SPSS-FORUM.DE

[Julia1342]

Hallo zusammen,

ich habe eine Vignettenstudie gemacht (=hypothetische Szenarien mit unterschiedlichen Merkmalen/Attributen, die bewertet werden). Jeder Teilnehmer hat drei Vignetten bewertet (Szenario akzeptiert oder nicht). Ein Szenario besteh immer aus zwei Dimensionen (auch Attributen) mit jeweils drei Ausprägungen (auch Level). Nun möchte ich die Effekte der Vignetteninhalte/-level auf die Vignettenbewertung berechnen.

Zunächst habe ich dafür in SPSS eine (einfache, ein-Level) logistische Regression mit Haupteffekten der Vignettenlevel und zusätzlichen Interaktionseffekten zwischen den Levelinhalten und Eigenschaften der Teilnehmer (Alter, Geschlecht,…) modelliert.

(1) Mein finales Modell hat eine finale -2 Log likelihood von 868,461 (von anfangs 985,541 im Modell mit ausschließlich Haupteffekten).

(2) Da die Daten mit drei Bewertungen pro Teilnehmer genestet sind, möchte ich nun eine zwei-Level logistische Regression berechnen. Nun ist hier meine finales -2 log-likelihood viel höher, nämlich 3157,793. Im SPSS-Output der Kovarianzparameter Übersicht steht, dass ich 25 feste Effekte und 1 zufälligen Effekt geschätzt habe. Ich habe aber lediglich 12 (dichotome) feste Effekte im Modell. Warum werden die beide Ausprägungen der dichotomen Variablen als (zwei) Effekte gewertet? Und ist die hohe Zahl an festen Effekten/Parametern der Grund für die hohe -2 loglikelihood? Wird das Modell dafür bestraft?

(3) Der zufällige Schnittpunkt in unserem zweistufigen Nullmodell (random intercept) ist klein (0,099, p=0,238), was darauf hindeutet, dass wir keine signifikante Variabilität am Schnittpunkt haben, was wiederum bedeutet, dass wir keine Clusterbildung in den Daten haben, richtig?
Der Interklassenkorrelationskoeffizient (ICC) in der Studie im Nullmodell ist ebenfalls gering (0,024), was darauf hindeutet, dass die Wahrscheinlichkeit, eine Vignette zu akzeptieren, sich nicht von Teilnehmer zu Teilnehmer unterscheidet.

(4) Sprechen diese drei Tatsachen ((1) höhere -2log-likelihood als im einfachen 1-Level Modell, (2) keine signifikante Variabilität auf dem Intercept und (3) kleiner ICC) dafür, keine zwei-Level Analyse durchzuführen und stattdessen die Parameterschätzungen der einfachen (1-Level) logistischen Regression zu berichten?

(5) Wie kann ich, wenn ich mich für die einfache log. Regression entscheide, bei SPSS einstellen, dass ich dann zumindest cluster-robuste Standardfehler schätzen möchte?

Vielen Dank schon einmal und viele Grüße
Julia