Lexikon

Cramer’s V

Cramer’s V ist ein Maß für den Zusammenhang zwischen zwei nomialskalierten Variablen, ähnlich dem Korrelationskoeffizienten r. Es ist das meist berichtete Maß der Effektstärke für χ²-Tests (Chi-Quadrat Tests). Cramer’s V basiert auf dem φ-Koeffizienten (phi-Koeffizienten), kann aber im Gegensatz zu ihm auch für Kreuztabellen angewendet werden, die größer als 2×2 sind. Cramer’s V nimmt Werte

gepaarter t-Test

Gepaarter t-Test: Einseitig testen

Wenn wir einen gepaarten t-Test durchführen, ist der angegebene p-Wert (die Signifikanz) immer für eine zweiseitige Testung. In diesem Artikel besprechen wir, was das bedeutet und wie wir von einem zweiseitigen p-Wert auf einen einseitigen umrechnen können.

Lexikon

Fall-Kontroll-Studie

Fall-Kontroll-Studien (engl. case-control studies) sind retrospektiv. Sie definieren zu Beginn zwei Gruppen klar: eine mit dem Ergebnis/Krankheit und eine ohne das Ergebnis/Krankheit. Sie schauen zurück, um zu beurteilen, ob es zwischen den Gruppen einen statistisch signifikanten Unterschied in den Expositionsraten gegenüber einem definierten Risikofaktor gibt. Dies kann auf Zusammenhänge zwischen dem Risikofaktor und der Entwicklung

Reliabilitätsanalyse

Cronbachs Alpha: Voraussetzungen

Die Ableitung von Cronbachs Alpha basiert auf der klassischen Testtheorie, die davon ausgeht, dass der beobachtete Wert einer Person eine lineare Funktion ihres unbeobachteten wahren Wertes (oder des zugrunde liegenden Konstrukts) und des Fehlers ist. In der Theorie können die Messungen parallel (essential) tau-äquivalent oder kongenerisch sein, abhängig von den Annahmen über die Maßeinheiten, Genauigkeitsgrade

Produkt-Moment-Korrelation

Pearson Produkt-Moment Korrelation: Korrelationstabelle erstellen

Oft hat man viele Variablen in großen Korrelationstabellen, die man berichten will. Die Standard-Tabelle in SPSS enthält noch für jedes Variablenpaar das N und die genaue Signifikanz. Diese beiden Werte würden wir für die meisten Arbeiten und Studien aber in der endgültigen Tabelle entfernen. Mit einem Trick können wir uns in SPSS nur die Korrelationen

Einfaktorielle MANOVA

Einfaktorielle MANOVA: Voraussetzung #1: Multikolinearität

Multikollinearität tritt auf, wenn abhängige Variablen sehr hoch miteinander korrelieren. Multikollinearität verursacht sowohl logische als auch statistische Probleme. Durch die hohe Korrelation werden die Variablen redundant, beide Variablen messen dadurch effektiv dasselbe. Allerdings ist es für die meisten statistischen Verfahren problematisch redundante Variablen in dieselbe Analyse aufzunehmen, es sei denn, wir führen eine Strukturanalyse durch

Einfaktorielle MANOVA

Einfaktorielle MANOVA: Warum eine MANOVA und nicht mehrere ANOVAs?

ANOVAs sind großartig, wenn wir Unterschiede zwischen Gruppenmittelwerten vergleichen wollen. Beispielsweise können wir mit Hilfe der ANOVA beurteilen, ob sich drei verschiedene Kunststoffe in ihrer mittleren Brüchigkeit unterscheiden. Die meisten ANOVA-Tests bewerten jedoch nur eine einzige abhängige Variable, was in bestimmten Situationen ein großes Problem darstellen kann. Einschränkungen der ANOVA Egal ob allgemeine lineare Modell

Einfaktorielle MANOVA

Einfaktorielle MANOVA: Beispieldatensatz

In Deutschland ist Bildung bekanntlich Ländersache. Nach dem Grundgesetz liegen die Kompetenzen der Bildungspolitik in den Händen der 16 Bundesländer. So kommt es öfters vor, dass neue Lehrmethoden entwickelt und in ausgewählten Schulen auf ihre Leistungsfähigkeit getestet werden. So ist es auch der Fall in unseren Beispielsdatensatz. Ein Team von Wissenschaftlern hat zwei neue Lehrmethoden

Rechner

Rechner für multiple Variablentransformationen

Oft sind die Zusammenhänge zwischen Variablen nicht linear. In solchen Fällen unterschätzen viele statistische Methoden und Verfahren die Stärke des Zusammenhangs und bestehende Unterschiede und Zusammenhänge bleiben möglicherweise unentdeckt. Dieser Rechner transformiert zwei Variablen und berechnet die Pearson-Korrelationen zwischen allen resultierenden Kombinationen. Die Korrelation in  den ersten, obersten Feld (x – x) entspricht der Pearson-Korrelation

Rechner

Median-Split Rechner

Median-Splits sind die wahrscheinlich beliebteste statistische Methode zur Dichotomisierung von Variablen. Dabei wird eine Variable entlang des Medians in zwei (meist gleichgroße) Gruppen eingeteilt. Allerdings existieren auch kritische Meinungen zum Einsatz des Median-Splits, die wir weiter unten diskutieren. Dieser Rechner berechnet die Cut-Off Werte für die Einteilung in zwei oder auch wahlweise drei Gruppen und

