Tutorial. Moderationsanalyse mit PROCESS

Transkript

1 Tutorial Moderationsanalyse mit PROCESS Das Konzept Moderation Ein Moderator verändert den Zusammenhang zwischen unabhängiger Variable (folgend X) und einer abhängigen Variable (folgend Y). Dementsprechend kann ein Zusammenhang zwischen X und Y in Abhängigkeit des Moderators unterschiedlich aussehen. Beispielsweise kann man annehmen, dass es von der chronischen Impulsivität (als Persönlichkeitsvariable) abhängt, ob Alkoholkonsum zu Beziehungsproblemen führt: Im Speziellen kann erwartet werden, dass bei chronischer Impulsivität ein positiver Zusammenhang zwischen Alkoholkonsum und Beziehungsproblemen vorliegt. Bei schwach vorhandener chronischer Impulsivität wird kein positiver Zusammenhang zwischen Alkoholkonsum und Beziehungsproblemen erwartet. Das Vorgehen mit PROCESS Andrew Hayes hat ein wunderbares SPSS Makro geschrieben. Mit diesem kann man die verschiedensten und abgefahrensten Modelle testen (vgl. das PDF Dokument PROCESS, welches die Dokumentation des Makros enthält; download: Bei uns geht es um Model 1 (vgl. S.17 in der Dokumentation). Dazu öffnet man als erstes (den Datensatz hat man schon offen) die Syntax Process (process.sps). Diese lässt man durchlaufen (STRG + A dann STRG + R). Dann kann man das Syntax- Fenster (process.sps) schließen. Im Output müsste dann folgendes erscheinen: Auf Seite 17 der Dokumentation steht unten auf der Seite die relevante Syntax für unser Model (das Model 1): PROCESS vars = xvar mvar yvar/y=yvar/x=xvar/m=mvar/model=1.

2 Diese passt man dem eigenen Datensatz an, bspw. PROCESS vars = UV MODERATOR AV /y=av/x= UV /m= MODERATOR /model=1. Die Variablen können auch eine 0/1 Ausprägung haben (bspw. wenn Geschlecht der Moderator ist). Die AV kann auch eine 0/1 Ausprägung haben (bspw. Burnout diagnostiziert ja vs. nein oder Hilfeverhalten ja vs. nein). PROCESS rechnet dann automatisch logistische Regressionen und keine lineare. Wichtig: in der Moderationsanalyse wird der Moderator nicht dichotomisiert (sonst könnte man auch eine ANOVA rechnen, hier werden Regressionen gerechnet). Das heißt, man behält die kontinuierliche Variable bei und schätzt auf Basis der Daten den Zusammenhang zwischen X und Y bei einer relativ starken Ausprägung des Moderators (typischerweise 1 Standardabweichung über dem arithmetischen Mittel des Moderators; vgl. Aiken & West, 1991) und bei einer relativ schwachen Ausprägung des Moderators (typischerweise 1 Standardabweichung unter dem arithmetischen Mittel des Moderators). In dem Beispieldatensatz, den ich folgend verwende heißt xvar (also X, die unabhängige Variable) ALK (höhere Werte höherer Alkoholkonsum). mvar (also M, der Moderator) ist IMPULS (höhere Werte = höhere chronische Impulsivität). yvar (also Y, die abhängige Variable) ist BEZPROB (höhere Werte = größere Beziehungsprobleme in der Partnerschaft). Die Syntax sieht also folgendermaßen aus: PROCESS vars = Alk Impuls BezProb /y= BezProb /x= Alk /m= Impuls /model=1. Dann die Syntax markieren und STRG + R drücken. Der Output sieht folgendermaßen aus:

3 In diesem Beispiel sind die UV und Moderator nicht mittelwert-zentriert, deshalb darf man die Haupteffekte nicht interpretieren. Direkt interpretierbar werden sie, wenn man UV und Moderator mittelwert-zentriert. Wie sieht die Interaktion nun genau aus? Also findet sich ein signifikanter Zusammenhang zwischen X und Y an verschiedenen Stellen des Moderators? Das findet man in folgendem Output: Wie sieht die Moderation nun graphisch aus? Man schreibt /plot = 1 am Ende der Syntax:

4 Wenn man dann ganz runter scrolled im Output findet man folgendes: Dann nimmt man sich die 4 Idealtypen raus: HochAlk+HochImpuls ( ) HochAlk+NiedrigImpuls ( ) NiedrigAlk+HochImpuls ( ) NiedrigAlk + NiedrigImpuls ( ) Diese Werte überträgt man in Excel (oder OpenOffice Calc):

5 Dann: Voilà: Bei weiteren Fragen: