Vorlesung 6 Regression IV Flashcards

1
Q

Definition: Moderatorvariable

A

Wirkung eine Variable ist von der Ausprägung einer anderen Variable abhängig

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

Was ist eine moderiertet Regression ?

A
  • wenn die Wirkung einer Variablen von der Ausprägung einer anderen Variablen abhängig ist (veränderte Stärke der Zusammenhanges zwischen dem anderen Prädiktor und Kriterium)
  • zwei Variablen wirken nicht unabhängig voneinander (Effekt NICHT additiv)
  • Prädiktor: kategoriale oder kontinuierliche
  • 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 inferenzstatistischem 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 (Regresssionsgerade) einem Moderatoreffekt?

A

Die Steigung der Regressionsgerade 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 Ausprägung 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 liegen

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 ?

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?

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

===> Stärke des Moderatoreffekts bleibt gleich

  • Determinationskoeffizient (R^2) bleibt gleich
  • Verkauf der bedingten Regressionsgerade 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 bestimmt 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 Johnson – Neyman– Intervall ?

A
  • Bereich der Moderatorvariable, für dem die bedingten Regressionskoeffizienten signifikant von Null unterschieden 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 kontinuierlich Variablen dichotomisieren? Warum(nicht)?

A

Nein! –> unnötiger Verlust an Information/ Genauigkeit

17
Q

Warum sollten wir kontinuierliche Variablen nicht dichotomisieren?

A
  • Zusammenhang zwischen den Variablen wird verzerrt geschätzt
  • verringerte statistische Teststärke
  • 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
  • entsprechende Variablen werden einfach transformiert, d.h. quadriert, logorithmiert etc.
  • transformierten Variablen können dann wie „normale“ Prädiktoren in die Regressionsgleichung aufgenommen werden
19
Q

Was sind 2 Probleme bei der Analyse nicht–linearer Zusammenhänge?

A
  • Multikollinearität (Lösung: Zentrierung)
  • es müssen auch alle Therme 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 oder Erkenntnisse dafür gibt
  • sich nicht– lineare Zusammenhänge in einer Grafik deutlich erkennen lassen