VL 6 - Multiple Regression IV (Moderator) Flashcards

1
Q

Definition: Moderatorvariable

A

Wirkung einer Variablen ist von der Ausprägung einer anderen Variablen abhängig

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Was ist eine moderierte Regression? (4)

A
  • wenn die Wirkung einer Variablen von der Ausprägung einer anderen Variablen abhängig ist (verändert Stärke des Zusammenhangs zwischen d. anderen Prädiktor u. Kriterium)
  • zwei Variablen wirken nicht unabhängig voneinander (Effekt NICHT additiv)
  • Prädiktoren: kategorial o. kontinuierlich
  • entspricht Interaktionseffekt (ANOVA)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Wie sieht man grafisch (Regressionsgerade) eine unabhängige/additive Wirkung?

A

wenn Regressionsgeraden parallel zueinander sind

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Was sind 2 Tests zur inferenzstatistischen Absicherung eines Moderatoreffekts?

A
  1. Mit t-Test b3 auf Signifikanz prüfen (H0: b3 = 0)
  2. Das Inkrement der Produktvariable mit F-Test prüfen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Wie sieht man grafisch (Regressionsgerade) einen Moderatoreffekt?

A

die Steigung der Regressionsgeraden sind für unterschiedliche Ausprägungen des Moderators unterschiedlich

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Was ist Zentrierung?

A
  • eine Form der Standardisierung
  • von jedem beobachteten Wert einer Variablen wird der Mittelwert dieser Variablen subtrahiert
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Wie interpretiert man b0, b1 und b2 wenn die Variablen x1 und x2 zentriert sind?

A
  • b0: Wert in vorhergesagtem Y für mittlere Ausprägungen von X1 und X2
  • b1: Einfluss von X1 für mittlere Ausprägungen von X2
  • b2: Einfluss von X2 für mittlere Ausprägungen von X1
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Wann sollten Variablen zentriert werden?

A

Variablen, bei denen der Wert Null keine Bedeutung hat oder außerhalb des Wertebereiches liegt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Was ist der Effekt von Zentrierung auf Multikollinearität?

A

Zentrierung reduziert Multikollinearität

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Was ändert sich bei Zentrierung? (2)

A
  • Regressionsgewicht der Variablen (Prädiktoren) selbst ändert sich
  • Standardfehler der Regressionsgewichte der Variablen ist bei zentrierten Variablen deutlich kleiner
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Was bleibt gleich bei Zentrierung? (4)

A
  • Regressionsgewicht der Produktvariablen bleibt gleich
  • sein Standardfehler bleibt gleich

==> Stärke des Moderatoreffektes bleibt gleich

  • Determinationskoeffizient (R²) bleibt gleich
  • Verlauf der bedingten Regressionsgeraden ist gleich (gleiche Steigungen, Geraden sind nach links oder rechts verschoben)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Was ist eine bedingte Regressionsgleichung?

A

Regressionsfunktion für eine bestimmte Ausprägung der Moderatorvariablen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Welche zwei Signifikanztests der bedingten Regressionskoeffizienten gibt es?

A
  • t-test
  • Johnson-Neyman-Intervall
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Was prüft der t-Test der bedingten Regressionskoeffizienten?

A

Ist der bedingte Regressionskoeffizient („simple slope“) für einen bestimmten Wert auf der Moderatorvariablen signifikant von Null verschieden?

–> für jede (Alters)Gruppe t-Test des bedingten Regressionsgewichtes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Was prüft das Johnson-Neyman-Intervall?

A
  • Bereich der Moderatorvariable, für den die bedingten Regressionskoeffizienten signifikant von Null verschieden sind
  • hängt nicht davon ab, welche Werte auf der Moderatorvariablen man gewählt hat
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Sollte man kontinuierliche Variablen dichotomisieren? Warum (nicht)?

A

Nein! –> unnötiger Verlust an Information /Genauigkeit

17
Q

Warum sollten wir kontinuierliche Variablen NICHT dichotomisieren? (4)

A
  • Zusammenhang zwischen den Variablen wird verzerrt geschätzt
  • Verringerte statistische Teststärke (Information wird verschenkt)
  • Risiko des Aufdeckens „falscher“ Haupteffekte der UVs
  • Risiko des Aufdeckens „falscher“ Interaktionseffekte, falls die kontinuierliche Variable nicht-linear mit der AV zusammenhängt
18
Q

Was wird bei der Analyse nicht-linearer Zusammenhänge gemacht?

A
  • entsprechenden Variablen werden einfach transformiert, d.h. quadriert, logarithmiert etc.
  • transformierten Variablen können dann wie „normale“ Prädiktoren in die Regressionsgleichung aufgenommen werden
19
Q

Was sind zwei Probleme bei der Analyse
nicht-linearer Zusammenhänge?

A
  • Multikollinearität (Lösung: Zentrierung)
  • es müssen auch alle Terme niedrigerer Ordnung in die Regressionsgleichung aufgenommen werden (bei einer
    kubischen Gleichung also auch x und x2), um Fehlinterpretationen zu vermeiden
20
Q

Wann werden nicht-lineare
Effekte nur in der Regel überprüft?

A
  • wenn es theoretische Argumente o. Erkenntnisse dafür gibt
  • sich nicht-lineare Zusammenhänge in einer Grafik deutlich erkennen lassen
21
Q

Was ist ein “bedingter Regressionskoeffizient”?

A

Effekt einer Prädiktorvariable einer bestimmten Ausprägung der Moderatorvariablen