SPSS-FORUM.DE

[Millhouse24]

Hallo zusammen,

leider hänge ich noch immer bei der Analyse meiner Moderatoren, da verschiedene Profs unterschiedliche Verfahren vorschlagen & für möglich halten - nun bin ich nicht sicher, welches für mein Modell am zutreffendesten ist.

Ich habe in einem 2x2 Online Experiment untersucht, wie sich die Wahrgenommene Glaubwürdigkeit verändert, wenn ein Facebook Beitrag mit hohen/niedrigen Gefällt-mir-Angaben und mit/ohne Hinweis verändert. Daraus haben sich entsprechend 4 Szenarien ergeben, die diese Manipulationen in den möglichen Kombinationen abdecken.

Weitere Infos zu meiner Studie:
- Sample Size N: Insgesamt 460, pro Szenario etwa 110
- AV: Wahrgenommene Glaubwürdigkeit, gemessen auf einer 7-stufigen Likert Skala mit den Endpunkten "Stimme voll zu" "Stimme überhaupt nicht zu" - NICHT normalverteilt
- Haupt-UV: Zuordnung zu den 4 Szenarios, randomisierte Zuordnung zu einem der 4 Szenarios, codiert mit Zahlen 1 bis 4. Für die weiteren Analysen habe ich neue Variablen codiert, in denen jeweils zwei Szenarien enthalten sind, um diese gezielt vergleichen zu können (z.B. S1 und S2, um die Veränderung der Glaubwürdigkeit bei Hinzufügen eines Hinweises zu untersuchen, während die Gefällt-mir-Angaben konstant hoch sind)
- Zu untersuchende Moderatoren: Alter, Geschlecht, Bildungsgrad, Grad der Zustimmung zu der Meinung des Beitrages. Nutzungshäufigkeit Facebook, Häufigkeit der Konfrontation mit Nachrichten bei Facebook, allgemeine Einstellung gegebenüber dem Medium Facebook, kognitive Reflexionsfähigkeit (erfasst durch Fragen, die als entweder richtig oder falsch codiert wurden)

Zu der Untersuchung der Moderatoren haben sich mir nun 3 verschiedene Möglichkeiten eröffnet, bei dessen Auswahl ich mich nun schwer tue:
1. (Multiple) Lineare Regression
2. Univariate Varianzanalyse
3. Mann-Whitney-U-Test

Ich habe mit allen 3 Optionen etwas herumprobiert und bin folgendermaßen vorgegangen:

1. Multiple Linare Regression
• Alternative zur ANOVA, da hier die meisten Voraussetzungen erfüllt sind (Zufallsstichprobe, keine Multikollinearität, Homoskedasizität der Residuen, Normalverteilung der Residuen, Unabhängigkeit ( Autokorrelation) der Residuen)
Bildung einer neuen Variable mit Interaktionsterm als Produkt von Gruppenzuordnung*MOD
• Analysieren --> Regression --> Linear: Glaubwürdigkeit als UV, jeweilige Gruppenzuordnung & AV, MOD und Interaktionsterm in „Unabhängige Variablen“
• Auswertung: Tabelle „Modellzusammenfassung“ Korrigiertes R-Quadrat zeigt Prozentsatz der Varianz der AV, der erklärt wird; Tabelle „ANOVA“ zeigt ob Regression signifikanten Erklärungsbeitrag leistet; Tabelle „Koeffizienten“ zeigt bei standardisierten Koeffizienten welche Variable größten Wert = größten Effekt hat, Signifikanz des Interaktionsterms zeigt ob Moderator signifikant wirkt
Folgende Fragen tun sich dabei bei mir auf:
• Korrekt, dieses Verfahren zu verwenden?
• Keine Bildung einer dichotomen Variable des MOD durch Median Split o.Ä. nötig?
• Vergleich der Szenarien einzeln/ in 2er Kombi?

2. Univariate Varianzanalyse
• Analysieren --> Allg. Lineares Modell --> Univariat: Glaubwürdigkeit als UV, jeweilige verglichene Gruppen & MOD als „Fester Faktor“, Diagramm ausgeben lassen
• MOD durch Median Split in dichotome Variable geteilt
• Auswertung: Tabelle „Tests der Zwischensubjekteffekte“ Signifikanz in Zeile des Interaktionsterms interpretieren
Frage hierzu: Ist dieses Verfahren durchführbar trotz der Verletzung der Voraussetzung der Normalverteilung der AV? Ich habe nun von einigen Profs gehört, dass man auch trotz der Verletzung der Voraussetzung der Normalverteilung dieses Verfahren anwenden kann/soll, da einem bei der Regression zu viele Voraussetzungen im Weg stehen und die ANOVA robuster ist. Was ist aber nun wirklich besser?

