in der v 3.2 vorhanden zu sein. Ist diese automatisch verbaut, also wird diese Option automatisch ausgeführt und muss nicht mehr ausgewählt werden? Wissen Sie da vllt. Genaueres?
Meine abhängige und unabhängige Variable ist metrisch skaliert und mein Moderator ist nominal skaliert (5 verschiedene Gruppen). Kann ich diese Variable wie den Moderator im Video ins Modell einschließen?
Vielen Dank für das hilfreiche Video! Kann man die Outputs aus Process auch APA konform erstellen, ohne großen Aufwand? Die Darstellung der Outputs unterscheidet sich ja, als wenn man kein Process durchführt. Ich frage mich, ob das auch hier geht bzw. wie man diese am Besten übetragen könnte.. Vielen Dank!
Hallo, wird durch PROCESS bereits der bereinigter Interaktionsterm berechnet, sodass X, der Moderator und der Interaktionsterm unabhängige Variablen sind? Danke vorab und liebe Grüße 🤗
Hallo Björn, vielen Dank für das hilfreiche Video. Ich hätte noch eine Frage - mit dem Signifikanzniveau .05 ist mein Interaktionseffekt leider nicht signifikant, allerdings mit einem Niveau von .10. Kann man das dann auch verwenden? Weiterhin habe ich eine kulturübergreifende Studie gemacht - die eine UV ist also stärker in Asien und die andere UV stärker im Westen verbreitet. Beide beeinflussen dieselbe AV. Wenn ich jetzt einen Moderatoreffekt auf die eine UV (die in Asien stärker vertreten ist) untersuche, frag ich mich ob ich dafür nur die asiatische Stichprobe miteinbeziehen sollte oder die gesamte. Kannst du mir hier zufällig weiter helfen? Vielen Dank schon einmal für deine Antwort. LG
Hallo und danke für dein Lob! Wenn du valide Konstrukte und etablierte Modelle verwendest, ist weniger beim Alpha besser, also 0,05. Wenn du eher Pionierarbeit leistest, geht auch 0,1 in Ordnung. Das hängt also ein bisschen vom Forschungsstand ab. Ist das Land der Moderator auf die Beziehung UV->AV auf die gesamte Stichprobe? Das wäre doch das einfachste in dem Fall. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank für deine Antwort! Alles klar, dass macht Sinn mit dem Alpha. Nein die Moderatorvariable heißt Maximierungstendenz und ist ein eigenes Konstrukt. Die UV´s sind aber länderspezifisch stark ausgeprägt..
Mein Moderator ist eine kategoriale Variable, welche ich mittels "Multicategorical" - "Indicator" dummykodiert habe. Wie kann ich nun meine Referenzkateogrie ändern (möchte Gruppe 5 als Referenzkategorie und nicht Gruppe 1)?
Vielen Dank für das Video! Mein Modell ist signifikant, die Interaktion jedoch nicht. Darf ich die übrigens Betas der UVs unabhängig von der Interaktion dann interpretieren oder müsste ich eine eigene multiple Regression ohne Interaktionsterm nochmal rechnen?
Hallo Ella, gerne. Du solltest die Betas so interpretieren, wie sie in den Modell mit Interaktion stehen, da du dieses Modell unterstellt hast und letztlich auch gerechnet hast. Viele Grüße, Björn.
Danke ersteinmal für die super Videos. Ich versuche momentan nicht an meiner Analyse zu verzweifeln und hoffe du kannst mir weiterhelfen. Ich versuche eine Moderation in Process mit folgenden Variablen zu rechnen: IV - nominal (3 Kategorien) Moderator - metrisch CV - nominal (7 Kategorien) DV - metrisch Das ich die IV per "Multicategorical" direkt mit PROCESS Dummy Codieren kann weiß ich schon. 1) Allerdings frage ich mich wie ich bei der ConntrolVariable damit umgehen sollte: a- Kann ich sie einfach als nominale Variable reinpacken b- oder sollte ich da manuell eine Dummy Codierung vornehmen und die Dummies dann in das Covariate Fenster einfügen und eine draußen lassen als Referenzkategorie? 2) Und wie verhält es sich bei mehreren CVs die alle nominal (mit bis zu 12 Kategorien) sind? Falls 1a) zutrifft kann ich die dann einfach ungeachtet der Skalierung alle under Covaraites reinpacken? und noch aus Neugier: 3) in deinem Video oben hast du auch eine nominale Moderator Variable "Motivation" mit 3 Ausprägungen aber diese packst du auch gleich rein ohne über "Multicategorical" nen Dummy draus machen zu lassen. Warum geht das?
Vielen Dank für das super hilfreiche Video! Ich rechne in meiner Abschlussarbeit eine moderierte Mediation (Model 7) und habe eine Frage zum "Mean centering". Bei mir werden Fehlermeldungen angezeigt, nicht aber, wenn ich "no centering" anklicke. Habe eine metrische UV, metrischen Mediator, metrische AV (aufgrund eines Kombinationsmaßes aus zwei Fragebögen ist die AV z-standardisiert!) und multikategorialen Moderator (Process dummy-codiert: "multicategorial", "Indicator"). Was mache ich falsch? Sollte ich UV und Mediator von Hand zentrieren und dann "no centering" anklicken?
Hallo Charlotte und danke für dein Lob! Wo das Problem liegt, ist leider schwer auszumachen. Allerdings schreibt Hayes (2016) auf S. 312: "If you choose to center the focal antecedent and moderator, you can do so manually using the syntax available in your chosen software, as on page 305. Alternatively, you can have PROCESS do the centering for you." Ergo kannst du auch ruhigen Gewissens vorher "mean centern" und dann die moderierte Mediation rechnen. Viele Grüße, Björn.
Hab vielen Dank Björn für deine Mühen mit diesen Videos. Sie helfen mir gerade wirklich durch die BA. Eine Frage zur Moderation: Ich habe mehrere Kontrollvariablen, mit unterschiedlichen Skalenniveaus. Kann ich sie einfach unter Modell 1 mit einbeziehen? Liebe Grüße aus Berlin!
Hallo und danke für dein Lob! Die Kontrollvariablen können beliebige Skalenniveaus haben und können mit einbezogen werden. PROCESS bietet die Option für Interaktionen standardisierte Koeffizienten auszugeben. Du brauchst also nicht alles zu standardisieren, das macht PROCESS in dem Falle für dich. Viele Grüße, Björn.
Das Video ist für eine lineare Moderation sehr hilfreich. Ab PROCESS 3 ist es auch möglich eine logistische Moderation zu berechnen. Welche Faktoren muss ich dort beachten und wie sind die Ergebnisse zu interpretieren?
@ Statistik am PC Lieber Björn, ich bin mir hinisichtlich des Modells das ich rechnen muss unsicher. Ich verwende im Moment Modell 1, untersuche aber für den Einfluss von X auf Y mehrere (9) Moderatoren (unterschiedliche Emotionsregulationsstrategien). Muss man da ein anderes Modell verwenden? Im Moment rechne ich einfach so viele einfache Moderationen wie ich Moderatoren habe.
Hallo Anja, ich glaube da wirst du mit PROCESS nicht weiter kommen. Du rechnest am Ende ja 9 verschiedene Modelle, aber nicht einmal das gewünschte Modell. Hier hilft dir wohl nur der Umweg über die normale Herangehensweise: ruclips.net/video/horOf-hTuFo/видео.html Viele Grüße, Björn.
Hallo Björn, braucht man auch beim Model 7 (moderierte Mediation) das Mean Centering? Bei der Version 3.4 kann man zwischen , "No centering", "All variables that define products" und "only continuous variables that define produces" wählen. Weißt du eventuell, was mir hier am besten auswählt?
Hallo Natalie, mean centering kann man laut Hayes (2016), Kapitel 9.1 problemlos anwenden. Es ist sogar empfehlenswert: "Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/or W are meaningful when equal to zero." (S. 310) Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Hallo Björn, Ich habe auch eine Frage zur Zentrierung. Mir kommt es bei meiner Berchnung vor allem auf eine Signifikante Interaktion an und nicht auf den Einfluss jeder UV an sich (Haupteffekte). Im Moment habe ich die Tabelle in der ich die Regression berichte mit den zentrierten Werten, für die simple slopes und die Johnson-Neyman Signifikanzregionen habe ich hingegen die nicht zentrierten werte genommen. Darf man das machen?
Hallo Björn, erst einmal vielen Dank für Deine zahlreichen und sehr gut gemachten Videos, denn damit macht mir die Arbeit in SPSS sogar richtig Spaß :-) Ich habe eine Frage zur Moderationsanalyse. Und zwar habe ich meine Variablen zuvor mit dem Breusch-Pagan-Test auf Heteroskedastizität getestet, die nicht vorliegt. Dann habe ich mit Process 3.4 die Regressionsanalyse wie hier gezeigt durchgeführt, aber dazu sicherheitshalber den HC3-Schätzer ausgewählt. Ohne Schätzer bekomme ich andere Daten raus... zwar keine Änderung in der Signifikanz, aber einfach andere Werte. Bleibe ich bei vorher gefundener Homoskedastizitätdann bei den "none"-Werten, oder sollte ich lieber die aus der Analyse mit dem HC3-Schätzer verwenden? Ich hoffe, das ist verständlich beschrieben :-) Viele Grüße und vielen Dank nochmal!
Hallo Chris und danke für dein Lob! Man kann trotzdem die Berechnung von z.B. HC3 durchführen und diese interpretieren. Hayes, Cai (2007), Using heteroskedasticity-consistent standard error estimators in OLS regression: S. 716 sagen hierzu: "we argue that an HC estimator, preferably HC3 or HC4, should be routinely used in linear regression models, if it is not used as the default method of standard error estimation, researchers would be well advised to at least double-check the results from the use of the OLSE estimator against the results obtained with an HC estimator, to make sure that conclusions are not compromised by heteroskedasticity." Viele Grüße, Björn.
Hallo, vielen Dank für das Video! Ich frage mich, ob das Vefahren auch bei einer multiplen Regressionsanalyse durchgeführt werden kann? Kann man gleichzeitig einen moderierenden Effekt auf mehrere unabhängige Variable testen oder müssen dann einfach einzelne lineare Regressionen mit Moderation für jede einzelne unabhängige Variable durchgeführt werden? Würde man dann ein anderes Verfahren verwenden? Vielen Dank für Deine Hilfe :D
Hallo Pia, es gibt von Hayes, dem Autor des Plugins, auch ein Buch, wo verschiedene Modelle vorgegeben sind, unter anderem mit mehreren Moderatoren, allerdings maximal 2. Dies könnte man noch über Process rechnen. Bei mehr als 2 Moderatoren, muss man die Moderation manuell rechnen. Dazu habe ich auch ein Video, das dir dieses Vorgehen zeigt. In jedem Falle würde man alle unterstellten Moderationen gleichzeitig rechnen und nicht für jede ein separates Modell. Viele Grüße, Björn.
Super Video, vielen Dank! Ich hätte da aber noch eine Frage: Meine PROCESS Ausgabe zeigt mir einen nicht signifikanten Zusammenhang zwischen der UV und AV an. Der Effekt des Moderators auf die AV ist signifikant und der Interaktionstherm ebenfalls. Wie kann ich den Moderatoreffekt denn in diesem Fall interpretieren? Liebe Grüße und Danke! :)
Hallo Josephine, wenn die interaktion signifikant ist, wird diese berichtet und interpretiert. Was die einzelnen Effekte (X und M) auf Y bzw. die AV machen ist in dem Falle nicht mehr relevant, weil du ja gerade festgestellt hast, das deren Kombination signifikant ist. Viele Grüße, Björn.
Vielen Dank für das Video! Ich habe noch eine Frage, vielleicht kann mir weitergeholfen werden: Meine Interaktion ist laut Process nicht signifikant. Wenn ich den Effekt mithilfe der Syntax, die Process ausgegeben hat, visualisiere, lässt sich allerdings eine Interaktion der zwei Variablen feststellen (Geraden schneiden sich, verlaufen nicht parallel), die im Einklang mit meiner Hypothese ist. Wie ist das zu interpretieren?
Hallo Jael, wie hoch ist denn die Signifikanz? Der Schnitt kann auch bei nicht signifikanter Interaktion zustande kommen und sollte am ehesten bei einer signifikanten Interaktion interpretiert werden. Viele Grüße, Björn.
Hey Björn! Vielen Danke für das tolle Video. Ich hätte auch noch eine Frage. Ich würde gerne ine Moderation rechnen. Zusätzlich würde ich jedoch gerne 3 Kontrollvariablen in meinem Modell berücksichtigen. Kann ich diese 3 Kontrollvariablen dann einfach alle 3 gleichzeitig unter dem Feld Covariates aufnehmen? Oder muss das anders. zum beispiel Schritt für schritt die einzelnen Kovariablen einführen?
Hallo Silvia, die kannst du im Buch von Hayes (2016) nachlesen: amzn.to/36MEGo2 Zusätzlich ist zumindest alles, was anklickbar ist, über den Button "Einfügen" (neben OK) im PROCESS-Dialogfeld als Syntax abrufbar. Viele Grüße, Björn.
Hallo:) wirklich tolle videos, die mir bis jetzt schon sehr weitergeholfen haben. Was tu ich wenn der erste Wert der Standardabweichung -1SD bei den conditional effects of the focal predictor nicht signifikant ist die anderen beiden aber schon und auch die ersten 6 Werte beim Johnson-Neyman nicht signifikant sind dann aber schon, was heißt das? Und wenn das ganze moderationsmodell noch in einer mediation verpackt ist, also modell 7 gerechnet wird! Über Hilfe wäre ich wirklich sehr sehr dankbar! LG Tina
Auch von mir tausend Dank für das Video! Eine Frage habe ich allerdings bezüglich des Diagramms. In dem Video über die Moderation mit PROCESS v.2.16 blendest du am Ende noch ein Diagramm ohne „mean centering“ ein. Egal was ich mache, ich komme einfach nicht auf diese Werte bzw. diese Gleichungen. In PROCESS einfach das Häkchen bei „mean center for construction of products” weglassen führt bei mir auf alle Fälle nicht zum Ziel. Könntest du bitte erklären, welche Schritte notwendig sind, um das Diagramm ohne mean centering zu bekommen? Vielen Dank im Voraus!
Hallo Frank, das Diagramm am Ende des anderen Videos habe ich genauso erstellt, wie das andere, nur, dass ich in den Optionen den Haken bei Mean Centering weggelassen habe. Viele Grüße, Björn.
Hallo Jeggie, was genau meinst du? Ob sich die Ergebnisse beim Rechnen einer Mediation und Moderation von einer moderierten Mediation unterscheiden? Wenn das die Frage ist, ja. Wenn nicht, gib mir noch mal Bescheid. Viele Grüße, Björn.
Danke für das Video! Ich habe in meinem Modell mehrere unabhängige Variablen (X) die über den Mediator (M) auf die abh. Variable (Y) wirken. Da ja für jede Mediation eine eigene Process-Analyse durchgeführt werden muss, resultieren auch unterschiedliche Werte je nach Analyse für den Pfad von M->Y. Welchen Wert weise ich davon in meinem Strukturmodell aus?
Hallo Goldman, bei mehreren UV, die mediiert werden, würde ich die jeweils gerade nicht als x-Variable aufgenommenen Variablen als Kovariate aufnehmen. Du tauschst dann für die Anzahl der mediierten UV immer wieder mit der Kovariate - das Gesamtmodell sollte immer das selbe sein und du kannst dir jeweils den Pfad M->Y gezielt anschauen. Viele Grüße, Björn.
Hallo Björn, ich habe auch eine Frage zum Mean-Centering: in der Version 3.5 kann man auswählen, ob alle Variablen oder nur die kontinuierlichen Variablen "gemeancentered" werden sollen. Was würdest du hier empfehlen, wenn ich eine multikategoriale UV habe und einen metrischen Moderator und was bedeutet es für meine Interpretation? Vielen Dank und beste Grüße, Sophia
Hallo Sophia, hierzu direkt von Hayes "There is a widespread belief that a transformation such as meancentering of X and W is mathematically necessary in order to properly estimate a model that includes the product of X and W as an antecedent variable and therefore in order to test a moderation hypothesis correctly. Although there is some value to mean-centering, it is not necessary." (S. 243) sowie "Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/orW are meaningful when equal to zero. When X andWare mean-centered and the coefficients in equations 9.1 or 9.2 estimated, b1 estimates the difference in Y between two cases that differ by one unit on X among cases that are average on W. Similarly, b2 estimates the difference in Y between two cases that differ by one unit on W among cases that are average on X. These will always estimate conditional effects of X on Y within the range of the data, and they can always be interpreted." S. 310. Kurzum: Es hilft bei der Interpretation, mehr aber nicht. Viele Grüße, Björn.
Hallo, ich habe dazu eine Frage. Mein Interaktionseffekt ist leider nicht signifikant, allerdings würde ich gerne wissen, ob der Zusammenhang zwischen der AV und UV signifikant ist, ohne einer weitere Berechnung durchzuführen. Kann ich den direkten Zusammenhang zwischen AV und UV auch aus dieser Tabelle herauslesen?
Hallo Sarah, ja, wenn die Interaktion nicht signifikant ist, kannst du direkt die Beziehung zwischen UV und AV aus der Koeffiziententabelle ablesen. Viele Grüße, Björn.
Hi Björn Ist es möglich zu definieren, dass ein Moderator auf mehrere Variablen wirkt? (Ich kann bei der x Variabel leider nur eine Variable definieren) also wenn ich zum Beispiel 10 Variablen habe und dabei wirkt ein Moderator bei 3 Variablen auf den Zusammenhang zw. X und Y. Herzlichen Dank Simon
Hallo Simon, das funktioniert, wird aber schnell sehr komplex. Hayes bietet in seinem PROCESS-Buch im Anhang eine Übersicht über vorgefertigte Modelle, die in PROCESS ausgewählt werden können, die parallele Moderation haben. Im Notfall modelliert man die Interaktionsterme über die Produkttermbildung manuell und rechnet das Modell. Quasi nach diesem Schema: ruclips.net/video/horOf-hTuFo/видео.html Alternativ kann man auch ein generelles lineares Modell rechnen und dort die Interaktionsterme automatisch berechnen lassen. Viele Grüße, Björn.
Also der Interaktionseffekt ist signifikant und ich erkenne auch, das die MV nur im Bereich ab einer SD unter dem Mittelwert signifikant wirkt, nicht im mittleren Bereich, auch nicht oberhalb des Mittelwerts. Und ab hier hab ich ne Blockade im Hirn :D. Ich weiß zwar jetzt, dass Probanden die eine niedrige Ausprägung auf der MV haben von der Moderation betroffen sind, aber woher weiß ich nun, ob sich diese moderation positiv oder negativ auf die AV auswirkt? Ich mein der Effekt der UV auf die AV der von der MV beeinflusst wird, hat ein positives Vorzeichen, aber die MV selbst kann dann darauf doch auch in beide Richtungen wirken oder verdenke ich mich da gerade?
Hallo Kaim, am einfachsten ist eine grafische Veranschaulichung. Dies leistet PROCESS, wie ich ab 9:35 zeige. Da erkennst du wie sich die AV in Abhängigkeit von UV und MV verhält. Viele Grüße, Björn.
Kann durch eine Moderationsanalyse auch der Einfluss einer Variable auf den Zusammenhang zwischen zwei abhängigen Variablen (MZP1 und MZP2) berechnet werden?
Hallo Julia, ein Moderator kann freilich auch zwei verschiedene Pfade moderieren, wahlweise bei zwei UVs oder AVs. Bei letzterem wird es bei simultaner Betrachtung aber nur über Strukturgleichundsmodellierung gehen. Wenn man die Modelle (eins je AV) nacheinander berechnet, dann geht man wie im Video vor. Viele Grüße, Björn.
Hey Björn, mega hilfreiche Videos von dir! Helfen mir bei meiner Abschlussarbeit unheimlich weiter! :) Könntest du mir evtl. noch beantworten wie du deine Ergebnisse hier genau berichten würdest (also welche Werte du berichten würdest und welche Form dabei zu beachten ist)? Zusätzlich würde ich gerne noch fragen, wie man das Ergebnis interpretieren würde, wenn man bei den Konfidenzintervallen einmal einen Wert von 0 (LLCI) und eine zugehörige Signifikanz von genau p = 0,05 hat? Das Gesamtmodel, der Interaktionseffekt und alle weiteren Conditional Effects in aufsteigender Richtung (positive Werte) sind aber signifikant p < 0,05. Liegt dennoch eine Moderation vor? Danke!
Hallo und danke für deine lobenden Worte! :-) Ich würde generell wie in der Regression üblich die Modellgüte (R² und adj. R²), die Signifikanz des Modells (F-Wert, df und p-Wert) sowie die Koeffizienten (Koeffizient, SE, t-Wert, p-Wert, evtl.CI). Die Signifikanz von genau 0,05 ist ein Grenzfall. Viele Autoren setzen 0,05 als Grenze, die statistische Signifikanz sollte also unter 0,05 liegen. Ob das nun aber 0,049999999; 0,05 oder 0,05000001 ist, und auf Basis dessen eine Entscheidung getroffen wird, zweifeln immer mehr Autoren an. Ich würde es als Effekt berichten, mit Verweis auf neuere Entwicklungen einer differenzierteren Sichtweise wie z.B. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: context, process, and purpose., S. 131. Viele Grüße, Björn.
Hallo Björn , ich habe folgendes Problem: ich führe eine Moderationsanalyse mit binär kodierten Variablen durch (0 =Produkt X, 1 = Produkt Y). Ich führe die Anlayse ebenso mit Modell 1 und Process durch. So weit so gut. Nun mein Problem: ich würde gerne sehen wie viel bei der Moderation durch Produkt X und Produkt Y "einzeln" erklärt wird. Wie könnte man das anstellen? oder gibt es ein anderes Modell, das da mehr sinn macht, wo ich dann die Moderation je nach Produkt X od. Y erkennen kann? LG Jan
Hallo Jan, dazu würde ich auf die standardisierten Koeffizienten zurückgreifen. Die berechnet PROCESS allerdings nicht. Die muss man vorher selbst z-standardisieren und dann die Moderation erneut rechnen. Viele Grüße, Björn.
Hallo, wenn die Moderation nicht signifkant ist, gibt es ja mit Sicherheit noch andere signifikante Prädiktoren, sonst wäre das Modell an sich nicht signifikant (Stichwort F-Test). Demzufolge gibt es "genügend" andere Prädiktoren im Modell, die Varianzaufklärung leisten. Viele Grüße, Björn.
Vielen Dank für das Video! Ich frage mich, welche Voraussetzungen es zu testen gilt. Leider finde ich bei PROCESS keine Option für einen Durbin-Watson-, Shapiro-Wilk oder ähnlichen Test.
