Volitionale Faktoren und Theory of Planned Behaviour: Moderatoranalysen

Transkript

1 Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Volitionale Faktoren und Theory of Planned Behaviour: Moderatoranalysen Urte Scholz & Benjamin Schüz berlin.de/gesund/ /gesund/schuezschuez Personality Systems Interaction Theory Julius Kuhl Versuch, volitionale Prozesse und Fähigkeiten als Disposition zu erfassen Instrument: VCQ (Deutsche Fassung mit 190 Items in 38 Skalen) Personality Systems Interaction Theory Funktionale volitionale Prozesse werden untersucht Bewusste und unbewusste Prozesse müssen unterschieden werden Idee: Gute Intentionen reichen zum erfolgreichen Handeln noch nicht aus Erweiterung des PBC-Kontrollbegriffes auf Kontrollprozesse Personality Systems Interaction Theory Aufgaben volitionalen Handelns: Zielbeibehaltung (Selbstkontrolle) Selbst-Beibehaltung (Selbstregulation) Zielbeibehaltung: Aufrechterhaltung und Ausübung bewusster Ziele im Arbeitsgedächtnis Ruft eher negativen Affekt hervor Bewusste Prozesse: Planen, Üben etc.

2 Personality Systems Interaction Theory Ziele, die noch nicht ganz mit dem Selbst kompatibel sind, werden verfolgt Innere Diktatur Selbstregulation: Ruft positiven Affekt hervor Handlungen, die als kongruent mit dem Selbst erlebt werden Weitgehend unbewusste Prozesse sind für Handeln verantwortlich Störungen können identifiziert werden Volitional Components Questionnaire (Selbststeuerungsinventar) Erfasst eine Disposition hin zum selbstregulierten Volitionsstil 190 Items in 38 Skalen Hoch interkorreliert Aktivierung der Selbstregulation erhöht positiven Affekt, der Zugriff auf Gedächtnis und Aufgabenerfüllung erleichtert Volitionale Komponenten und die TPB TPB: Motivationale Theorie Volitionale Komponenten Hypothesen: Volitionale Komponenten verbessern die Verhaltensvorhersage Volitionale Komponenten moderieren die Intentions-Verhaltens-Beziehung Selbstregulation kompensiert soziale Normen, die dem intendierten Verhalten entgegen stehen

3 Moderator/Mediator Bivariates Modell: Moderator/Mediator Mediatormodell: Moderatormodell: Moderator/ Mediatormodell Moderation Ausprägung einer Variable M verändert den Zusammenhang von X (Prädiktor) und Y (Kriterium) Im Extremfall besteht zwischen X und Y überhaupt kein Einfluss, sondern der Zusammenhang wird nur über den Moderator hergestellt In der Varianzanalyse: Interaktionsterm Moderation Interaktion zwischen Prädiktor und Faktor, der die Bedingungen für die Wirksamkeit des Prädiktors bestimmt Erweiterung von y = bx + c zu y = d + ax + bm + cxm + E Potentielle Moderatoren sollten vor Prädiktoren gemessen werden

4 Toller Text dazu: Baron, R. M., & Kenny, D. A. (1986). The mediator-moderator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51, Überprüfung von Moderatoreffekten (nach Baron & Kenny, 1986) Moderation: Kausale Beziehung zwischen Variablen verändert sich als Funktion der Moderatorvariable Funktion kann verschiedene Formen annehmen Niveau der Moderatorvariablen und der unabhängigen Variablen bestimmt Analyseprozedur Überprüfung von Moderatoreffekten (nach Baron & Kenny, 1986) 1. Moderator und UV kategorial: 2*2- ANOVA, Moderation wird durch Interaktion angezeigt 2. Dichotomer Moderator (z.b. Geschlecht), UV kontinuierlich: Mehrgruppenmodell, bzw. Vergleich von Bs 3. Kontinuierlicher Moderator, dichotome UV: komplizierter Überprüfung von Moderatoreffekten (nach Baron & Kenny, 1986) 4. Kontinuierlicher Moderator, kontinuierliche UV Bilden von Interaktionstermen aus Prädiktor und Moderator Hierarchische Regressionsanalyse: Prädiktor Haupteffekt Moderator + Interaktionseffekt Moderator Aiken & West (1991): Unbedingt zentrieren, um Multikollinearität in der Regressionsgleichung zu vermeiden

5 Multikollinearität Wechselseitige Abhängigkeit der Prädiktoren Redundante Information in der Regressionsgleichung Blasen Fehlerterme auf Schwächen die Analyse Erschweren Interpretation Multikollinearitätsdiagnostik in SPSS Methode Stichprobe Items Messzeitpunkte Früheres Verhalten Interkorrelationen Warum Interkorrelationen angucken? Grundgleichung: y = b 1 x 1 +b 2 x 2 wobei: b 1 = r yx1 -r yx2 *r x1x2 1-r² x1x2 und b 2 = r yx2 -r yx1 *r x1x2 1-r² x1x2

6 Vorhersage von Intentionen TPB-Variablen erklären 71% der Variation in Intentionen Früheres Verhalten verbessert Prädiktion nicht Volitionale Komponenten verbessern Prädiktion nicht TPB gut geeignet, um Determinanten der Intention zu beschreiben Vorhersage von Verhalten Hierarchische Regressionsanalyse 1. Schritt: TPB-Variablen 2. Schritt: TPB + Haupteffekte + Interaktionen Idee: Überprüfen der Vorhersageleistung der volitionalen Komponenten über die TPB hinaus (sowohl Haupt-als auch Moderatoreffekte) Interaktionsterme Vorzeichen der Interaktionsterme in der Regressionsgleichung nicht zu interpretieren Durchführen einer Varianzanalyse mit durch Mediansplit gebildeten Gruppen zur Illustration des Effektes Was war doch gleich eine Varianzanalyse?

7 Varianzanalyse Erweiterung des t-test: Kann mehrere Mittelwerte vergleichen Kann mehrere UV betrachten Untersucht, ob sich die Mittelwerte zwischen Gruppen mehr als innerhalb der Gruppen unterscheiden Mehrere UV: Untersuchung von Interaktionen, d.h. hängen die Effekte einer UV von der Ausprägung einer anderen ab? Einbezug früheren Verhaltens Hierarchische Regressionsanalyse Strengerer Modelltest Überprüfung, ob volitionale Komponenten von früherem Verhalten bestimmt werden Überprüfung, ob Verhaltensänderungen vorhergesagt werden können (Vorhersage des residualisierten Changescores)

8 Wie kommt das? Interkorrelationen Wenn nun z.b. r yx1 =.60, r ys =.00 und r x1s =.50, dann: y = b 1 x 1 + b 2 s Eingesetzt in b 2 = r ys -r yx1 *r x1s 1-r² x1s ergibt sich für b 1 =.80 und für b 2 =-.40 Negatives b immer dann, wenn r ys < r yx1 *r x1x2, v.a. wenn r ys ~0. Schlussfolgerungen?