Moderationsanalyse: Linearität interpretieren und berichten
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 den Randregionen links und rechts eventuell stark von den anderen Punkten abweichen. Dies ist vor allem der Fall, wenn in diesen Regionen nur wenige Punkte vorhanden sind. Dann ist der Einfluss dieser Punkte stark und die Linie weicht stärker ab. Falls die LOESS-Linie nur den Randregionen vom Muster der Linearität abweicht und dort nur wenige Punkte vorhanden sind, können wir weiterhin von Linearität ausgehen.
In unserem Beispiel können wir davon ausgehen, dass das Verhältnis zwischen den Variablen linear ist: in allen Diagrammen ist die LOESS-Linie auch (etwa) eine Gerade.
Ergebnisse berichten
Tatsächlich finden man nur selten Angaben über die Überprüfung der Linearität in Moderationsstudien– vor allem in wissenschaftlichen Publikationen. Das soll nicht heißen, es sei fehlerhaft wäre, dies zu tun!
Die Überprüfung dieser Voraussetzung können wir so berichten:
Das Verhältnis der Variablen war nach visueller Inspektion des Streudiagramms mit LOESS-Glättung etwa linear.
English
The relationship of all variables involved in the moderation analysis was approximately linear, as assessed by visual inspection of the scatterplots after LOESS smoothing.
Non-Lineare Zusammenhänge
Es kann aber auch sein, dass wir in unseren Daten einen non-linearen Zusammenhang haben. Solche Zusammenhänge sehen meist so aus, auch wenn vor allem hier die Anpassungslinie maßgeblich ist.
Keine Linearität? Was nun?!
Sollte keine Linearität zwischen den einzelnen Variablen vorhanden sein, kann sich dies problematisch auf auf die Validität der Ergebnisse auswirken und mögliche Effekte unterschätzen.- Variablen transformieren. Allerdings: Nicht jede non-lineare Beziehung lässt sich linearisieren und Transformationen können die Ergebnisse und deren Interpretation verzerren.
- Mit der weiteren Analyse fortfahren und einen Verlust an statistischer Power hinnehmen.