Hallo Magdalena, da PROCESS standardmäßig mit Bootstrap arbeitet, ist die Normalverteilungsannahme für die Residuen hinfällig. Autokorrelation und Heteroskedastizität müsstest du über eine normale Modellierung über die lineare Regression prüfen. Wenn du allerdings bei der Parameterschätzung HC auswählst, bekommst du robuste Standardfehler und kannst dir auch das sparen. Viele Grüße, Björn.
Hallo. Ich möchte eine Moderation mit PROCESS 3.5 ausführen. Die Mean Centering Option ist hier etwas anders angelegt. Trotz allem habe ich sie gefunden und in dem Kästchen Mean Centering die Option "All variables that define products" ausgewählt. Trotzdem kann ich in meiner Ausgabematrix die wichtige Tabelle mit den Conditional effects nicht finden. Hast du vielleicht eine Idee oder schon Erfahrung mit PROCESS 3.5?
Hallo Angela, Conditional effects werden nicht angegeben, wenn die Interaktion nicht signifikant ist. Das sollte das Problem erklären. Viele Grüße, Björn.
Hallo, vielen Dank für das Video! Eine (vielleicht doofe Frage) hab ich aber noch: sehe ich das richtig, dass Process nur nicht-standardisierte Koeffizienten ausgibt? Wenn ja wieso, sollte man nicht auch die standardisierten Koeffizienten haben und wie kann ich die noch bekommen (in Process)? Vielen Dank schonmal!
Hallo und danke für dein Lob! Die Frage ist alles andere als doof. PROCESS gibt in der Tat weder bei Moderation noch anderweitig standardisierte Koeffizienten aus. Warum Hayes diese nicht in PROCESS berechnet, weiß wohl nur er selbst. Man kann sie sich über einen Umweg selbst berechnen. Du standardisierst im Vorfeld alle Variablen und erhältst bei Rechnung (mit jenen) dann standardisierte Koeffizienten. Hayes selbst hierzu im FAQ zu PROCESS: "Regression/path coefficients that PROCESS produces are in unstandardized form. PROCESS v3.2 and later does have an option available through command syntax for generating standardized regression coefficients for mediation-only models. See the addendum to the documentation that comes with version 3. Keep in mind that if X is a dichotomous variable, the standardized regression coefficients for X will be in partially standardized form. In any version of PROCESS, you can can standardize your variables first prior to the use of the PROCESS, and this will generate standardized coefficients. However, the bootstrap confidence intervals you will get from PROCESS should not be interpreted as confidence intervals for the standardized effects, for that is not what they are. If you want a proper confidence interval for a standardized indirect effect, use the effsize or stand options. See the documentation." Viele Grüße, Björn.
Eines vorab: Ohne Dich wäre ich bisher bei meiner Bachelorarbeit gestorben. Vielen Dank!!!! Die Videos sind irre gut und super verständlich und man findet wirklich alles was man braucht!! Ich verzweifle jedoch gerade. Meine UV ist der Arbeitsort: Homeoffice / Nicht-Homeoffice (also dichotom, nominalskaliert). Meine abhängige Variable ist die Arbeitszufriedenheit (metrisch skaliert). Als Moderator habe ich die Einsamkeit der Studienteilnehmer gemessen (metrisch skaliert). Ich versuche es mit PROCESS, bekomme aber mit der Grafik ein Problem wegen meiner UV, weil diese dichotom ist. Geht das überhaupt? Es wird auch automatisch so ausgegeben, dass es aussieht, als wäre meine UV der Moderator und der Moderator liegt stattdessen auf der Y-Achse. Kann man das trotzdem machen oder darf die UV gar nicht dichotom sein? Müsste die UV nicht auf der Y-Achse liegen? Oder ist das egal, da UV und Moderatorvariable miteinander multipliziert werden? Ich freue mich riesig, wenn Du mir helfen kannst. Herzliche Grüße! Betti
Hallo Betti und danke für die vielen lobenden Worte und die Kanalmitgliedschaft! Deine Frage versuche ich dir gerne zu beantworten. An sich ist eine dichotome UV im Rahmen einer Moderation kein Problem. Für die Berechnung (und nur die) ist es auch egal, wenn man UV und Moderator vertauscht. Beide werden in der Regression als UV geführt sowie zusätzlich deren Produkt (grafisch noch mal hier veranschaulicht: www.bjoernwalther.com/moderation-in-spss-rechnen/#Das_Prinzip_der_Moderation). Das Produkt ist ja das eigentlich interessante bei der Interaktion. Warum stellt dir PROCESS im Diagramm deinen Moderator nun auf der x-Achse dar, obwohl es als Gerade schöner wäre? Wenn du die Situation einer dichotomen UV und eines metrischen Moderators hast, wird in PROCESS für eine Darstellung stets die metrische Variable auf die x-Achse gesetzt. Es wird gemacht, da ja im Vorfeld nicht klar ist, für welche Ausprägungen des metrischen Moderators du eine Gerade dargestellt bekommen möchtest - das könnte man mit der Regressionsgleichung aus der Koeffiziententabelle in Excel leicht nachbauen - bei einem dichotomen oder katgorialen Moderator mit wenigen Ausprägungen stellt sich diese Frage ja nicht. Da wir oben ja schon festgestellt haben, dass es für den Interaktionseffekt nicht wichtig ist, was X und was M ist (wohl aber bei der Herleitung und Interpretation), ist die Darstellung mit der metrischen Variable (Moderator) eigentlich nur clever, weil es dir die Entscheidung und auch die notwendige Begründung abnimmt, welche Ausprägungen von M du zur Geradendarstellung verwendest. Du kannst ja spaßenshalber mal X und M bei PROCESS vertauschen. Das Ergebnis wird identisch sein. Wie interpretiert man nun aber das Diagramm? Eigentlich recht einfach. Man schaut an 2 Punkten auf der x-Achse (wo ja der Moderator steht), wie der y-Wert für die beiden Ausprägungen der UV liegt und verbindet sie. Sinkt/steigt der y-Wert bei Zunahme des Moderators (in x-Richtung) für die gleichbleibende Ausprägung der UV? Anhand dessen kann man festmachen, ob M den Einfluss von X verstärkt oder abschwächt. Hilft dir das weiter? Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Das hilft mir auf jeden Fall weiter! Irre gut, dass Du so schnell und ausführlich geantwortet hast!! Und sehr gut auch, dass Du meinen Tippfehler (y-Achse, wobei ich x-Achse meinte) einfach ignoriert hast :-D ich schau mir das jetzt mal an, wie sich das darstellt und bin erstmal froh, dass das kein Problem gibt mit meiner dichotomen UV. Danke!!!
Hallo Betti, freut mich, wenn ich helfen konnte. Viel Erfolg bei der weiteren Auswertung! Tippfehler passieren - ich kann das schon antizipieren. ;-) Viele Grüße, Björn.
Hey Björn, vielen dank für das aufschlussreiche Video, gehört zu dem einsteigerfreundlichsten, was man zu dem Thema finden kann. Mich würde es interessieren, ob man Process auch für Berechnungen mit mehreren Moderatoren und Prädiktoren verwenden kann, z.B. im stufen- oder blockweisen multiplen Regressionen mit 2 Moderatoren
Hallo und danke für dein Lob! Ein schrittweises Rechnen funktioniert mit PROCESS leider nicht. Allerdings gibt es die Möglichkeit mit mehreren Moderatoren und UVs generell zu arbeiten. In Hayes' Buch (amzn.to/3d5UI0g) sind im Anhang die entsprechenden Templates abgebildet. Viele Grüße, Björn.
Ich habe Process v3.3 und alles genau so gemacht wie du, nur dass ich einen mehrkategorialen Faktor (mit 4 Stufen) habe und dies dann auch bei Process angegeben habe mit der Methode "Indicator" (=Dummycodierung). Ich bekomme aber einfach nicht das Output mit "conditional effect ..." angezeigt. Für das Diagramm funktioniert alles. Was mache ich falsch?
Hallo Nikito, das liegt daran, dass dein Interaktionseffekt einen Signifikanzwert von mehr als 0,05 hat. Du musst unter Options im Feld "Probe Interactions" den p-Wert nach oben setzen oder auf "always" stellen. Viele Grüße, Björn.
Super Video, danke! Jedoch zeigt es bei mir in der Auswertung die Tabelle " Conditional Effects of the focal predictors….." nicht an. Was kann ich tun?
Hallo, das liegt vermutlich daran, dass dein Interaktionseffekt einen Signifikanzwert von mehr als 0,05 bzw 0,1 hat. Du musst unter Options im Feld "Probe Interactions" den p-Wert nach oben setzen oder auf "always" stellen. Viele Grüße, Björn.
Danke für das Video! Du hast nur kurz angesprochen, warum die Option "mean center for products" angekreuzt werden muss. Hast du dazu noch ein weiteres Video oder eine Empfehlung? Danke!
Hallo Sabrina, hierzu empfehle ich im Buch von Hayes (amzn.to/2P9M1Xr) Kapitel 9.1 "Truths and Myths about Mean-Centering". Man kann aber zusammenfassen, dass es hinsichtlich Multikollinearität keinen Effekt bringt. Der große Vorteil liegt allerdings darin, dass die Koeffizienten immer interpretierbar sind und weder X noch W bei Null gehalten werden mpssen (S. 310 bei Hayes): " Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/or W are meaningful when equal to zero." Viele Grüße, Björn.
Hallo Björn. Danke für das super Video. Trotzdem würde ich gerne wissen, ob meine Werte für den Interaktionseffekt so richtig dargestellt werden oder ob noch was fehlt. (b = −.07, SE = .04, 95% KI [-.00, 14]). Vielen Dank
Hallo Silvia, danke für dein Lob! Die Darstellung hängt immer ein wenig von den Vorgaben des Instituts/Journals usw. ab. Prinzipiell hast du aber alles drin. Ich würde allerdings beim KI das Vorzeichen weglassen, wenn es tatsächlich 0,00 ist. Vermutlich ist es aber negativ, wohl erst einige Nachkommastellen verraten dies. Viele Grüße, Björn.
Danke für deine Videos! :) Ich bin mir nur bei der Übertragung auf meine Rechnung unsicher... Ich möchte eine nominale Variable (Interventionsgruppe) als Moderator aufnehmen. Ich habe 3 Interventionsgruppen, die ich vergleichen möchte. Wie ich es es verstanden habe, müsste ich die Variable der Interventionsgruppe Dummy-codieren. Nehme ich dann zwei dieser Dummy-Variablen als Moderatoren oder gibt es noch eine andere Möglichkeit? Liebe Grüße
Hallo Marisa, gerngeschehen. :-) Du kannst im Dialogfeld unter "Multicategorical" deine Variablen durch PROCESS automatisch codieren und in der Berechnung verwenden lassen. Viele Grüße, Björn.
Hallo Aileen, der Moderator kann prinzipiell metrisch sein, du solltest aber aufpassen, dass du nicht zu viele Ausprägungen hast. 7 ist sicherlich schon nah an der Grenze. Viele Grüße, Björn.
Hallo! Zunächst einmal vielen Dank für das Video. Ich habe aber auch ein kleiner Problem, wo ich einfach nicht mehr weiter weiß. :( Wenn ich mir den Graphen über Syntax zeichnen lasse, werden mein Moderator und meine UV vertauscht, sprich mein Moderator wird auf der x-Achse abgetragen und meine UV dort, wo der Moderator sein sollte. Bei der Ausfüllung der Tabelle bin ich aber deinen Anweisungen 1 zu 1 gefolgt. Könntest du mir möglicherweise sagen, woran es liegt und wie ich es beheben kann. Anmerkung: Der Moderationseffekt ist nicht signifikant, da mein p-Wert über 0,05 liegt. Danke im Voraus.
