SPSS-FORUM.DE

[Helfeanna]

Hi, ich bräuchte Unterstützung bei der Interpretation von meinem SPSS Output. Ich habe eine Moderationsanalyse mit Process v4.2 by Hayes gerechnet mit der Fragestellung, ob Partnerschaftszufriedenheit und soziale Unterstützung den Behandlungsverlauf/outcome (Behandlungbeginn bis hin zu Behandlungsende) einer stationären Mutter-Kind-Behandlung bei postnatalen Erkrankungen beeinflussen. Das Gesamtmodell scheint signifikant zu sein, jedoch nicht die Interaktionseffekte. Liegt somit keine signifikante Moderation vor oder was bedeutet die Signifikanz des Gesamtmodells? Was bedeuten meine Koeffizienten in diesem Output? Soll ich noch weitere Berechnungen durchführen?
Ich würde mich sehr über Hilfe freuen

Code: Alles auswählen

Model  : 2
    Y  : SCL90_T2
    X  : SCL90_T0
    W  : Fsoz_T0_
    Z  : PFB_T0_Q

Sample
Size:  63

**************************************************************************
OUTCOME VARIABLE:
SCL90_T2

Model Summary
          R       R-sq        MSE     F(HC3)        df1        df2          p
      .4332      .1877      .2421     3.1710     5.0000    57.0000      .0136

Model
              coeff    se(HC3)          t          p       LLCI       ULCI
constant     1.7420      .0700    24.8703      .0000     1.6017     1.8823
SCL90_T0      .5057      .1915     2.6410      .0106      .1223      .8891
Fsoz_T0_     -.0033      .0053     -.6194      .5381     -.0139      .0073
Int_1        -.0090      .0149     -.6080      .5456     -.0388      .0207
PFB_T0_Q     -.0109      .0247     -.4416      .6605     -.0605      .0386
Int_2         .0009      .0632      .0137      .9891     -.1258      .1275

Product terms key:
Int_1    :        SCL90_T0 x        Fsoz_T0_
Int_2    :        SCL90_T0 x        PFB_T0_Q

Test(s) of highest order unconditional interaction(s):
        R2-chng     F(HC3)        df1        df2          p
X*W       .0055      .3697     1.0000    57.0000      .5456
X*Z       .0000      .0002     1.0000    57.0000      .9891
BOTH      .0061      .3072     2.0000    57.0000      .7367
----------
    Focal predict: SCL90_T0 (X)
          Mod var: Fsoz_T0_ (W)
          Mod var: PFB_T0_Q (Z)

Conditional effects of the focal predictor at values of the moderator(s):

   Fsoz_T0_   PFB_T0_Q     Effect    se(HC3)          t          p       LLCI       ULCI
   -15.0739    -4.6358      .6378      .3485     1.8301      .0725     -.0601     1.3356
   -15.0739      .0000      .6418      .2444     2.6258      .0111      .1524     1.1313
   -15.0739     4.6358      .6458      .4122     1.5667      .1227     -.1796     1.4713
      .0000    -4.6358      .5017      .4277     1.1728      .2457     -.3549     1.3582
      .0000      .0000      .5057      .1915     2.6410      .0106      .1223      .8891
      .0000     4.6358      .5097      .2495     2.0429      .0457      .0101     1.0094
    15.0739    -4.6358      .3656      .5871      .6226      .5360     -.8101     1.5412
    15.0739      .0000      .3696      .3374     1.0955      .2779     -.3060     1.0451
    15.0739     4.6358      .3736      .2341     1.5959      .1160     -.0952      .8424

*********** BOOTSTRAP RESULTS FOR REGRESSION MODEL PARAMETERS ************

OUTCOME VARIABLE:
SCL90_T2

              Coeff   BootMean     BootSE   BootLLCI   BootULCI
constant     1.7420     1.7336      .0643     1.6119     1.8660
SCL90_T0      .5057      .4947      .1785      .1471      .8483
Fsoz_T0_     -.0033     -.0040      .0049     -.0136      .0060
Int_1        -.0090     -.0095      .0145     -.0375      .0204
PFB_T0_Q     -.0109     -.0096      .0204     -.0488      .0281
Int_2         .0009      .0032      .0564     -.1125      .1048

*********************** ANALYSIS NOTES AND ERRORS ************************
 


und da ich drei Moderatoren habe noch Partnerschaftsglück:

Code: Alles auswählen

Model  : 3
    Y  : SCLT2PST
    X  : SCLT0PST
    W  : PFB_T0_Q
    Z  : PFB_T0_G

Sample
Size:  62

**************************************************************************
OUTCOME VARIABLE:
SCLT2PST

Model Summary
          R       R-sq        MSE          F        df1        df2          p
      ,5857      ,3430   229,6443     4,0282     7,0000    54,0000      ,0013

