Lecture 25: Moderation analysis Flashcards
moderation definitie
In statistics and regression analysis, moderation occurs when the relationship between two variables depends on a third variable. The third variable is referred to as the moderator variable or simply the moderator. The effect of a moderating variable is characterized statistically as an interaction.
dus moderation =
interactie-effect
wat voor soorten effecten heb je dus
main effects (b1 and b2)
interaction effects (b3: pred * mod)
even naar schrift kijken, vooral voor moderation en mediation
okeeeee
full model =
the whole model, with all the main effects and the interaction effect
wat kun je zien uit de output die laat zien wat de t values bij A, B en AB zijn
of deze slopes individually significantly verschillen van 0
een interactie-effect =
one variable affects the effect of another variable
hoe moet je een interactie effect interpreteren
je kan hem interpreteren als A influences B, or B influences A.
hier goed op letten tijdens tentamen!!!!!
moderator effect of z on x and y -> hoe moet je dit zien in 3D plot?
door te kijken naar of dit effect depends on the level of z.
daarvoor moet je je 3D plot op splitsen. -> planes of standard deviations.
wat doe je bij hypothesis testing van de moderation analysis
kijken of de slope significant verschilt van 0 -> via t statistics.
wat is de alternative model en wat is de null model
alternative = predicting with the z, y and x. -> combined, all of these effects make for a significantly better prediction als hij significant is, anders hebben deze factors geen significant betere prediction.
null = predicting the mean
wat krijg je met fit in R
dan krijg je de regressie coefficients, die je dus in deze formule kan toevoegen:
outcome = b0 + b1predi + b2modi + b3* bredi * mod
hoe kan je met kleine betas toch nog een significant verschil hebben
- very low standard deviation in the predictor variable
- high sample size
leads to
very small standard error, wat leidt tot sneller een groot effect zien.
hoe zie je het interactie effect in een 3D plot
door de curve van de plane, dus de buiging die het maakt!
wat kan je zien bij de correlation tab
allows you to show your a predictor, for a certain level of your b predictor
hier kan je dus het interactie effect mee zien! als a verschilt voor verschillende levels van b dan is er een interactie effect!
dit laat dezelfde info zien als de cube met de planes: elke lijn is een plane.
hoe doe je een moderation analysis in JASP
linear regression -> dependent en independent toevoegen (independent is beiden!!!) -> model: interactie effect toevoegen.
wat laat model summary doen
hoe goed de null model vs de alternative model deed in de analysen
ANOVA model wat laat die zien
hoeveel beter de alternatieve deed vs de null, bij F statistic
wat laat coefficients zien
allows us to zoom in on the predictor variables
dus wat kijkt naar full model, en wat naar predictors
full = model summary & ANOVA
predictors = coefficients
wat kan je doen om naar de interactie effect te kijken
- kijken naar interactie effect onder coefficients
- de predictor en moderator toevoegen aan null model, en dan kijken naar het interactie effect
als je de predictor en moderator toevoegt aan de null model, welke twee waardes laten dan hetzelfde zien en waardoor komt dat
- de F change in model summary model (want dan is het interactie effect het enige verschil)
- de t statistic van de interactie effect onder coefficients
komt doordat F = t^2
waar staat een f value gelijk aan
t^2 !!
assumpties moderation analysis
- multicollinearity
hoe zie je multicollinearity
door collinearity diagnostics: VIF
waarom is een hoge multicollinearity bij het interactie effect niet super problematisch
omdat het interactie effect uit zichzelf al bestaat uit de twee predictor variables -> er is dus sowieso een correlation! want dit is een onderdeel ervan. we kijken dus NIET naar de VIF van het interactie effect!!!!!!!!!!!!!!!
belangrijk
wat krijg je als je het predictor variable categorical maakt
ANCOVA!
wat was een assumptie van ancova
homogeneity of regression slopes
hoe check je homogeneity of regression slopes=
means there is no interaction between your covariate and your predictor. maar hier kijken we juist naar -> dus een interactie effect is niet perse erg, maar je moet het dan gewoon in je model doen!!!
wat kan je zien bij ancova
het interactie effect, onder descriptives -> plots.