Hallo zusammen, wenn ich meine Moderationsanalyse bei Process durchführe, erhalte ich die Fehlermeldung "One of your categories contains only a single case".. ich kann mir nicht erklären, womit der Fehler zusammenhängt und kann auch leider bei Google nichts dazu finden. Kann mir jemand weiterhelfen?
Hallo Nina, wie es die Fehlermeldung suggeriert, hat wohl eine Variable eine Ausprägung, wo nur ein Fall existiert. Beispiel: Geschlecht ist Moderator und du hast nur 1 Frau in der Stichprobe. Viele Grüße, Björn.
Aufgrund von auftauchender Error nachrichten konnte ich kein Mean Centering machen. Bei mir sieht die Ausgabe Datei insgesamt auch viel kürzer aus, wahrscheinlich aber weil bei mir nix signifikant war... trotzdem danke für das Tutorial, meine Bachelor-arbeit is aufgrund ausbleiben jeglichen Signifikanzen trotzdem ziemlich nutzlos..
Hallo, nutzlos ist sie keinesfalls! Du hast durch sie hoffentlich wissenschaftliches Arbeiten gelernt. Gleichzeitig hast du transparent und nachvollziehbar Hypothesen hergeleitet und geprüft. Jede Studie hat Limitationen, die dafür verantwortlich sein können, dass die Hypothesen nicht bekräftigt werden konnten. Zu nennen sind v.a. Stichprobenauswahl, -größe, Operationalisierung latenter Konstrukte usw. Wenn nur "positive" Ergebnisse publiziert werden, käme die Wissenschaft nicht voran, weil dann immer wieder etwas untersucht wird, wovon man ausgeht, das es noch nicht untersucht wurde. Wissenschaft funktioniert nur so, dass schrittweise viele Forscher ein Gesamtbild erarbeiten, dass über Zeit ein Abbild der Realität formt und generalisierbare Schlüsse zulässt. Keine Forschung ist per se in sich und an sich nutzlos! Wer das als Forscher von deiner und anderen Arbeiten "ohne Ergebnis" behauptet, hat Forschung nicht verstanden. Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Danke für den Input, ich würde dem allem Auch größtenteils zustimmen. in Meinem speziellen Fall ist es nur so, dass auch meine konfirmatorischen Hypothesen nicht signifikant waren (und das aller theoretischen Basis widerspricht) weshalb ich bei mir vor allem Probleme in meiner Stichprobe und durch den Corona Kontext vermute. Ich hab auch nicht wirklich was neues gelernt, da in meiner Hochschule ein starker Fokus auf wissenschaftlichem arbeiten liegt und meine Bachelor Arbeit meine siebte wissenschaftliche Forschungsarbeit ist. Ich gebe aber zu, dass mein Kommentar nicht gut formuliert war, da sprach die Frustration aus mir. Ich stimme zu dass nicht Signifikanzen genauso wichtig sind wie Signifikanzen. Meine Arbeit geht nur deswegen in meiner Diskussion in ne andere Richtung als ich das gehofft hätte. Danke für das Antworten auf meinen Kommentar
Statistik am PC, das heißt Dr. Björn Walther, ist der MVP, also der Wertvollste Spieler jedes grundständigen Studiums mit inferenzstatistischem Anteil. Sein Name sollte in jedem Modulhandbuch verewigt werden, sein Konterfei jede Mensaserviette zieren.
Vielen Dank für das hilfreiche Video!!! Weiß hier in den Kommentaren zufällig jemand, wie man eine Moderation mit einer dichotomen unabhängigen Variable rechnet? AV = Verhaltensintention; UV= Text/kein Text; Moderator (W)= Umweltbewusstsein Danke schonmal!!
Hallo Sabi, in dem Fall ändert sich im Vorgehen nichts. Du musst nur bei der Interpretation aufpassen, dass du jetzt mit einem Dummy arbeitest. Generell habe ich dazu hier bereits einige Worte verloren: ruclips.net/video/KjiqXDGgwbk/видео.html Viele Grüße, Björn.
Hallo, ich habe eine Frage zur Stelle bei ca. Minute 8. Ich habe eine ähnliche Berechnung für meine Masterarbeit durchgeführt mit belastende Ereignisse als Prädiktor, Resilienz als Moderator DIsstress als Kriterium (siehe Tabelle unten). Nun ist bei mir der Effekt bei +1 Standardabweichung nicht signifikant. Ich würde gerne wissen, wie ich das interpretieren kann. glg Rikk Conditional effects of the focal predictor at values of the moderator(s): RS_Sum Effect se(HC3) t p LLCI ULCI -11,0188 ,6687 ,1772 3,7729 ,0002 ,3209 1,0165 ,0000 ,4097 ,1180 3,4713 ,0005 ,1781 ,6413 11,0188 ,1507 ,1516 ,9938 ,3205 -,1468 ,4483
Bei Fragen und Anregungen zum rechen und interpretieren einer Moderation mit PROCESS in SPSS nutzt bitte die Kommentarfunktion.
Das machst du wirklich alles super toll! Vielen, vielen Dank!
Hi, danke vorab für die Tipps!
Wo finde ich bei der Interpretation der Ergebnisse von Process den standardisierten und unstandardisierten Regressionskoeffizienten?? (b und β)
und wo befindet sich das korrigierte R²?
(oder ist das nicht notwendig, wenn man nur einen Prädiktor und einen Moderator hat?)
Danke :)
Guten Morgen Björn,
Vielen Dank für das fantastische Video - das hat mir für meine Bachelorarbeit bereits sehr geholfen.
Ich habe nun eine Frage: Wie gehe ich in dem Ergebnisbericht vor, wenn das Gesamtmodell (erste Tabelle) nicht signifikant ist? Wird dann lediglich dies berichtet, oder sollte dann dennoch auch auf die nachfolgenden Tabellen und (bei mir) den ebenso nicht signifikanten Moderationseffekt eingegangen werden?
Ich bedanke mich herzlich für die Antwort und für all die hilfreichen Videos!
Eva
Hey, das Video hat mir schon sehr geholfen! Allerdings bin ich gerade unsicher, wie ich berichten soll. Ich habe ein multikategoriales X (meine Gruppenvariable) und das so entsprechend mit PROCESS berechnet. Bei einer Moderation berichtet man ja auch die Werte der Regression wenn ich mich nicht irre. Rechne ich dann jetzt noch einfach eine lineare Regression? Das habe ich gerade probiert, da erhalte ich aber ganz andere R-Werte. Welche nehme ich denn dann? Eine Antwort würde mir sehr helfen :)
Vielen Dank! Das ist richtig hilfreich :) Leider zeigt Process 4_2 die Conditional effects nicht mehr an. Gibt es eine Möglichkeit, sich die in der neuen Version auch ausgeben zu lassen?
Hallo, danke für das Lob! Soweit ich weiß, gibt es das nicht mehr in der neuen Version. Aktuell ist auch ein Video zur neuen Version in Planung, grundlegend gibt es aber wenig neues, wie du sicher schon festgestellt hast. ;-)
Viele Grüße, Björn.
Lieber Björn,
vielen Dank für deine hilfreichen Videos!
Für meine Masterarbeit rechne ich multiple Regressionen mit vier unabhängigen Variablen. Abschließend möchte ich überprüfen, ob eine weitere Variable (Moderatorvariable) Einfluss auf diese Zusammenhänge hat. Kann ich dies auch mit Process machen? Oder muss ich manuell Interaktionsvariablen erstellen und dann vorgehen, wie in deinem anderen Video zu Moderation beschrieben?
Meine Betreuerin meinte, dass es auch eine Möglichkeit gibt, über "verallgemeinerte lineare Modelle" zu gehen und ein mehrfaktorielles Modell zu rechnen. Dazu finde ich allerdings keine hilfreichen Tipps online. Vielleicht könntest du mir da ja weiterhelfen?:)
Ich habe eine Frage, aber erst mal vielen Dank für dein Video! Mein Modell ist signifikant und impliziert bei "Model" keinen Interaktionseffekt (Int_1; p=.1133). Bei den Conditional Effect hingegen gibt es ein Intervall in dem p
Hi, kann eine Moderation durchgeführt werden, wenn die UV als Einzel-Item ordinalskaliert ist? Für die Moderation gibt es ja bestimmte Voraussetzungen nach Hayes. Allerdings scheint das Skalenniveau der UV (im Gegensatz zur multiplen linearen Regression) egal zu sein, oder? Vielen Dank vorab! ☺️
Vielen Dank für das super hilfreiche Video! Noch eine Frage: Wird beim Berichten der Ergebnisse (anders als bei der Regression) die Modellzusammenfassung, also F, dfs und p überhaupt nicht berücksichtigt?
Hallo Jessica und danke für die lobenden Worte!
Da es sich auch bei einer Interaktion um ein "normales" Regressionsmodell handelt, sollten die Werte der Modellzusammenfassung mit berichtet werden.
Viele Grüße, Björn.
Hey, erstmal vorab vielen Dank für das super Video! Ich habe folgendes Problem: Die neuste Version von Process ist nun 4.0. Leider gibt es nicht die Option "Mean Center for construction of Products". Was soll ich nun anklicken, denn es gibt keine ähnliche Option?
Da ich vorab die Berechnung nach deinem Video ohne Process gemacht habe, habe ich die MC bereits errechnet. Muss ich dann für meine Variablen die MC Werte manuell in die Berechnung eingeben? Liebe Grüße, Isabelle
Hey danke für das video! Ich hab mal folgende frage. Bei mir wurde bei der regression der haupteffekt der uv auf die av nicht signifikant aber der interaktionsterm. Weißt du woran das liegen könnte? Mir würde nur ein u-förmiger zusammenhang einfallen aber wie kann ich das beweißen? Vielen Dank und frohes neues!
Lieber Björn,
danke für deine ganze Arbeit. Ich habe in den letzten Wochen sehr viele Stunden damit verbracht, deine Videos zu schauen und es hat mir sehr geholfen!
Ich habe 2 Fragen
1) Wie kann ich gut argumentieren, dass ich eine Moderationsanalyse mit PROCESS gerechnet habe statt "normal" in SPSS?
zusätzlich zu der Robustheit ggü. Verletzungen der NV-Annahme & Heteroskedastizität?
2) kannst du dir vorstellen, warum ein Modell insgesamt signfiikant werden könnte, ohne dass ein einzelner Prädiktor signifikant wird?
Multikollinearität ist ausgeschlossen, VIF nahe 1 und auch so korrelieren die Prädiktoren nicht annähernd.
Ich freue mich auf deine Antwort. Ganz herzlichen Dank
Hallo Björn, erneut vielen Dank für deine hilfreichen Videos :) Ich habe in meinem Modell zwei Moderatoren. Kann ich das auch mit PROCESS berechnen?
Hallo Maike, danke für dein Lob!
Ja, PROCESS kann mit zwei Moderatoren rechnen - die wirken parallel auf die Beziehung von X auf Y.
In der aktuellen Version 4.3 ist das Model 2 (war es in den alten Versionen auch).
Wenn du mit zwei Moderatoren allerdings eine moderierte Moderation rechnen willst, musst du Model 3 auswählen.
Viele Grüße, Björn.
