Staddi

Wirkung einer Variablen ist von der Ausprägung einer anderen Variablen abhängig. Bei der Moderation wirken zwei Variablen nicht unabhängig voneinander.

Durch multiplikative Verknüpfung von Moderator und Prädiktor.

Variabler Effekt von der Variable X1/X2 (beides geht), der abhängig ist von X1/X2 (dem jeweils anderen)

Verstärkt X1 den Einfluss von X2 auf das Kriterium.

Darin, dass die Steigungen der Regressionsgeraden je nach Ausprägung des Moderators unterschiedlich steil sind.

Reggewicht b3 mit t-Test auf signifikante Unterschiedlichkeit von 0 testen

Inkrement des Modells mit Moderator testen: sign Unterschiedlichkeit von Modell R22 zu R21 (ohne Moderatoreffekt)

Hier wird für die Moderatorvariable ein bestimmter Wert eingesetzt.

Differenz des Effekts von X1 auf Kriterium zwischen den beiden Moderator-Kategorien.

Bedingte Regressionskoeffizienten: Regressionskoeffizienten für bestimmte Ausprägung der Moderatorvariablen.

t-Test des bedingten Reggewichts (simple slope) für bestimmten Wert der Reggeraden ("gibt es für 25jährige einen signifikanten Zusammenhang von Alter und Einsamkeit?")

-> das kann ich für verschiedene Ausprägungen des Moderators (also für die jeweiligen simple slopes) machen.

Unterschied in Kriterium zwischen Kategorie 1 von X2 bei mittlerem/ 0 X1 und Kategorie 2 von X2 bei mittlerem/ 0 X1

Y = b0 - b2 * LAND (simple intercept) + (b1 - b3 * LAND) (simple slope) * PA + E (Land = Moderator)

Effekt von X1 auf Kriterium bei der 0-Ausprägung des Moderators (zb Effekt von PA auf Lezu in USA)

- Regressionsgewichte der zentrierten Variablen verändern sich

- Standardfehler der Regressionsgewichte der ZENTRIERTEN Variablen werden kleiner (wünschenswert)

- Regressionsgewicht der Produktvariablen

- Standardfehler des Regressionsgewicht der Produktvariablen -> Stärke des Modeffekts und seine intstat Beurteilung sind von Zentrierung unabhängig.

- Verlauf der bedingten Regressionsgeraden (nur nach links/rechts verschoben)

- Determinationskoeffizient der multReg identisch für Modell mit und ohne zentrierte Variablen

- Korrelation der einzelnen (falls nur eine Variable zentriert wurde: die der nicht zentrierten) Variable mit ihrer Produktvariable wird kleiner. Weil durch die Zentrierung die Variable mal positive und mal negative Werte aufweist, und diese dann in der Produktvariable multipliziert werden. Dabei kann die Korrelation nicht mehr so hoch sein wie mit der ursprünglichen Produktvariablen. Bei NV beider Variablen: ist die Korrel jeder zentrierten Variablen mit dem Produkt beider Variablen null, aber auch ohne NV deutlich kleiner als mit der unzentrierten Variablen. (wenn beide zentriert werden)

Keine Extrapolation über untersuchten Wertebereich von X hinaus

1. es entstehen zwangsläufig korrelierte Präds (weil sie auseinander berechnet werden) = Multikollinearität

2. Es müssen alle Terme niedrigerer Ordnung mit in das Modell aufgenommen werden, um Fehlinterpretationen zu vermeiden.

Zentrierung

nicht-lineare Effekte nur dann prüfen, wenn: es theoretische Argumente dafür gibt oder nicht-lineare Zusammenhänge in einer Grafik deutlich erkennbar sind

Modell sollte immer auch theoretisch plausibel sein, rein explorative Befunde müssen repliziert werden, auf Ausreißer achten, Regkurven sind für sehr niedrige/ hohe Werte auf X nicht sehr informativ (beruht auf wenig Daten) +2

- kategoriale Variable mit c Ausprägungen kann in c-1 Kodiervariablen abgebildet werden

- aus Kodiervariablen muss eindeutig Ausprägung der Variablen rekonstruiertbar sein

- Kodierung darf implizit keine anderen Annahmen vornehmen (zb Bedeutung d. Abstände) (deswegen geht nicht 1,2,3, sondern wir teilen die gesamte Variable in mehrere dichotome Untervariablen (=Kodiervariablen) auf)

- iede Kodiervariable beinhaltet einen Teil der Info der Prädiktorvariablen, zusammen sind sie die gesamte im Prädiktor enthaltene Info

auf die insgesamt durch die kategoriale Variable aufgeklärte Varianz (R^2)

Interpretation Regressionskoeffizient und die Ergebnisse für deren einzelne Signifikanztests (weil hier auch unterschiedliche Dinge mit abgebildet werden)

dem Mittelwert einer Referenzgruppe

dem Gesamtmittelwert

sinnvoller Vergleichsstandard, nicht viel kleiner als die anderen Gruppen, klar definiert (nicht einfach "Rest")

Mittelwert der Referenzkategorie (Wert, den eine Person hat, wenn sie auf allen Kodiervariablen die Ausprägung 0 hat)

Mittelwert der X1- mit 1 kodierten Gruppe MINUS Mittelwert der Referenzkategorie

die dritte Variable wäre perfekt mit den anderen beiden korreliert

einfache Regression (weil nur ein (metrisches) Kriterium und einen (kategorialen) Prädiktor. Mehrere Prädiktorvariablen habe ich nur, weil hier die Info im einzelnen Präd aufgesplittet wird. Das, was zutrifft, bekommt auf der Variablen pro Fall eine 1

-1

ungewichteter Gesamtmittelwert