Model
              coeff         se          t          p       LLCI       ULCI
constant    39,9747    47,9135      ,8343      ,4078   -56,0868   136,0362
SCLT0PST     -,1144      ,8570     -,1334      ,8943    -1,8325     1,6038
PFB_T0_Q    -4,5522     3,8930    -1,1693      ,2474   -12,3573     3,2529
Int_1         ,0886      ,0679     1,3044      ,1976     -,0476      ,2248
PFB_T0_G    -2,7917    22,6749     -,1231      ,9025   -48,2524    42,6691
Int_2         ,0320      ,4098      ,0780      ,9381     -,7897      ,8536
Int_3         ,7695     1,4307      ,5378      ,5929    -2,0990     3,6380
Int_4        -,0129      ,0261     -,4945      ,6230     -,0652      ,0394

Product terms key:
Int_1    :        SCLT0PST x        PFB_T0_Q
Int_2    :        SCLT0PST x        PFB_T0_G
Int_3    :        PFB_T0_Q x        PFB_T0_G
Int_4    :        SCLT0PST x        PFB_T0_Q x        PFB_T0_G

Test(s) of highest order unconditional interaction(s):
         R2-chng          F        df1        df2          p
X*W*Z      ,0030      ,2445     1,0000    54,0000      ,6230
----------
    Focal predict: SCLT0PST (X)
          Mod var: PFB_T0_Q (W)
          Mod var: PFB_T0_G (Z)

Data for visualizing the conditional effect of the focal predictor:
Paste text below into a SPSS syntax window and execute to produce plot.

DATA LIST FREE/
   SCLT0PST   PFB_T0_Q   PFB_T0_G   SCLT2PST   .
BEGIN DATA.
    43,7861     9,0693      ,9620    29,3192
    57,1774     9,0693      ,9620    37,4550
    70,5688     9,0693      ,9620    45,5907
    43,7861     9,0693     2,4516    30,0061
    57,1774     9,0693     2,4516    36,4445
    70,5688     9,0693     2,4516    42,8828
    43,7861     9,0693     3,9412    30,6929
    57,1774     9,0693     3,9412    35,4339
    70,5688     9,0693     3,9412    40,1749
    43,7861    13,7419      ,9620    27,0991
    57,1774    13,7419      ,9620    40,0035
    70,5688    13,7419      ,9620    52,9078
    43,7861    13,7419     2,4516    29,2082
    57,1774    13,7419     2,4516    39,2121
    70,5688    13,7419     2,4516    49,2160
    43,7861    13,7419     3,9412    31,3173
    57,1774    13,7419     3,9412    38,4207
    70,5688    13,7419     3,9412    45,5242
    43,7861    18,4146      ,9620    24,8791
    57,1774    18,4146      ,9620    42,5520
    70,5688    18,4146      ,9620    60,2249
    43,7861    18,4146     2,4516    28,4103
    57,1774    18,4146     2,4516    41,9797
    70,5688    18,4146     2,4516    55,5491
    43,7861    18,4146     3,9412    31,9416
    57,1774    18,4146     3,9412    41,4075
    70,5688    18,4146     3,9412    50,8734
END DATA.
GRAPH/SCATTERPLOT=
SCLT0PST WITH     SCLT2PST BY       PFB_T0_Q /PANEL   ROWVAR=  PFB_T0_G
 


[ponderstibbons]

Du möchtest eine Moderation untersuchen. Du weißt, dass der Moderatoreffekt durch die Wechselwirkung
repräsentiert wird. Du weißt, dass diese Wechselwirkung nicht statistisch signifikant ist. Worin besteht
konkret Dein Problem angesichts dieser Konstellation?

Mit freundlichen Grüßen

PonderStibbons

[Helfeanna]

Danke für die Antwort. Ich habe gelesen, dass wenn die Wechselwirkung nicht statistisch signifikant ist, auf eine einfache univariate Regressionasanalyse zurückgegriffen werden kann, man dies aber an meinem Code ablesen kann. Habe jedoch nicht verstanden, wo ich das ablese und was dies inhaltlich bedeutet. Kannst du mir da helfen?

[ponderstibbons]

Danke für die Antwort. Ich habe gelesen, dass wenn die Wechselwirkung nicht statistisch signifikant ist, auf eine einfache univariate Regressionasanalyse zurückgegriffen werden kann

"univariate Regression" soll vermutlich die einfache Regression (1 AV,, 1 UV) bezeichnen? Darauf zurückgreifen
wozu, um welche Frage zu beantworten?

Soweit ich sehe, hast Du keine statistisch signifikanten Prädiktoren (bezeichnenderweise nicht einmal
der Baseline-Wert der abhängigen Variable,, aber s.u.), aber das Modell insgesamt sagt die abhängige Variable
statistisch signifikant vorher.

Die sehr großen Standardfehler mindestens von SCLT0PST und ganz besonders PFB_T0_G deuten auf
Multikollinearität hin. Das berührt dann nicht die Vorhersagefähigkeit des Gesamtmodells, aber
kann es schwer bis unmöglich machen, dass eigentlich aussagekräftige Variablen statistisch signifikant
werden.

Mit freundlichen Grüßen

PonderStibbons