Hallo Björn,
du hilfst mir grade durch meine Masterarbeit - deine Videos sind super verständlich erklärt - vielen Dank! :)
In meinem Modell habe ich neben meinem Prädiktor, Moderator und dem Kriterium auch eine Kontrollvariable, die signifikant mit dem Moderator korreliert. Wie kann ich diese in meine Moderatoranalyse aufnehmen?
Ich wäre dir echt super dankbar für eine kurze Antwort! :)
LG! :)
Hallo Veronika und danke für dein Lob! :-)
Kontrollvariablen kommen einfach in das Feld Covariates.
Viele Grüße, Björn.
Danke für das hilfreiche Video!
Was bedeutet es wenn in meiner Moderationsanalyse der Interaktionseffekt signfikant ist, jedoch bei model summary der p-Wert des F-Tests über 0.05 liegt?
Hallo Laura, wenn der F-Test keinen hinreichend kleinen p-Wert hat, leistet das Modell keine hinreichend große Aufklärung. Das kann an der Auswahl der Prädiktoren liegen, der Stichprobe usw. Eine Auswahl an Gründen gibt es hier: ruclips.net/video/tmRUTeW-hTc/видео.html
Die signifikante Interaktion wäre im Falle eines zu hohen p-Wertes beim F-Test daher nicht zu interpretieren.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank für die Antwort!
Du glaubst ja gar nicht wie sehr ich mich über solche Videos freue- es nimmt mir etwas der großen Angst, die ich immer vor SPSS hatte. :D
Kurze Frage vorab: wie hast du denn bei SPSS die Motivationswerte in drei verschiedene Stufen aufgeteilt? War das durch Mediansplit?
Und was mich noch interessieren würde ist wozu man das Mean-Centering in der Moderationsanalyse braucht? Also warum hast du dir da nicht die absoluten Zahlen ausgeben lassen?
Und wie würde man so ein Ergebnis aus so einer Moderationsanalyse berichten? Reicht es da einfach als Ergebnis zu sagen, dass man aufgrund der signifikanten Interaktion und aufgrund der Sichtung des Diagramms sagen kann, dass die Motivation einen signifikanten Effekt hat auf den Score und daher den Moderator bildet zwischen IQ und Score? Liebe Grüße - sorry für den langen Text 🙈- und danke vorab! :)
Hallo, ich versuche es mal etwas kürzer zu halten. ;-)
1) die Motivation ist mehrstufig - Zufallsdaten. Beim Mediansplit würde man nur 2 Ausprägungen erhalten. Eine metrische Variable kann man aber mit Quantilen kategorisieren. Das sollte aber wohl begründet sein, weil man hiermit Informationen verliert.
2) Mean-Centering: nicht nötig aber bei der Interpretation hilfreich: "Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/orW are meaningful when equal to zero. When X andWare mean-centered and the coefficients in equations 9.1 or 9.2 estimated, b1 estimates the difference in Y between two cases that differ by one unit on X among cases that are average on W. Similarly, b2 estimates the difference in Y between two cases that differ by one unit on W among cases that are average on X. These will always estimate conditional effects of X on Y within the range of the data, and they can always be
interpreted." (Hayes, (2016) Mediation, Moderation, S. 310)
3) Eine Koeffiziententabelle mitsamt Ergebnis vom F-Test und die Modellgüte (R², korr. R²) sollten auf jeden Fall da sein, in etwa so: bjoernwalther.com/vorlage-fuer-ergebnistabelle-der-multiplen-linearen-regression-in-spss/
Zusätzlich hilft es manchmal bei einer sign. Interaktion noch das Diagramm mit einzufügen.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Riesigen Dank dir für diese ausführliche Antwort!! 😊 Das finde ich schon mal erleichternd zu wissen, dass Mean-Centering nicht unbedingt notwendig ist, weil ich den Begriff hier tatsächlich zum ersten Mal gehört habe (vielleicht habe ich das Thema in der Statistikvorlesung verpennt 😅). Und auch ganz lieben Dank für das Beispiel für das Berichten vom Ergebnis, das speichere ich mir definitiv ab für meine Abschlussarbeit. 😊
Hallo, ich habe eine Frage zum Unterschied zw. Version 2.16.3 und Version 3.2. Ich nutze aktuell noch erstere Version. Dort nutze ich für Moderatoranalysen unter "Options" immer die Option "OLS/ML confidence intervall". Diese Option scheint auf den ersten Blick nicht mehr in der v 3.2 vorhanden zu sein. Ist diese automatisch verbaut, also wird diese Option automatisch ausgeführt und muss nicht mehr ausgewählt werden? Wissen Sie da vllt. Genaueres?
Meine abhängige und unabhängige Variable ist metrisch skaliert und mein Moderator ist nominal skaliert (5 verschiedene Gruppen). Kann ich diese Variable wie den Moderator im Video ins Modell einschließen?
Vielen Dank für das hilfreiche Video!
Kann man die Outputs aus Process auch APA konform erstellen, ohne großen Aufwand? Die Darstellung der Outputs unterscheidet sich ja, als wenn man kein Process durchführt.
Ich frage mich, ob das auch hier geht bzw. wie man diese am Besten übetragen könnte..
Vielen Dank!
Hallo,
wird durch PROCESS bereits der bereinigter Interaktionsterm berechnet, sodass X, der Moderator und der Interaktionsterm unabhängige Variablen sind?
Danke vorab und liebe Grüße 🤗
Hallo Björn, vielen Dank für das hilfreiche Video. Ich hätte noch eine Frage - mit dem Signifikanzniveau .05 ist mein Interaktionseffekt leider nicht signifikant, allerdings mit einem Niveau von .10. Kann man das dann auch verwenden?
Weiterhin habe ich eine kulturübergreifende Studie gemacht - die eine UV ist also stärker in Asien und die andere UV stärker im Westen verbreitet. Beide beeinflussen dieselbe AV. Wenn ich jetzt einen Moderatoreffekt auf die eine UV (die in Asien stärker vertreten ist) untersuche, frag ich mich ob ich dafür nur die asiatische Stichprobe miteinbeziehen sollte oder die gesamte. Kannst du mir hier zufällig weiter helfen?
Vielen Dank schon einmal für deine Antwort.
LG
Hallo und danke für dein Lob!
Wenn du valide Konstrukte und etablierte Modelle verwendest, ist weniger beim Alpha besser, also 0,05. Wenn du eher Pionierarbeit leistest, geht auch 0,1 in Ordnung. Das hängt also ein bisschen vom Forschungsstand ab.
Ist das Land der Moderator auf die Beziehung UV->AV auf die gesamte Stichprobe? Das wäre doch das einfachste in dem Fall.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank für deine Antwort! Alles klar, dass macht Sinn mit dem Alpha.
Nein die Moderatorvariable heißt Maximierungstendenz und ist ein eigenes Konstrukt. Die UV´s sind aber länderspezifisch stark ausgeprägt..
Mein Moderator ist eine kategoriale Variable, welche ich mittels "Multicategorical" - "Indicator" dummykodiert habe. Wie kann ich nun meine Referenzkateogrie ändern (möchte Gruppe 5 als Referenzkategorie und nicht Gruppe 1)?
Vielen Dank für das Video! Mein Modell ist signifikant, die Interaktion jedoch nicht. Darf ich die übrigens Betas der UVs unabhängig von der Interaktion dann interpretieren oder müsste ich eine eigene multiple Regression ohne Interaktionsterm nochmal rechnen?
Hallo Ella, gerne.
Du solltest die Betas so interpretieren, wie sie in den Modell mit Interaktion stehen, da du dieses Modell unterstellt hast und letztlich auch gerechnet hast.
Viele Grüße, Björn.
Danke ersteinmal für die super Videos. Ich versuche momentan nicht an meiner Analyse zu verzweifeln und hoffe du kannst mir weiterhelfen. Ich versuche eine Moderation in Process mit folgenden Variablen zu rechnen:
IV - nominal (3 Kategorien)
Moderator - metrisch
CV - nominal (7 Kategorien)
DV - metrisch
Das ich die IV per "Multicategorical" direkt mit PROCESS Dummy Codieren kann weiß ich schon.
1) Allerdings frage ich mich wie ich bei der ConntrolVariable damit umgehen sollte:
a- Kann ich sie einfach als nominale Variable reinpacken
b- oder sollte ich da manuell eine Dummy Codierung vornehmen und die Dummies dann in das Covariate Fenster einfügen und eine draußen lassen als Referenzkategorie?
2) Und wie verhält es sich bei mehreren CVs die alle nominal (mit bis zu 12 Kategorien) sind? Falls 1a) zutrifft kann ich die dann einfach ungeachtet der Skalierung alle under Covaraites reinpacken?
und noch aus Neugier:
3) in deinem Video oben hast du auch eine nominale Moderator Variable "Motivation" mit 3 Ausprägungen aber diese packst du auch gleich rein ohne über "Multicategorical" nen Dummy draus machen zu lassen. Warum geht das?
dude, Danke!
Gerne, dude. ;-)
Viele Grüße, Björn.
Vielen Dank für das super hilfreiche Video! Ich rechne in meiner Abschlussarbeit eine moderierte Mediation (Model 7) und habe eine Frage zum "Mean centering". Bei mir werden Fehlermeldungen angezeigt, nicht aber, wenn ich "no centering" anklicke. Habe eine metrische UV, metrischen Mediator, metrische AV (aufgrund eines Kombinationsmaßes aus zwei Fragebögen ist die AV z-standardisiert!) und multikategorialen Moderator (Process dummy-codiert: "multicategorial", "Indicator"). Was mache ich falsch? Sollte ich UV und Mediator von Hand zentrieren und dann "no centering" anklicken?
Hallo Charlotte und danke für dein Lob!
Wo das Problem liegt, ist leider schwer auszumachen. Allerdings schreibt Hayes (2016) auf S. 312: "If you choose to center the focal antecedent and moderator, you can do so manually using the syntax available in your chosen software, as on page 305. Alternatively, you can have PROCESS do the centering for you." Ergo kannst du auch ruhigen Gewissens vorher "mean centern" und dann die moderierte Mediation rechnen.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank!!!
Hab vielen Dank Björn für deine Mühen mit diesen Videos. Sie helfen mir gerade wirklich durch die BA. Eine Frage zur Moderation: Ich habe mehrere Kontrollvariablen, mit unterschiedlichen Skalenniveaus. Kann ich sie einfach unter Modell 1 mit einbeziehen? Liebe Grüße aus Berlin!
Und noch etwas. Sollte ich mit den z-Werten rechnen?
Hallo und danke für dein Lob! Die Kontrollvariablen können beliebige Skalenniveaus haben und können mit einbezogen werden. PROCESS bietet die Option für Interaktionen standardisierte Koeffizienten auszugeben. Du brauchst also nicht alles zu standardisieren, das macht PROCESS in dem Falle für dich.
Viele Grüße, Björn.
Das Video ist für eine lineare Moderation sehr hilfreich. Ab PROCESS 3 ist es auch möglich eine logistische Moderation zu berechnen. Welche Faktoren muss ich dort beachten und wie sind die Ergebnisse zu interpretieren?
@ Statistik am PC
Lieber Björn, ich bin mir hinisichtlich des Modells das ich rechnen muss unsicher. Ich verwende im Moment Modell 1, untersuche aber für den Einfluss von X auf Y mehrere (9) Moderatoren (unterschiedliche Emotionsregulationsstrategien). Muss man da ein anderes Modell verwenden? Im Moment rechne ich einfach so viele einfache Moderationen wie ich Moderatoren habe.