3. Mann-Whitney-U-Test

• Als Alternative zum t-test, Effekte der Moderator-Auswirkung bei einzelnen Szenarios testen
• MOD mit Median Split in dichotome Variable geteilt
• Analysieren --> nicht parametrische Tests --> Alte Dialogfelder --> 2 unabh. Stichproben: AV Glaubwürdigkeit & MOD in „Testvariablen“, Gruppenvergleich in „Gruppierungsvariable“
• Auswertung: Tabelle „Ränge“ zeigt unter mittlerem Rang Werte – je höher der Wert desto höher die Ausprägung der AV, Tabelle „Statistik für Test“ zeigt Signifikanz

Hier frage ich mich im allgemeinen, ob dies der richtige Test für die Auswertung des Moderatoreffekts sein kann. Denn anders als bei der Regression und der Varianzanalyse kann ich hier ja nur mehr vergleichen und es scheint für mich nur zu funktionieren, wenn ich alle Szenarien und Faktoren getrennt voneinander betrachte.
Bin ich mit diesem Verfahren komplett auf dem Holzweg, und es ist für die Auswertung von Moderatoren / Interaktionen gänzlich ungeeignet, oder ist es gegebenenfalls sinnvoll, diesen zu verwenden?

Gibt es hier jemanden, der eine klare Tendenz geben kann, welches Verfahren zur Auswertung das Richtige ist, oder ob ein gänzlich anderes Verfahren verwendet werden muss?


Bitte entschuldigt die vielen Fragen und die lange Nachricht, ich hoffe aber, dass durch die vielen Infos meine Frage verständlicher wird.
Vielen Dank bereits im Voraus und mit vielen Grüßen!

M.

[strukturmarionette]

Hi,

- ist die AV intervallskaliert ( wie viele Items ?) oder ordinalskaliert (nur 1 Item)?

Gruß
S.

[ponderstibbons]

- AV: Wahrgenommene Glaubwürdigkeit, gemessen auf einer 7-stufigen Likert Skala mit den Endpunkten "Stimme voll zu" "Stimme überhaupt nicht zu" - NICHT normalverteilt

Sollte dies nur 1 einzelnes Items sein, dann ist das keine Likert-Skala (die besteht immer aus mehreren Items,
die summiert werden) und kann von vornherein nicht normalverteilt sein. Ich hoffe aber ohnedies, dass die
abhängige Messung bei einer so umfangreichen Studie aus mehr bestand als nur einem einzelnen siebenstufigen
Item?

Unabhängig davon ist es völlig irrelevant, ob die abhängige Variablle aus einer normalverteilten Grundgesamtheit stammt.

- Zu untersuchende Moderatoren: Alter, Geschlecht, Bildungsgrad, Grad der Zustimmung zu der Meinung des Beitrages. Nutzungshäufigkeit Facebook, Häufigkeit der Konfrontation mit Nachrichten bei Facebook, allgemeine Einstellung gegebenüber dem Medium Facebook, kognitive Reflexionsfähigkeit (erfasst durch Fragen, die als entweder richtig oder falsch codiert wurden)

Das ist ambitioniert. Warum derartig viele? Zudem sind es auch noch 2 Prädiktoren, was insgesamt 16 Moderatoreffekte
ergibt.

Es wurde nicht dargestellt, ob Moderatoreffekte simultan oder jeweils isoliert analysiert werden sollen.

Zu der Untersuchung der Moderatoren haben sich mir nun 3 verschiedene Möglichkeiten eröffnet, bei dessen Auswahl ich mich nun schwer tue:
1. (Multiple) Lineare Regression

Die ist gängig. Du könntest Dir auch das ausgearbeitete Verfahren von Andrew Hayes, SPSS-Makro "Process" ansehen
https://afhayes.com/spss-sas-and-r-macros-and-code.html
https://statistikguru.de/spss/moderatio ... ieren.html

Keine Bildung einer dichotomen Variable des MOD durch Median Split o.Ä. nötig?