Mediationsanalyse

Mediationsanalyse: Linearität interpretieren

Nachdem wir im letzten Schritt alle Variablen gegeneinander aufgetragen haben, müssen wir jetzt die Linearität überprüfen. Dazu schauen wir uns das Diagramm in der Ausgabe an: Die Interpretation ist denkbar einfach: Wir überprüfen einfach, ob die Linien augenscheinlich gerade sind. Aufgrund der Art, wie LOESS die Berechnung macht, kann es sein, dass die Linien in

Mediationsanalyse

Mediationsanalyse: Alle Ergebnisse zusammengefasst

Hier noch einmal alle Ergebnisse der Mediationsanalyse zusammengefasst Grafisch Darstellung der Mediation Literaturverzeichnis Davidson, R., & MacKinnon, J. G. (1993). Estimation and Inference in Econometrics. Oxford University Press. Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis, Second Edition (Methodology in the Social Sciences) (2nd ed.). Guilford Press.

Mediationsanalyse

Mediationsanalyse: Indirekten Effekt interpretieren

Als Letztes müssen wir noch den indirekten Effekt interpretieren. Er ist der eigentliche Mediationseffekt. Es gibt zwar verschiedene Verfahren und Tests, um den indirekten Effekt beispielsweise auf Signifikanz zu überprüfen, allerdings haben die meisten Verfahren Nachteile und können nicht empfohlen werden. Deshalb gilt als aktuelle Empfehlung, lediglich den indirekten Effekt zusammen mit dem Konfidenzintervall anzugeben,

Mediationsanalyse

Mediationsanalyse mit SPSS durchführen

In diesem Artikel besprechen wir die eigentliche Berechnung der Mediationsanalyse in SPSS. Die Berechnung der Analysen kann je nach Computerausstattung und Datenumfang länger dauern. Wenn alles fertig ist, sehen wir die Ausgabe des Makro in SPSS. Auf der nächsten Seite fangen wir mit der Interpretation an.

Mediationsanalyse

Mediationsanalyse: Linearität überprüfen

Die Mediationsanalyse im Makro von Hayes (2018) basiert auf linearen Regressionsverfahren, die – wie der Name schon sagt – nur eine lineare Beziehung zwischen den beteiligten Variablen finden. Ist die Beziehung nicht linear, sondern beispielsweise kubisch, werden lineare Verfahren die Stärke des Zusammenhangs unterschätzen. Wir überprüfen Linearität visuell, über Streudiagramme, in die wir eine Anpassungskurve der

Mediationsanalyse

Mediationsanalyse: Beispieldatensatz

In unserer fiktiven Studie wollen wir untersuchen, ob das Verhältnis von politische Ideologie und die Unterstützung von Regierungsmaßnahmen zur Emissionsverringerung durch den wahrgenommene wissenschaftliche Konsens über globale Erwärmung mediiert wird. Auch wenn die Daten unseres Datensatzes generiert wurden, stammt die eigentliche Idee von McCright, Dunlap, & Xiao (2013) und Ding, Maibach, Zhao, Roser-Renouf und Leiserowitz

Mediationsanalyse

Mediationsanalyse: Voraussetzungen

Die Voraussetzungen sind ähnlich denen, die auch für multiple lineare Regression gelten. Allerdings verwendet das Makro von Hayes (2018) Bootstrapping, welches ein robustes Verfahren ist und generell keine Voraussetzungen bezüglich der Verteilungseigenschaften macht. Linearität. Die Mediationanalyse von Hayes basiert auf linearer Regression. Entsprechend werden lineare Beziehungen zwischen den einzelnen Variablen untersucht. Andere (kurvilineare) Zusammenhänge könnten

Mediationsanalyse

Mediationsanalyse: PROCESS Makro installieren

Bevor wir mit den Analysen loslegen können, müssen wir erst einmal das PROCESS Makro von Hayes herunterladen und in SPSS installieren. Laut den Lizenzvereinbarung von Hayes dürfen wir das Makro leider nicht direkt hier zum Download anbieten, sondern müssen auf Hayes′ Website verweisen. Benutzer, die das Marko bereits installiert haben, können diesen Schritt überspringen. Auf

Mediationsanalyse

Mediationsanalyse: Bootstrapping

Bootstrapping ist eine zunehmend beliebte Methode, um die Signifikanz des indirekten Effekts zu testen. Simulationsstudien zeigen, dass Bootstrapping sowohl eine hohe statistische Power hat, als auch den Fehler erster Art gut kontrollieren kann (Hayes, 2009; MacKinnon, Lockwood, & Williams, 2004). Der große Vorteil von Bootstrapping ist allerdings, dass die Methode unabhängig von den Verteilungseigenschaften unseres

Mediationsanalyse

Mediationsanalyse: Definition und Nomenklatur

Mediationsanalyse ist nicht ein spezifisches statistisches Verfahren. Stattdessen existieren verschiedene statistische Verfahren, die verwendet werden können, um Aussagen über das Vorhandensein von Mediation zu machen. Vier Schritte zur Mediation Baron und Kenny (1986) haben vier Schritte identifiziert, die für das Vorhandensein einer Mediation gegeben sein müssen. Wir haben dazu ein Modell mit drei Variablen: X,