Hallo Anja, ich glaube da wirst du mit PROCESS nicht weiter kommen. Du rechnest am Ende ja 9 verschiedene Modelle, aber nicht einmal das gewünschte Modell. Hier hilft dir wohl nur der Umweg über die normale Herangehensweise: ruclips.net/video/horOf-hTuFo/видео.html
Viele Grüße, Björn.
Hallo Björn, braucht man auch beim Model 7 (moderierte Mediation) das Mean Centering? Bei der Version 3.4 kann man zwischen , "No centering", "All variables that define products" und "only continuous variables that define produces" wählen. Weißt du eventuell, was mir hier am besten auswählt?
Hallo Natalie, mean centering kann man laut Hayes (2016), Kapitel 9.1 problemlos anwenden. Es ist sogar empfehlenswert: "Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/or W are meaningful when equal to zero." (S. 310)
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Hallo Björn, Ich habe auch eine Frage zur Zentrierung. Mir kommt es bei meiner Berchnung vor allem auf eine Signifikante Interaktion an und nicht auf den Einfluss jeder UV an sich (Haupteffekte). Im Moment habe ich die Tabelle in der ich die Regression berichte mit den zentrierten Werten, für die simple slopes und die Johnson-Neyman Signifikanzregionen habe ich hingegen die nicht zentrierten werte genommen. Darf man das machen?
Hallo Björn, erst einmal vielen Dank für Deine zahlreichen und sehr gut gemachten Videos, denn damit macht mir die Arbeit in SPSS sogar richtig Spaß :-)
Ich habe eine Frage zur Moderationsanalyse. Und zwar habe ich meine Variablen zuvor mit dem Breusch-Pagan-Test auf Heteroskedastizität getestet, die nicht vorliegt. Dann habe ich mit Process 3.4 die Regressionsanalyse wie hier gezeigt durchgeführt, aber dazu sicherheitshalber den HC3-Schätzer ausgewählt. Ohne Schätzer bekomme ich andere Daten raus... zwar keine Änderung in der Signifikanz, aber einfach andere Werte. Bleibe ich bei vorher gefundener Homoskedastizitätdann bei den "none"-Werten, oder sollte ich lieber die aus der Analyse mit dem HC3-Schätzer verwenden? Ich hoffe, das ist verständlich beschrieben :-) Viele Grüße und vielen Dank nochmal!
Hallo Chris und danke für dein Lob!
Man kann trotzdem die Berechnung von z.B. HC3 durchführen und diese interpretieren. Hayes, Cai (2007), Using heteroskedasticity-consistent standard error estimators in OLS regression: S. 716 sagen hierzu: "we argue that an HC estimator, preferably HC3 or HC4, should be routinely used in linear regression models, if it is not used as the default method of standard error estimation, researchers would be well advised to at least double-check the results from the use of the OLSE estimator against the results obtained with an HC estimator, to make sure that conclusions are not compromised by heteroskedasticity."
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Sehr gern :-) Und vielen Dank für die Rückmeldung, so werde ich es handhaben!
Hallo, vielen Dank für das Video! Ich frage mich, ob das Vefahren auch bei einer multiplen Regressionsanalyse durchgeführt werden kann? Kann man gleichzeitig einen moderierenden Effekt auf mehrere unabhängige Variable testen oder müssen dann einfach einzelne lineare Regressionen mit Moderation für jede einzelne unabhängige Variable durchgeführt werden? Würde man dann ein anderes Verfahren verwenden? Vielen Dank für Deine Hilfe :D
Hallo Pia, es gibt von Hayes, dem Autor des Plugins, auch ein Buch, wo verschiedene Modelle vorgegeben sind, unter anderem mit mehreren Moderatoren, allerdings maximal 2. Dies könnte man noch über Process rechnen. Bei mehr als 2 Moderatoren, muss man die Moderation manuell rechnen. Dazu habe ich auch ein Video, das dir dieses Vorgehen zeigt. In jedem Falle würde man alle unterstellten Moderationen gleichzeitig rechnen und nicht für jede ein separates Modell.
Viele Grüße, Björn.
Super Video, vielen Dank! Ich hätte da aber noch eine Frage: Meine PROCESS Ausgabe zeigt mir einen nicht signifikanten Zusammenhang zwischen der UV und AV an. Der Effekt des Moderators auf die AV ist signifikant und der Interaktionstherm ebenfalls. Wie kann ich den Moderatoreffekt denn in diesem Fall interpretieren? Liebe Grüße und Danke! :)
Hallo Josephine, wenn die interaktion signifikant ist, wird diese berichtet und interpretiert. Was die einzelnen Effekte (X und M) auf Y bzw. die AV machen ist in dem Falle nicht mehr relevant, weil du ja gerade festgestellt hast, das deren Kombination signifikant ist.
Viele Grüße, Björn.
Vielen Dank für das Video! Ich habe noch eine Frage, vielleicht kann mir weitergeholfen werden: Meine Interaktion ist laut Process nicht signifikant. Wenn ich den Effekt mithilfe der Syntax, die Process ausgegeben hat, visualisiere, lässt sich allerdings eine Interaktion der zwei Variablen feststellen (Geraden schneiden sich, verlaufen nicht parallel), die im Einklang mit meiner Hypothese ist. Wie ist das zu interpretieren?
Hallo Jael, wie hoch ist denn die Signifikanz? Der Schnitt kann auch bei nicht signifikanter Interaktion zustande kommen und sollte am ehesten bei einer signifikanten Interaktion interpretiert werden.
Viele Grüße, Björn.
Hey Björn! Vielen Danke für das tolle Video. Ich hätte auch noch eine Frage. Ich würde gerne ine Moderation rechnen. Zusätzlich würde ich jedoch gerne 3 Kontrollvariablen in meinem Modell berücksichtigen. Kann ich diese 3 Kontrollvariablen dann einfach alle 3 gleichzeitig unter dem Feld Covariates aufnehmen? Oder muss das anders. zum beispiel Schritt für schritt die einzelnen Kovariablen einführen?
Hallo Batiste, danke für dein Lob!
Genau, du nimmst die zusätzlichen Kontrollvariablen im Feld Covariates auf.
Viele Grüße, Björn.
Herzlichen Dank für das hilfreiche Video. Inzwischen gibt es die 3.4 Version von Process. Ich benötige dafür die Syntaxbefehle. Wie erstelle ich die?
Hallo Silvia, die kannst du im Buch von Hayes (2016) nachlesen: amzn.to/36MEGo2
Zusätzlich ist zumindest alles, was anklickbar ist, über den Button "Einfügen" (neben OK) im PROCESS-Dialogfeld als Syntax abrufbar.
Viele Grüße, Björn.
Gibt es auch ein Video, wo die Vorraussetzungen für die Moderationsanalyse überprüft werden?
Hallo, das sind die gleichen wie bei jeder normalen linearen Regression: ruclips.net/video/MrAPaLLbZQE/видео.html
Viele Grüße, Björn.
Hallo:) wirklich tolle videos, die mir bis jetzt schon sehr weitergeholfen haben.
Was tu ich wenn der erste Wert der Standardabweichung -1SD bei den conditional effects of the focal predictor nicht signifikant ist die anderen beiden aber schon und auch die ersten 6 Werte beim Johnson-Neyman nicht signifikant sind dann aber schon, was heißt das?
Und wenn das ganze moderationsmodell noch in einer mediation verpackt ist, also modell 7 gerechnet wird!
Über Hilfe wäre ich wirklich sehr sehr dankbar!
LG Tina
Auch von mir tausend Dank für das Video!
Eine Frage habe ich allerdings bezüglich des Diagramms. In dem Video über die Moderation mit PROCESS v.2.16 blendest du am Ende noch ein Diagramm ohne „mean centering“ ein. Egal was ich mache, ich komme einfach nicht auf diese Werte bzw. diese Gleichungen. In PROCESS einfach das Häkchen bei „mean center for construction of products” weglassen führt bei mir auf alle Fälle nicht zum Ziel. Könntest du bitte erklären, welche Schritte notwendig sind, um das Diagramm ohne mean centering zu bekommen? Vielen Dank im Voraus!
Hallo Frank, das Diagramm am Ende des anderen Videos habe ich genauso erstellt, wie das andere, nur, dass ich in den Optionen den Haken bei Mean Centering weggelassen habe.
Viele Grüße, Björn.
vielen vielen dank für das video ! ich habe eine frage: unterscheiden sich mediation und moderation start von einer moderierten mediation?
Hallo Jeggie, was genau meinst du? Ob sich die Ergebnisse beim Rechnen einer Mediation und Moderation von einer moderierten Mediation unterscheiden? Wenn das die Frage ist, ja. Wenn nicht, gib mir noch mal Bescheid.
Viele Grüße, Björn.
Danke für das Video! Ich habe in meinem Modell mehrere unabhängige Variablen (X) die über den Mediator (M) auf die abh. Variable (Y) wirken. Da ja für jede Mediation eine eigene Process-Analyse durchgeführt werden muss, resultieren auch unterschiedliche Werte je nach Analyse für den Pfad von M->Y. Welchen Wert weise ich davon in meinem Strukturmodell aus?
Hallo Goldman, bei mehreren UV, die mediiert werden, würde ich die jeweils gerade nicht als x-Variable aufgenommenen Variablen als Kovariate aufnehmen. Du tauschst dann für die Anzahl der mediierten UV immer wieder mit der Kovariate - das Gesamtmodell sollte immer das selbe sein und du kannst dir jeweils den Pfad M->Y gezielt anschauen.
Viele Grüße, Björn.
Hallo Björn,
ich habe auch eine Frage zum Mean-Centering: in der Version 3.5 kann man auswählen, ob alle Variablen oder nur die kontinuierlichen Variablen "gemeancentered" werden sollen. Was würdest du hier empfehlen, wenn ich eine multikategoriale UV habe und einen metrischen Moderator und was bedeutet es für meine Interpretation?
Vielen Dank und beste Grüße,
Sophia
Hallo Sophia, hierzu direkt von Hayes "There is a widespread belief that a transformation such as meancentering of X and W is mathematically necessary in order to properly estimate a model that includes the product of X and W as an antecedent variable and therefore in order to test a moderation hypothesis correctly. Although there is some value to mean-centering, it is not necessary." (S. 243) sowie
"Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/orW are meaningful when equal to zero. When X andWare mean-centered and the coefficients in equations 9.1 or 9.2 estimated, b1 estimates the difference in Y between two cases that differ by one unit on X among cases that are average on W. Similarly, b2 estimates the difference in Y between two cases that differ by one unit on W among cases that are average on X. These will always estimate conditional effects of X on Y within the range of the data, and they can always be interpreted." S. 310.
Kurzum: Es hilft bei der Interpretation, mehr aber nicht.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Danke für deine Antwort! :-)
Hallo, ich habe dazu eine Frage. Mein Interaktionseffekt ist leider nicht signifikant, allerdings würde ich gerne wissen, ob der Zusammenhang zwischen der AV und UV signifikant ist, ohne einer weitere Berechnung durchzuführen.
Kann ich den direkten Zusammenhang zwischen AV und UV auch aus dieser Tabelle herauslesen?
Hallo Sarah, ja, wenn die Interaktion nicht signifikant ist, kannst du direkt die Beziehung zwischen UV und AV aus der Koeffiziententabelle ablesen.
Viele Grüße, Björn.
Hi Björn
Ist es möglich zu definieren, dass ein Moderator auf mehrere Variablen wirkt? (Ich kann bei der x Variabel leider nur eine Variable definieren)
also wenn ich zum Beispiel 10 Variablen habe und dabei wirkt ein Moderator bei 3 Variablen auf den Zusammenhang zw. X und Y.