Um Himmels willen, Mediansplits sind absolute no-goes. Sie vernichten statistische Informationen, die in den Ausgangswerten steckt
sie führen zu abstrusen Verhältnissen (z.B. warum ist jemand knapp unter dem Median in der "unteren" Gruppe zusammen mit jemandem,
der den Minimalwert hat, aber in nicht in einer Gruppe mit seinem unmittelbaren Nachbarn auf/knapp über dem Median), die Einteilung
ergibt inhaltlich keinen Sinn, sie ist nicht übertragbar auf andere´Stichproben, da der Median stichprobenspezifisch ist. Wo jemand
Mediansplits macht, wäre so gut wie immer das Rechnen mit der Ausgangsvariable sinnvoll und möglich gewesen.

https://faculty.fuqua.duke.edu/~gavan/b ... _et_al.pdf
http://www.psychology.sunysb.edu/attach ... mizing.pdf
http://www.unc.edu/~rcm/psy282/cohen.1983.pdf

Vergleich der Szenarien einzeln/ in 2er Kombi?

Das musst eigentlich Du selber wissen, es ist Deine Studie. Allerdings verstehe ich die Frage auch nicht so recht.
In der Regressionsanalyse eines 2x2-Designs hast Du für jeden Faktor eine 0/1-Variable, was meint dabei dann
"Vergleich einzeln" oder was genau meint "2er-Kombi"? Du willst doch nicht Szenarien vergleichen, die sind
nur Mittel zum Zweck, sondern Effekte Deiner angenommenen Wirkfaktoren analysieren.

Ist dieses Verfahren durchführbar trotz der Verletzung der Voraussetzung der Normalverteilung der AV?

Varianzanalyse und lineare Regression sind äquivalent, es gelten dieselben Voraussetzungen. Abhängige Variablen
müssen in der statistischen Analyse niemals aus einer normalverteilten Grundgesamtheit stammen, mit Ausnahme
des Signifikanztests für Pearson-Korrelationen.

Ich habe nun von einigen Profs gehört, dass man auch trotz der Verletzung der Voraussetzung der Normalverteilung dieses Verfahren anwenden kann/soll, da einem bei der Regression zu viele Voraussetzungen im Weg stehen und die ANOVA robuster ist. Was ist aber nun wirklich besser?

Das ist Unfug, da Varianzanalyse und lineare Regressionen als Anwendungsfälle des Allgemeinen linearen Modells
weitgehend äquivalent sind und dieselben Voraussetzungen haben und gegen genau dieselben Abweichungen robust
bzw. empfindlich sind.

In SPSS kannst Du den Moderatoren entweder zu den Faktoren (falls kategorial) oder zu den "Kovariaten"
hinzufügen. Moderatoreffekte werden wie in der Regression durch die Wechselwirkung Moderator/Prädiktor
repräsentiert.

Mit freundlichen Grüßen

PonderStibbons

[Millhouse24]

- ist die AV intervallskaliert ( wie viele Items ?) oder ordinalskaliert (nur 1 Item)?

Die AV wurde ursprünglich mit 3 Items erfasst (alle durch Werte von 1-7 zu beantworten), durch hohe interne Konsistenz habe ich diese zur Auswertung zu einem gesamthaften Item zusammengefasst.

[Millhouse24]

Unabhängig davon ist es völlig irrelevant, ob die abhängige Variablle aus einer normalverteilten Grundgesamtheit stammt.

Vielen Dank für das ausführliche Feedback!
Dass die AV nicht normalverteilt sein muss, wundert mich ehrlich gesagt sehr. Vielleicht habe ich diverse Texte und Videos falsch verstanden, jedoch habe ich die Normalverteilung der AV stets als Voraussetzung für die ANOVA oder genauer, die univariate Varianzanalyse gefunden:
https://novustat.com/statistik-blog/uni ... ungen.html
https://statistikguru.de/spss/einfaktor ... uefen.html

oder interpretiere ich die Infos hier nur völlig falsch?

Das ist ambitioniert. Warum derartig viele? Zudem sind es auch noch 2 Prädiktoren, was insgesamt 16 Moderatoreffekte
ergibt.

