SPSS-FORUM.DE

[Studi21]

Hallo zusammen

Für meine Bachelorarbeit untersuche ich den Effekt von Serien auf das Bild der Befragten von der Landwirtschaft (Abhängige Variable).

Für eine meiner Hypothesen möchte ich den direkten Realitätskontakt mit der Landwirtschaft in die hierarchische Regression (1. Block: soziodemografische Merkmale, 2. Block: allgemeine Fernsehnutzung, 3. Block: Seriennutzung) miteinbeziehen.
Das Problem ist dabei, dass die Variable dichotom ist (Ja/Nein). Mein Betreuer meinte, ich könnte die Variable dennoch ins Modell einbeziehen, verriet aber nicht wie genau ich das machen soll. Weiss jemand mehr?
Danke für eure Antworten!

[ponderstibbons]

Für eine meiner Hypothesen möchte ich den direkten Realitätskontakt mit der Landwirtschaft in die hierarchische Regression (1. Block: soziodemografische Merkmale, 2. Block: allgemeine Fernsehnutzung, 3. Block: Seriennutzung) miteinbeziehen.

Spar Dir doch das hierarchisch und mach es in einem Schritt.
Man gewinnt nichts, aber gerät oft in Interpretationsverwirrungen
bei blockweisem Variableneinschluss.

Das Problem ist dabei, dass die Variable dichotom ist (Ja/Nein).

Eine 0/1-Variable ist ein ganz normaler Prädiktor in der linearen Regression.
Oder gibt es ein SPSS-spezifisches Problem bei der Verwendung?

Mit freundlichen Grüßen

PonderStibbons

[Studi21]

Für eine meiner Hypothesen möchte ich den direkten Realitätskontakt mit der Landwirtschaft in die hierarchische Regression (1. Block: soziodemografische Merkmale, 2. Block: allgemeine Fernsehnutzung, 3. Block: Seriennutzung) miteinbeziehen.

Spar Dir doch das hierarchisch und mach es in einem Schritt.
Man gewinnt nichts, aber gerät oft in Interpretationsverwirrungen
bei blockweisem Variableneinschluss.

Das Problem ist dabei, dass die Variable dichotom ist (Ja/Nein).

Eine 0/1-Variable ist ein ganz normaler Prädiktor in der linearen Regression.
Oder gibt es ein SPSS-spezifisches Problem bei der Verwendung?

Mit freundlichen Grüßen

PonderStibbons

Ich brauche die hierarchische Regression da meine Hypothese auf den isolierten Effekt der Seriennutzung auf die Einstellungen der Befragten (abzüglich der Gesamtfernsehnutzung) abzielt.
Normalerweise würde ich am Ende des hierarchischen Modell den Effekt der Seriennutzung mit dem Interaktionseffekt multiplizieren. Doch diessen kann ich aufgrund der nominalen Skalierung der Variable "direkter Kontakt" nicht ermitteln. Hat jemand eine Idee, wie ich dieses Problem lösen kann? Ansonsten hake ich bei meinem Betreuer nach.

[ponderstibbons]

Ich brauche die hierarchische Regression da meine Hypothese auf den isolierten Effekt der Seriennutzung auf die Einstellungen der Befragten (abzüglich der Gesamtfernsehnutzung) abzielt.

Das begründet keine hierarchische Regression. Aber egal. Ich meinte bloß, so vorzugehen nützt nichts und kann, muss aber nicht schaden.

Normalerweise würde ich am Ende des hierarchischen Modell den Effekt der Seriennutzung mit dem Interaktionseffekt multiplizieren.

Also eine dreifache Wechselwirkung? Nur welche Interaktion ist gemeint?

Doch diesen kann ich aufgrund der nominalen Skalierung der Variable "direkter Kontakt" nicht ermitteln. Hat jemand eine Idee, wie ich dieses Problem lösen kann?

Die Interaktionsvariable einer binären mit einer intervallskalierten Variable wird durch deren Multiplikation errechnet.

Mit freundlichen Grüßen

PonderStibbons

[strukturmarionette]

schreib dich zunächst mal alle Deine UVs und AV mit allem was dazugehört in fachliche SPSS-'Jargon' konkret auf.

[Studi21]

schreib dich zunächst mal alle Deine UVs und AV mit allem was dazugehört in fachliche SPSS-'Jargon' konkret auf.

Konkret interessiert der Effekt des Serienkonsums auf die Einstellung der Befragten gegenüber Landwirten und Landwirtinnen. Die Hypothese will den Einfluss des Realitätskontakts auf die Einstellungen derjenigen ermitteln, die regelmässig Serien schauen. Also dem Interaktionseffekt zwischen Realitätskontakt {1=Ja, 2=Nein} und Seriennutzung.

AV: Einstellung gegenüber Landwirten und Landwirtinnen {1=sehr negative Einstellung, ... , 5=sehr positive Einstellung}
UV: Serienkonsum {1=kein Serienkonsum, ... , 5=hoher Serienkonsum}

Drittvariablen:
Fernsehkonsum {1=0 min, 2=1-60 min, 3=61-180 min, 4>180 min}
Geschlecht {0=männlich, 1=weiblich}
Bildung {1=niedrige Bildung, 2=mittlere Bildung, 3=hohe Bildung}
Alter (Klassen à 10 Jahre)

Ich hoffe, die Ausgangslage ist nun ein wenig klarer!

[ponderstibbons]

Interaktionseffekt zwischen Realitätskontakt {1=Ja, 2=Nein} und Seriennutzung.

Das musst Du mit 0/1 (alternativ -1/+1) codieren, 1/2 geht in einer Regression für binäre Prädiktoren nicht.

Einstellung gegenüber Landwirten und Landwirtinnen {1=sehr negative Einstellung, ... , 5=sehr positive Einstellung}

Die Einstellung ist lediglich mit 1 ordinalskaliertn Item gemessen?
Das würde keine lineare Regression gestatten, die verlangt eine intervallskalierte abhängige Variable.

Fernsehkonsum {1=0 min, 2=1-60 min, 3=61-180 min, 4>180 min}

Das kann man so (als 1 2 3 4) nicht verwenden, das ist klar eine ordinale Variable und
in 3 dummy-Variablen umzuwandeln (3 Stufen erhalten je eine eigene Variable, die
vierte Stufe ist Referenzkategorie und erhält keine).

Bildung {1=niedrige Bildung, 2=mittlere Bildung, 3=hohe Bildung}

Entsprechend wie oben, in 2 Dummy-Variablen umzuwandeln.

Mit freundlichen Grüßen

PonderStibbons