Herzlichen Dank
Simon
Hallo Simon, das funktioniert, wird aber schnell sehr komplex. Hayes bietet in seinem PROCESS-Buch im Anhang eine Übersicht über vorgefertigte Modelle, die in PROCESS ausgewählt werden können, die parallele Moderation haben. Im Notfall modelliert man die Interaktionsterme über die Produkttermbildung manuell und rechnet das Modell. Quasi nach diesem Schema: ruclips.net/video/horOf-hTuFo/видео.html
Alternativ kann man auch ein generelles lineares Modell rechnen und dort die Interaktionsterme automatisch berechnen lassen.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Herzlichen Dank!
Also der Interaktionseffekt ist signifikant und ich erkenne auch, das die MV nur im Bereich ab einer SD unter dem Mittelwert signifikant wirkt, nicht im mittleren Bereich, auch nicht oberhalb des Mittelwerts. Und ab hier hab ich ne Blockade im Hirn :D. Ich weiß zwar jetzt, dass Probanden die eine niedrige Ausprägung auf der MV haben von der Moderation betroffen sind, aber woher weiß ich nun, ob sich diese moderation positiv oder negativ auf die AV auswirkt? Ich mein der Effekt der UV auf die AV der von der MV beeinflusst wird, hat ein positives Vorzeichen, aber die MV selbst kann dann darauf doch auch in beide Richtungen wirken oder verdenke ich mich da gerade?
Hallo Kaim, am einfachsten ist eine grafische Veranschaulichung. Dies leistet PROCESS, wie ich ab 9:35 zeige. Da erkennst du wie sich die AV in Abhängigkeit von UV und MV verhält.
Viele Grüße, Björn.
Kann durch eine Moderationsanalyse auch der Einfluss einer Variable auf den Zusammenhang zwischen zwei abhängigen Variablen (MZP1 und MZP2) berechnet werden?
Hallo Julia, ein Moderator kann freilich auch zwei verschiedene Pfade moderieren, wahlweise bei zwei UVs oder AVs. Bei letzterem wird es bei simultaner Betrachtung aber nur über Strukturgleichundsmodellierung gehen. Wenn man die Modelle (eins je AV) nacheinander berechnet, dann geht man wie im Video vor.
Viele Grüße, Björn.
Hey Björn, mega hilfreiche Videos von dir! Helfen mir bei meiner Abschlussarbeit unheimlich weiter! :)
Könntest du mir evtl. noch beantworten wie du deine Ergebnisse hier genau berichten würdest (also welche Werte du berichten würdest und welche Form dabei zu beachten ist)?
Zusätzlich würde ich gerne noch fragen, wie man das Ergebnis interpretieren würde, wenn man bei den Konfidenzintervallen einmal einen Wert von 0 (LLCI) und eine zugehörige Signifikanz von genau p = 0,05 hat? Das Gesamtmodel, der Interaktionseffekt und alle weiteren Conditional Effects in aufsteigender Richtung (positive Werte) sind aber signifikant p < 0,05. Liegt dennoch eine Moderation vor? Danke!
Hallo und danke für deine lobenden Worte! :-)
Ich würde generell wie in der Regression üblich die Modellgüte (R² und adj. R²), die Signifikanz des Modells (F-Wert, df und p-Wert) sowie die Koeffizienten (Koeffizient, SE, t-Wert, p-Wert, evtl.CI).
Die Signifikanz von genau 0,05 ist ein Grenzfall. Viele Autoren setzen 0,05 als Grenze, die statistische Signifikanz sollte also unter 0,05 liegen. Ob das nun aber 0,049999999; 0,05 oder 0,05000001 ist, und auf Basis dessen eine Entscheidung getroffen wird, zweifeln immer mehr Autoren an. Ich würde es als Effekt berichten, mit Verweis auf neuere Entwicklungen einer differenzierteren Sichtweise wie z.B. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: context, process, and purpose., S. 131.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Alles klar. Großen Dank dir für deine Antwort! :)
Hallo Björn , ich habe folgendes Problem: ich führe eine Moderationsanalyse mit binär kodierten Variablen durch (0 =Produkt X, 1 = Produkt Y). Ich führe die Anlayse ebenso mit Modell 1 und Process durch. So weit so gut. Nun mein Problem: ich würde gerne sehen wie viel bei der Moderation durch Produkt X und Produkt Y "einzeln" erklärt wird. Wie könnte man das anstellen? oder gibt es ein anderes Modell, das da mehr sinn macht, wo ich dann die Moderation je nach Produkt X od. Y erkennen kann? LG Jan
Hallo Jan, dazu würde ich auf die standardisierten Koeffizienten zurückgreifen. Die berechnet PROCESS allerdings nicht. Die muss man vorher selbst z-standardisieren und dann die Moderation erneut rechnen.
Viele Grüße, Björn.
Hallo, wie interpretiere ich eine signifikante Varianzaufklärung des Gesamtmodells aber gleichzeitig einen nicht signifikanten Moderationseffekt?
Hallo, wenn die Moderation nicht signifkant ist, gibt es ja mit Sicherheit noch andere signifikante Prädiktoren, sonst wäre das Modell an sich nicht signifikant (Stichwort F-Test). Demzufolge gibt es "genügend" andere Prädiktoren im Modell, die Varianzaufklärung leisten.
Viele Grüße, Björn.
Vielen Dank für das Video! Ich frage mich, welche Voraussetzungen es zu testen gilt. Leider finde ich bei PROCESS keine Option für einen Durbin-Watson-, Shapiro-Wilk oder ähnlichen Test.
Hallo Magdalena, da PROCESS standardmäßig mit Bootstrap arbeitet, ist die Normalverteilungsannahme für die Residuen hinfällig. Autokorrelation und Heteroskedastizität müsstest du über eine normale Modellierung über die lineare Regression prüfen. Wenn du allerdings bei der Parameterschätzung HC auswählst, bekommst du robuste Standardfehler und kannst dir auch das sparen.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther danke :)
Hallo. Ich möchte eine Moderation mit PROCESS 3.5 ausführen. Die Mean Centering Option ist hier etwas anders angelegt. Trotz allem habe ich sie gefunden und in dem Kästchen Mean Centering die Option "All variables that define products" ausgewählt. Trotzdem kann ich in meiner Ausgabematrix die wichtige Tabelle mit den Conditional effects nicht finden. Hast du vielleicht eine Idee oder schon Erfahrung mit PROCESS 3.5?
Hallo Angela, Conditional effects werden nicht angegeben, wenn die Interaktion nicht signifikant ist. Das sollte das Problem erklären.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen Dank für die schnelle Antwort. Das hilft mir sehr :)
Hallo, vielen Dank für das Video! Eine (vielleicht doofe Frage) hab ich aber noch: sehe ich das richtig, dass Process nur nicht-standardisierte Koeffizienten ausgibt? Wenn ja wieso, sollte man nicht auch die standardisierten Koeffizienten haben und wie kann ich die noch bekommen (in Process)?
Vielen Dank schonmal!
Hallo und danke für dein Lob!
Die Frage ist alles andere als doof. PROCESS gibt in der Tat weder bei Moderation noch anderweitig standardisierte Koeffizienten aus. Warum Hayes diese nicht in PROCESS berechnet, weiß wohl nur er selbst. Man kann sie sich über einen Umweg selbst berechnen. Du standardisierst im Vorfeld alle Variablen und erhältst bei Rechnung (mit jenen) dann standardisierte Koeffizienten.
Hayes selbst hierzu im FAQ zu PROCESS: "Regression/path coefficients that PROCESS produces are in unstandardized form. PROCESS v3.2 and later does have an option available through command syntax for generating standardized regression coefficients for mediation-only models. See the addendum to the documentation that comes with version 3. Keep in mind that if X is a dichotomous variable, the standardized regression coefficients for X will be in partially standardized form. In any version of PROCESS, you can can standardize your variables first prior to the use of the PROCESS, and this will generate standardized coefficients. However, the bootstrap confidence intervals you will get from PROCESS should not be interpreted as confidence intervals for the standardized effects, for that is not what they are. If you want a proper confidence interval for a standardized indirect effect, use the effsize or stand options. See the documentation."
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther danke dir!! :-)
Eines vorab: Ohne Dich wäre ich bisher bei meiner Bachelorarbeit gestorben. Vielen Dank!!!! Die Videos sind irre gut und super verständlich und man findet wirklich alles was man braucht!!
Ich verzweifle jedoch gerade. Meine UV ist der Arbeitsort: Homeoffice / Nicht-Homeoffice (also dichotom, nominalskaliert). Meine abhängige Variable ist die Arbeitszufriedenheit (metrisch skaliert). Als Moderator habe ich die Einsamkeit der Studienteilnehmer gemessen (metrisch skaliert).
Ich versuche es mit PROCESS, bekomme aber mit der Grafik ein Problem wegen meiner UV, weil diese dichotom ist. Geht das überhaupt? Es wird auch automatisch so ausgegeben, dass es aussieht, als wäre meine UV der Moderator und der Moderator liegt stattdessen auf der Y-Achse.
Kann man das trotzdem machen oder darf die UV gar nicht dichotom sein? Müsste die UV nicht auf der Y-Achse liegen? Oder ist das egal, da UV und Moderatorvariable miteinander multipliziert werden?
Ich freue mich riesig, wenn Du mir helfen kannst. Herzliche Grüße! Betti
Hallo Betti und danke für die vielen lobenden Worte und die Kanalmitgliedschaft! Deine Frage versuche ich dir gerne zu beantworten.
An sich ist eine dichotome UV im Rahmen einer Moderation kein Problem. Für die Berechnung (und nur die) ist es auch egal, wenn man UV und Moderator vertauscht. Beide werden in der Regression als UV geführt sowie zusätzlich deren Produkt (grafisch noch mal hier veranschaulicht: www.bjoernwalther.com/moderation-in-spss-rechnen/#Das_Prinzip_der_Moderation). Das Produkt ist ja das eigentlich interessante bei der Interaktion.
Warum stellt dir PROCESS im Diagramm deinen Moderator nun auf der x-Achse dar, obwohl es als Gerade schöner wäre? Wenn du die Situation einer dichotomen UV und eines metrischen Moderators hast, wird in PROCESS für eine Darstellung stets die metrische Variable auf die x-Achse gesetzt.
Es wird gemacht, da ja im Vorfeld nicht klar ist, für welche Ausprägungen des metrischen Moderators du eine Gerade dargestellt bekommen möchtest - das könnte man mit der Regressionsgleichung aus der Koeffiziententabelle in Excel leicht nachbauen - bei einem dichotomen oder katgorialen Moderator mit wenigen Ausprägungen stellt sich diese Frage ja nicht. Da wir oben ja schon festgestellt haben, dass es für den Interaktionseffekt nicht wichtig ist, was X und was M ist (wohl aber bei der Herleitung und Interpretation), ist die Darstellung mit der metrischen Variable (Moderator) eigentlich nur clever, weil es dir die Entscheidung und auch die notwendige Begründung abnimmt, welche Ausprägungen von M du zur Geradendarstellung verwendest.
Du kannst ja spaßenshalber mal X und M bei PROCESS vertauschen. Das Ergebnis wird identisch sein.
Wie interpretiert man nun aber das Diagramm? Eigentlich recht einfach. Man schaut an 2 Punkten auf der x-Achse (wo ja der Moderator steht), wie der y-Wert für die beiden Ausprägungen der UV liegt und verbindet sie. Sinkt/steigt der y-Wert bei Zunahme des Moderators (in x-Richtung) für die gleichbleibende Ausprägung der UV? Anhand dessen kann man festmachen, ob M den Einfluss von X verstärkt oder abschwächt.
