Regresjonsanalyse 3 Flashcards
Hva gjør en moderator (M) i en MR-analyse?
En moderator endrer styrken på relasjonen Y-X, avhengig av størrelsen på M. M har også en direkte effekt på Y.
Hva er forskjellen på denne formelen (Y = b₀ + b₁X₁ + b₂X₂ + b₃X₁X₂) enn denne formelen (Y = b₀ + b₁X + b₂M + b₃XM)?
Y = b₀ + b₁X₁ + b₂X₂ + b₃X₁X₂, Dette er en standard form for en regresjonsmodell som inkluderer en interaksjon mellom variablene X₁ og X₂. b₀ er konstantleddet (intercept), b₁ og b₂ er regresjonskoeffisientene for henholdsvis X₁ og X₂, mens b₃ representerer interaksjonseffekten mellom X₁ og X₂.
Y = b₀ + b₁X + b₂M + b₃XM, Her brukes en alternativ notasjon hvor X₁ er erstattet med X og X₂ er erstattet med M. Det gjør modellen enklere å lese ved å bruke M som en moderatorvariabel (M).
Interaksjonstermen (b₃XM) viser hvordan effekten av X på Y endres som en funksjon av M.
Hvordan kan vi faktorisere denne formelen (Y = b₀ + b₁X + b₂M + b₃XM) og hva viser det?
Modellen faktoreres for å vise hvordan intercepten og stigningen (slope) endres basert på verdiene av M:
Y = (b₀ + b₂M) + (b₁ + b₃M)X
Her ser vi at intercepten og stigningen påvirkes av M.
Interceptet er nå (b₀ + b₂M), og stigningen til X er (b₁ + b₃M).
Vil regresjonslinjen endre seg som et resultat av ulike verdier av M?
Ja, dette gir oss en unik regresjonslinje for hver valgt M-verdi, som betyr at for forskjellige verdier av M, vil linjen som beskriver forholdet mellom X og Y variere.
Når legger vi vanligvis inn interaksjonen i en hierarkisk regresjonsanalyse, og hva er fordelene med dette?
Vanligvis legger man inn interaksjonen til sist. Fordelene er at man kan isolere hovedeffektene fra interaksjonseffekten, og man kan se på endring i forklart varians (R^2) når man legger til interaksjonseffekten.
Hvilken variabel er det vanlig å velge som moderator?
Det er vanlig å velge den stabile variabelen som moderator, mens flyktige (mer utabile) variabler utgjør hovedeffektene.
Eks: Y-depresjon, X1- stress, X2-sårbarhet
Opplevd stress er mer flyktig (X), mens sårbarhet blir ansett som mer stabilt (M).
Beskriv hva som skjer når beta for X * M (interaksjonseffekten) er positiv og negativ.
Hvis beta er positiv: Når M øker, så øker stigningstallet for simple slope. Når M minker, så synker stigningstallet for simple slope.
Hvis beta er negativ: Når M øker, så synker stigningstallet for simple slope. Når M minker, så øker stigningstallet for simple slope.
Hva slags verdi er vanlig å velge for M ved grafing?
Det er vanlig å velge +/- 1 standardavvik for M ved grafing.
Hva er forskjellen på moderatoren i ANOVA og MLR?
I ANOVA er moderatoren dikotom (0 og 1 for to grupper, eller 0, 1 og 2 for tre grupper).
I en MLR så er moderatoren kontinuerlig og vi må selv velge verdi.
Hva skjer når beta1 øker:
Ved økende beta 1 (hovedeffekt), så øker stigningstallet.
Hva skjer når beta3 øker?
Når beta 3 (interaksjonseffekt) øker, så øker differansen i stigningstallene i de ulike moderatorgruppene.
Hva skjer når beta 0 øker?
Når beta 0 (intersept) øker, så løftes alle linjene likt.
Hva skjer når beta 2 øker?
Når beta 2 (moderator) øker, løftes linjen ved høy moderatorverdi og senkes ved lav moderatorverdi.
Bilde
Hvilke to problemer er det med interaksjonseffekter?
1: Lavere statistisk styrke
2: Kolinaritet
Beskriv problemet med lavere statistisk styrke for interaksjonseffekter, og si noe om hvordan styrken kan økes?
Den statistiske styrken for interaksjonseffekter er svakere enn for hovedeffekter, og kan gå ned mot 20-30%.
Denne styrken kan økes med;
- økt utvalgsstørrelse
- like underutvalgsstørrelser som interaksjonen beskriver
- bruke mer reliable måleinstrumenter
- mer varians i avhengig variabel
Hva kan vi gjøre for å redusere kolineriteten mellom interaksjonstermen og prediktorene? Og hvordan gjør vi dette når vi har to prediktorer X1 og X2?
Vi kan sentrere variablene for å redusere kolineariteten, men den vil ikke redusere den helt.
Hva er en 3-veis interaksjon i regresjon?
