Ich bin gerade dabei, Daten für meine Bachelorarbeit in Psychologie zu analysieren/ auszuwerten. Ich will herausfinden, ob die Entscheidungsfähigkeit von Individuen (X) einen direkten und/oder indirekten Effekt durch ihre Tendenz, sich zu überessen (M) auf ihren BMI (Y) hat. Bei der Mediationsanalyse orientiere ich mich an dem Vorgehen von Hayes und benutze auch den von ihm entwickelten Makro PROCESS in SPSS.
Nun habe ich eine einfache Mediationsanalyse durchgeführt und habe (hoffentlich richtigerweise) festgestellt, dass es keine signifikanten Effekte gibt.
Die Altersspannweite in meinem Sample ist allerdings ziemlich breit. Deshalb würde ich gerne das Alter als Kovariate mit einschließen.
Jetzt bin ich mir allerdings nicht ganz sicher wie der PROCESS output zu interpretieren ist. Ich habe weiter unten den Output hineinkopiert, um das Ganze verständlicher zu machen.
Bei dem Teil, wo "outcome variable BMI" steht, besitzt die Variable Alter einen Koeffizienten von 0.086 mit einem p-Wert von .0103.
Bedeutet das nun, dass das Alter einen signifikanten Effekt auf den BMI hat?
Bei dem "total effect model" aber ist zu finden, dass die Variable "money_sum" (=Entscheidungsfähigkeit) einen Koeffizienten von -.0005 (p= .3271) und Alter einen Koeffizienten von .0860 (p= .0081) hat.
Heißt das jetzt wieder, dass Alter einen signifikanten EInfluss auf den BMI hat?
Aber was kann ich dann genau aus den total effect (Effekt = -.0005), direct effect (Effekt= -.0005) und indirect models schließen ?
Hier sind ja die Ergebnisse dann wieder nicht signifikant oder? Hat also das Alter schlussendlich doch keinen Einfluss auf die anderen VAriablen?
Wie ihr seht, bin ich "leicht" verwirrt was die Interpretation anbelangt. Ich bin euch deshalb für jede Hilfe sehr sehr dankbar!!!
Ich hoffe, ihr versteht meine Schilderung und könnt mir weiterhelfen.
Herzliche Grüße aus dem Vereinigten Königreich,
Helena
Run MATRIX procedure:
**************** PROCESS Procedure for SPSS Version 3.00 *****************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2018). www.guilford.com/p/hayes3
**************************************************************************
Model : 4
Y : BMI
X : Money_su
M : EES_Scor
Covariates:
Alter
Sample
Size: 68
**************************************************************************
OUTCOME VARIABLE:
EES_Scor
Model Summary
R R-sq MSE F df1 df2 p
,2675 ,0716 171,6317 2,5054 2,0000 65,0000 ,0895
Model
coeff se t p LLCI ULCI
constant 35,6966 5,0558 7,0606 ,0000 25,5995 45,7938
Money_su -,0013 ,0018 -,7002 ,4863 -,0050 ,0024
Alter -,2031 ,1059 -1,9174 ,0596 -,4146 ,0085
**************************************************************************
OUTCOME VARIABLE:
BMI
Model Summary
R R-sq MSE F df1 df2 p
,3239 ,1049 15,4076 2,4996 3,0000 64,0000 ,0674
Model
coeff se t p LLCI ULCI
constant 22,8975 2,0136 11,3715 ,0000 18,8748 26,9201
Money_su -,0005 ,0006 -,9731 ,3342 -,0016 ,0006
EES_Scor ,0013 ,0372 ,0355 ,9718 -,0729 ,0756
Alter ,0863 ,0326 2,6453 ,0103 ,0211 ,1514
************************** TOTAL EFFECT MODEL ****************************
OUTCOME VARIABLE:
BMI
Model Summary
R R-sq MSE F df1 df2 p
,3238 ,1049 15,1709 3,8073 2,0000 65,0000 ,0273
Model
coeff se t p LLCI ULCI
constant 22,9446 1,5031 15,2646 ,0000 19,9426 25,9466
Money_su -,0005 ,0005 -,9874 ,3271 -,0016 ,0006
Alter ,0860 ,0315 2,7317 ,0081 ,0231 ,1489
************** TOTAL, DIRECT, AND INDIRECT EFFECTS OF X ON Y **************
Total effect of X on Y
Effect se t p LLCI ULCI c_ps c_cs
-,0005 ,0005 -,9874 ,3271 -,0016 ,0006 -,0001 -,1188
Direct effect of X on Y
Effect se t p LLCI ULCI c'_ps c'_cs
-,0005 ,0006 -,9731 ,3342 -,0016 ,0006 -,0001 -,1185
Indirect effect(s) of X on Y:
Effect BootSE BootLLCI BootULCI
EES_Scor ,0000 ,0001 -,0002 ,0002
*********************** ANALYSIS NOTES AND ERRORS ************************
Level of confidence for all confidence intervals in output:
95,0000
Number of bootstrap samples for percentile bootstrap confidence intervals:
10000
NOTE: Variables names longer than eight characters can produce incorrect output.
Shorter variable names are recommended.
------ END MATRIX -----