Hilft dir das weiter?
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Das hilft mir auf jeden Fall weiter! Irre gut, dass Du so schnell und ausführlich geantwortet hast!! Und sehr gut auch, dass Du meinen Tippfehler (y-Achse, wobei ich x-Achse meinte) einfach ignoriert hast :-D ich schau mir das jetzt mal an, wie sich das darstellt und bin erstmal froh, dass das kein Problem gibt mit meiner dichotomen UV. Danke!!!
Hallo Betti, freut mich, wenn ich helfen konnte. Viel Erfolg bei der weiteren Auswertung!
Tippfehler passieren - ich kann das schon antizipieren. ;-)
Viele Grüße, Björn.
Hey Björn, vielen dank für das aufschlussreiche Video, gehört zu dem einsteigerfreundlichsten, was man zu dem Thema finden kann. Mich würde es interessieren, ob man Process auch für Berechnungen mit mehreren Moderatoren und Prädiktoren verwenden kann, z.B. im stufen- oder blockweisen multiplen Regressionen mit 2 Moderatoren
Hallo und danke für dein Lob!
Ein schrittweises Rechnen funktioniert mit PROCESS leider nicht. Allerdings gibt es die Möglichkeit mit mehreren Moderatoren und UVs generell zu arbeiten. In Hayes' Buch (amzn.to/3d5UI0g) sind im Anhang die entsprechenden Templates abgebildet.
Viele Grüße, Björn.
Ich habe Process v3.3 und alles genau so gemacht wie du, nur dass ich einen mehrkategorialen Faktor (mit 4 Stufen) habe und dies dann auch bei Process angegeben habe mit der Methode "Indicator" (=Dummycodierung). Ich bekomme aber einfach nicht das Output mit "conditional effect ..." angezeigt. Für das Diagramm funktioniert alles. Was mache ich falsch?
Hallo Nikito, das liegt daran, dass dein Interaktionseffekt einen Signifikanzwert von mehr als 0,05 hat. Du musst unter Options im Feld "Probe Interactions" den p-Wert nach oben setzen oder auf "always" stellen.
Viele Grüße, Björn.
Super Video, danke! Jedoch zeigt es bei mir in der Auswertung die Tabelle " Conditional Effects of the focal predictors….." nicht an. Was kann ich tun?
Hallo, das liegt vermutlich daran, dass dein Interaktionseffekt einen Signifikanzwert von mehr als 0,05 bzw 0,1 hat. Du musst unter Options im Feld "Probe Interactions" den p-Wert nach oben setzen oder auf "always" stellen.
Viele Grüße, Björn.
Danke für das Video! Du hast nur kurz angesprochen, warum die Option "mean center for products" angekreuzt werden muss. Hast du dazu noch ein weiteres Video oder eine Empfehlung? Danke!
Hallo Sabrina,
hierzu empfehle ich im Buch von Hayes (amzn.to/2P9M1Xr) Kapitel 9.1 "Truths and Myths about Mean-Centering". Man kann aber zusammenfassen, dass es hinsichtlich Multikollinearität keinen Effekt bringt. Der große Vorteil liegt allerdings darin, dass die Koeffizienten immer interpretierbar sind und weder X noch W bei Null gehalten werden mpssen (S. 310 bei Hayes): " Mean-centering X and W prior to computation of the product and estimation of the model will produce b1 and b2 that are always meaningful, rather than meaningful only when X and/or W are meaningful when equal to zero."
Viele Grüße, Björn.
Hallo Björn. Danke für das super Video. Trotzdem würde ich gerne wissen, ob meine Werte für den Interaktionseffekt so richtig dargestellt werden oder ob noch was fehlt. (b = −.07, SE = .04, 95% KI [-.00, 14]). Vielen Dank
Hallo Silvia, danke für dein Lob!
Die Darstellung hängt immer ein wenig von den Vorgaben des Instituts/Journals usw. ab. Prinzipiell hast du aber alles drin. Ich würde allerdings beim KI das Vorzeichen weglassen, wenn es tatsächlich 0,00 ist. Vermutlich ist es aber negativ, wohl erst einige Nachkommastellen verraten dies.
Viele Grüße, Björn.
Herzlichen Dank Björn, das hilft weiter. Viele Grüße von Silvia
Danke für deine Videos! :)
Ich bin mir nur bei der Übertragung auf meine Rechnung unsicher...
Ich möchte eine nominale Variable (Interventionsgruppe) als Moderator aufnehmen. Ich habe 3 Interventionsgruppen, die ich vergleichen möchte. Wie ich es es verstanden habe, müsste ich die Variable der Interventionsgruppe Dummy-codieren. Nehme ich dann zwei dieser Dummy-Variablen als Moderatoren oder gibt es noch eine andere Möglichkeit?
Liebe Grüße
Hallo Marisa, gerngeschehen. :-)
Du kannst im Dialogfeld unter "Multicategorical" deine Variablen durch PROCESS automatisch codieren und in der Berechnung verwenden lassen.
Viele Grüße, Björn.
Kann man das auch mit einem metrisch skaliertem Moderator rechnen, als wenn der Moderator ganz verschiedene Werte zwischen z.B. 1 bis 7 hat?
Hallo Aileen, der Moderator kann prinzipiell metrisch sein, du solltest aber aufpassen, dass du nicht zu viele Ausprägungen hast. 7 ist sicherlich schon nah an der Grenze.
Viele Grüße, Björn.
Hallo! Zunächst einmal vielen Dank für das Video. Ich habe aber auch ein kleiner Problem, wo ich einfach nicht mehr weiter weiß. :( Wenn ich mir den Graphen über Syntax zeichnen lasse, werden mein Moderator und meine UV vertauscht, sprich mein Moderator wird auf der x-Achse abgetragen und meine UV dort, wo der Moderator sein sollte. Bei der Ausfüllung der Tabelle bin ich aber deinen Anweisungen 1 zu 1 gefolgt. Könntest du mir möglicherweise sagen, woran es liegt und wie ich es beheben kann. Anmerkung: Der Moderationseffekt ist nicht signifikant, da mein p-Wert über 0,05 liegt. Danke im Voraus.
Hallo Lilia, hast du mal versucht im Dialogfeld, wo du die Moderation definierst, X und M-Variable zu vertauschen?
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther habe ich tatsächlich versucht gehabt, aber ohne Erfolg. Das Resultat war das gleiche.
Hallo zusammen, wenn ich meine Moderationsanalyse bei Process durchführe, erhalte ich die Fehlermeldung "One of your categories contains only a single case".. ich kann mir nicht erklären, womit der Fehler zusammenhängt und kann auch leider bei Google nichts dazu finden. Kann mir jemand weiterhelfen?
Hallo Nina, wie es die Fehlermeldung suggeriert, hat wohl eine Variable eine Ausprägung, wo nur ein Fall existiert. Beispiel: Geschlecht ist Moderator und du hast nur 1 Frau in der Stichprobe.
Viele Grüße, Björn.
Aufgrund von auftauchender Error nachrichten konnte ich kein Mean Centering machen.
Bei mir sieht die Ausgabe Datei insgesamt auch viel kürzer aus, wahrscheinlich aber weil bei mir nix signifikant war... trotzdem danke für das Tutorial, meine Bachelor-arbeit is aufgrund ausbleiben jeglichen Signifikanzen trotzdem ziemlich nutzlos..
Hallo, nutzlos ist sie keinesfalls! Du hast durch sie hoffentlich wissenschaftliches Arbeiten gelernt. Gleichzeitig hast du transparent und nachvollziehbar Hypothesen hergeleitet und geprüft. Jede Studie hat Limitationen, die dafür verantwortlich sein können, dass die Hypothesen nicht bekräftigt werden konnten. Zu nennen sind v.a. Stichprobenauswahl, -größe, Operationalisierung latenter Konstrukte usw. Wenn nur "positive" Ergebnisse publiziert werden, käme die Wissenschaft nicht voran, weil dann immer wieder etwas untersucht wird, wovon man ausgeht, das es noch nicht untersucht wurde. Wissenschaft funktioniert nur so, dass schrittweise viele Forscher ein Gesamtbild erarbeiten, dass über Zeit ein Abbild der Realität formt und generalisierbare Schlüsse zulässt.
Keine Forschung ist per se in sich und an sich nutzlos! Wer das als Forscher von deiner und anderen Arbeiten "ohne Ergebnis" behauptet, hat Forschung nicht verstanden.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Danke für den Input, ich würde dem allem Auch größtenteils zustimmen. in Meinem speziellen Fall ist es nur so, dass auch meine konfirmatorischen Hypothesen nicht signifikant waren (und das aller theoretischen Basis widerspricht) weshalb ich bei mir vor allem Probleme in meiner Stichprobe und durch den Corona Kontext vermute.
Ich hab auch nicht wirklich was neues gelernt, da in meiner Hochschule ein starker Fokus auf wissenschaftlichem arbeiten liegt und meine Bachelor Arbeit meine siebte wissenschaftliche Forschungsarbeit ist. Ich gebe aber zu, dass mein Kommentar nicht gut formuliert war, da sprach die Frustration aus mir. Ich stimme zu dass nicht Signifikanzen genauso wichtig sind wie Signifikanzen. Meine Arbeit geht nur deswegen in meiner Diskussion in ne andere Richtung als ich das gehofft hätte.
Danke für das Antworten auf meinen Kommentar
Statistik am PC, das heißt Dr. Björn Walther, ist der MVP, also der Wertvollste Spieler jedes grundständigen Studiums mit inferenzstatistischem Anteil. Sein Name sollte in jedem Modulhandbuch verewigt werden, sein Konterfei jede Mensaserviette zieren.
Haha, eine schöne Vorstellung. MVP-Rufe nehme ich gerne mit. :-D
Viele Grüße, Björn
Vielen Dank für das hilfreiche Video!!! Weiß hier in den Kommentaren zufällig jemand, wie man eine Moderation mit einer dichotomen unabhängigen Variable rechnet? AV = Verhaltensintention; UV= Text/kein Text; Moderator (W)= Umweltbewusstsein
Danke schonmal!!
Hallo Sabi, in dem Fall ändert sich im Vorgehen nichts. Du musst nur bei der Interpretation aufpassen, dass du jetzt mit einem Dummy arbeitest. Generell habe ich dazu hier bereits einige Worte verloren: ruclips.net/video/KjiqXDGgwbk/видео.html
Viele Grüße, Björn.
Hi,
ich hab noch eine Frage: Willst du mich heiraten?
Hallo, ich habe eine Frage zur Stelle bei ca. Minute 8. Ich habe eine ähnliche Berechnung für meine Masterarbeit durchgeführt mit belastende Ereignisse als Prädiktor, Resilienz als Moderator DIsstress als Kriterium (siehe Tabelle unten). Nun ist bei mir der Effekt bei +1 Standardabweichung nicht signifikant. Ich würde gerne wissen, wie ich das interpretieren kann. glg Rikk
Conditional effects of the focal predictor at values of the moderator(s):
RS_Sum Effect se(HC3) t p LLCI ULCI
-11,0188 ,6687 ,1772 3,7729 ,0002 ,3209 1,0165
,0000 ,4097 ,1180 3,4713 ,0005 ,1781 ,6413
11,0188 ,1507 ,1516 ,9938 ,3205 -,1468 ,4483