Keine Sorge, ich nehme auch nicht alle Moderatoren mit auf. Mein Betreuer der Studie ist jedoch der Meinung, dass ich alle Items, die auch als Moderator in Frage kommende Variablen erfassen, auf Moderatoreffekte hin testen soll. Dann schaue ich am Ende welche Aspekte mir so wichtig sind, dass ich sie mit aufnehmen will

Um Himmels willen, Mediansplits sind absolute no-goes. Sie vernichten statistische Informationen, die in den Ausgangswerten steckt
sie führen zu abstrusen Verhältnissen (z.B. warum ist jemand knapp unter dem Median in der "unteren" Gruppe zusammen mit jemandem,
der den Minimalwert hat, aber in nicht in einer Gruppe mit seinem unmittelbaren Nachbarn auf/knapp über dem Median), die Einteilung
ergibt inhaltlich keinen Sinn, sie ist nicht übertragbar auf andere´Stichproben, da der Median stichprobenspezifisch ist. Wo jemand
Mediansplits macht, wäre so gut wie immer das Rechnen mit der Ausgangsvariable sinnvoll und möglich gewesen.

Kann deine Kritik am Median SPlit völlig verstehen und habe selbst die Kritiken daran nachgelesen. Leider möchte mein Betreuer der Universität aber, dass ich dieses Verfahren für meine Auswertung nutze....


Mit freundlichen Grüßen
M.

[ponderstibbons]

Dass die AV nicht normalverteilt sein muss, wundert mich ehrlich gesagt sehr. Vielleicht habe ich diverse Texte und Videos falsch verstanden, jedoch habe ich die Normalverteilung der AV stets als Voraussetzung für die ANOVA oder genauer, die univariate Varianzanalyse gefunden:
https://novustat.com/statistik-blog/uni ... ungen.html

Da steht: "Ist die abhängige Variable für jede Gruppe in etwa normal verteilt?"

Das ist die klassische Formulierung. Heute schaut man eher auf die Residuen, was
bei Varianzanalysen ohne intervallskalierte Ko-Variablen aber auf dasselbe hinausläuft.

https://statistikguru.de/spss/einfaktorielle-anova/normalverteilung-ueberpruefen.html

Da steht: "Die abhängige Variable sollte bei einer einfaktoriellen ANOVA für jede Gruppe etwa normalverteilt sein. "

Die Autoren dieser Webseiten sollten eigentlich wissen, dass so gut wie jeder das nicht genau genug
liest und daher nochmal betonen, dass es nicht um die Variable geht, sondern die Variable in den
Gruppen. Oder gleich, dass es um Residuen geht. Und nebenbei auch, dass es um die Verteilung in
den Grundgesamtheiten geht, nicht in der Stichprobe. Und dass das ab ca. n(Gesamt) > 30 sowieso alles
irrelevant ist, weil dann der F-test robust ist auch gegen nicht-normale Residuen in der Grundgesamtheit.

Keine Sorge, ich nehme auch nicht alle Moderatoren mit auf. Mein Betreuer der Studie ist jedoch der Meinung, dass ich alle Items, die auch als Moderator in Frage kommende Variablen erfassen, auf Moderatoreffekte hin testen soll. Dann schaue ich am Ende welche Aspekte mir so wichtig sind, dass ich sie mit aufnehmen will

Die Vorgabe bzw. die Vorgehensweise verstehe ich leider nicht. Soll es daraus hinauslaufen, probehalber 16
Analysen zu rechnen und danach nur die Moderatoren mit "signifikanten" Ergebnissen zu verwenden?

Kann deine Kritik am Median SPlit völlig verstehen und habe selbst die Kritiken daran nachgelesen. Leider möchte mein Betreuer der Universität aber, dass ich dieses Verfahren für meine Auswertung nutze....

Für die Regressionsanalyse und/oder Varianzanalysye ist das vollkommen entbehrlich. Man kann es
hinterher für Deskriptivstatistiken nutzen, wenn es denn sein muss. Wenn jemand aber total
beratungsresistent sein sollte und auf sinnfreie Kategorisierungen besteht, dann wenigstens in
drei Gruppen https://statmodeling.stat.columbia.edu/ ... o-3-parts/

Mit freundlichen Grüßen

PonderStibbons

[strukturmarionette]

Hi,

- das wäre zunächst eine 1-faktorielle 4-stufige Varianzanalyse
- oder hast du Messwiederholungen?

Gruß
S.