Was macht ein Mediator und welche Frage stellen wir uns?
Ein Mediator vermittelt die Beziehung zwischen Prädiktor und Outcome Variable.
Welche Mechanismen führen also zu dem Zusammenhang von Prädiktor und Outcome Variable?
Was macht ein Moderator und welche Frage stellen wir uns?
Ein Moderator beeinflusst die Beziehung zwischen Prädiktor und Outcome Variable.
Unter welchen Bedingungen treten also die Zusammenhänge zwischen Prädiktor und Outcome Variable auf?
Nenne wichtige Punkte zu Moderatoren.
Moderatoren (MOD oder oft auch M) moderieren den Einfluss von einem Prädiktor (X) auf eine Outcome Variable (Y).
Die Stärke oder Valenz einer Beziehung zwischen X und Y hängt von einer dritten Variablen (MOD, M) ab.
Moderation = Interaktion: Zwei Variablen (X, MOD/M) beeinflussen sich gegenseitig in ihrem Einfluss auf die Outcome Variable (Y).
Moderatoren können kategorial oder metrisch sein.
Wie wird mit einem Moderator verfahren im Modell?
Der Moderator wird als zusätzlicher Prädiktor aufgenommen.
Die Moderation wird durch die Interaktion kodiert, also durch das Produkt von Prädiktor und Moderator.
Was gilt für die Mittelwertszentrierung bei der Moderationsanalyse?
b1: Maß für Bedeutung des Prädiktors auf Outcome, wenn alle anderen Prädiktoren ihren Mittelwert einnehmen.
Zentrierung beeinflusst die Interpretation der Prädiktoren und Moderatoren, nicht aber der Interaktion.
Wenn nur die Interaktion interessant ist, dann keine Zentrierung notwendig.
Es werden nur Prädiktoren und Moderatoren, nie Outcome Variablen zentriert.
Durch Zentrierung können sich ggf. Multikolliniaritätsprobleme lösen lassen.
Wann kann die Mittelwertszentrierung sinnvoll sein?
wenn der Prädiktor den Wert 0 nicht annehmen kann
wenn der Wert 0 nicht sinnvoll interpretiert werden kann
damit Regressionsgewichte (b) leichter interpretiert werden können
Beschreibe das Vorgehen bei der Moderationsanalyse
Kategoriale Variablen müssen dummy- oder effekt-kodiert werden.
Interaktion kodieren durch das Produkt von (dummy- odereffekt-kodierten) Prädiktor und Moderator.
Ggf. Prädiktoren und Moderatoren zentrieren.
Führe eine lineare Regression durch und schließe Prädiktoren, Moderatoren und Interaktion ein.
Merke: Wenn die Prädiktoren und Moderatoren kategorial sind, kann auch eine Varianzanalyse durchgeführt werden.
Schaue, ob die Interaktion signifikant wird, wenn ja, dann gibt es einen Moderationseffekt – der Moderator beeinflusst also den Zusammenhang von Prädiktor und Outcome Variable.
Veranschauliche dir grafisch, wie der Effekt inhaltlich aussieht.
Prüfe mit einer simple-slope Analyse, wie der Effekt inhaltlich aussieht.
Was gilt für die Simple Slope Analyse?
Vergleiche den Zusammenhang zwischen Prädiktor und Outcome Variable für verschiedene (niedrige, mittlere, hohe) Stufen (oder Werte) des Moderators.
Stufen frei wählbar, oft M ± 1SD (z.B. in PROCESS)
Für jede dieser Stufen (oder Werte) gibt das b die Richtung und Stärke des Zusammenhangs unter der Stufe an.
Der Johnson und Neyman Ansatz gibt eine Zone an (Wertebereich des Moderators), für die der Zusammenhang signifikant wird.
Was gilt für Mediatoren?
Mediatoren (MED oder oft auch M) vermitteln den Einfluss von einem Prädiktor (X) auf eine Outcome Variable (Y).
Die Beziehung zwischen X und Y wird durch ihre Beziehung zu einer anderen Variable (MED, M) erklärt.
Mediatoren können metrisch sein.
Es geht mehr darum, ob der Prädiktor durch den Mediator eine andere Wirkung erhält und nicht, ob es von außen beeinflusst
Beschreibe die Koeffizenten des Modells. Vergiss nicht c und a*b zu erwähnen.
Was sind die Koeefizienten und was geben sie an? (Mediatonsanalyse)
Die Koeffizienten sind unstandardisierte Regressionsgewichte und geben damit die Stärke des linearen Zusammenhangs zwischen den entsprechenden Variablen an.
Wenn c‘ = 0, dann wird der Zusammenhang von X und Y vollständig durch MED mediiert.
Wenn a*b signifikant > 0, dann liegt ein Mediationseffekt vor.
Welche Bedingungen müssen erfüllt sein, damit ein Mediationseffekt vorliegt?
Prädiktor hängt signifikant mit Outcome V. zusammen.
Prädiktor hängt signifikant mit Mediator zusammen.
Mediator hängt signifikant mit Outcome V. zusammen.
der Zusammenhang zwischen Prädiktor und Outcome V. kleiner wird, wenn MED dazu kommt à Zusammenhang von X und Y in Modell / Bedingung 3 (c‘) kleiner als in Modell 1 (c)
Wie ist das Vorgehen beider Mediationsanalyse?
Führe eine lineare Regression durch und schließe Prädiktoren und Mediatoren ein.
Schau, ob die 4 Bedingungen erfüllt sind:
der Zusammenhang zwischen Prädiktor und Outcome V. wird kleiner, wenn MED dazu kommt.
Der indirekte Effekt gibt den Mediationseffekt an.
Veranschauliche dir durch Pfaddiagramme die Zusammenhänge grafisch (a, b, c‘ und a*b).
Was sind Voraussetzungen bei der Moderationsanalyse?
Linearität
Normalverteilung der Residuen
Homoskedastizität
Unabhängigkeit der Residuen
Was sind Voraussetzungen für die Mediationsanalyse?
Zeitliche Präzedenz
Zuletzt geändertvor 5 Monaten
