SPSS-FORUM.DE

[Eugen]

Hallo zusammen,

ich habe einen Prädiktor X, einen Moderator M und ein Kriterium Y.
Prädiktor X steht in einem linearen Zusammenhang zum Kriterium Y, der Moderator jedoch in einem quadratischen zu Y.
Folglich rechne ich eine linear moderierte quadratische Regression, richtig?

Ich habe mir folgendes überlegt (weiß nicht wie oder ob hier überhaupt höher- oder tiefergestellte Zahlen möglich sind. Die Zahlen bei Beta sollten eigentlich klein gestellt sein und bei M hochgestellt).

Schritt 1: Ich nehme den Prädiktor X , den Moderator M und den quadrierten Moderator M2 ins Modell auf

Y= β0 + β1M + β2M2 + β3X + ε

Schritt 2: Ich nehme den das Produkt aus Moderator und Prädiktor (M x X) und das Produkt aus dem quadrierten Moderator und Prädiktor (M2 x X) hinzu

Y= β0 + β1M + β2M2 + β3X + β4MX + β5M2X + ε

Modellvergleich: Änderung in R2 gibt mir einen Aufschluss darüber, ob das zweite Modell, welches die Interaktionen berücksichtigt, mehr Varianz in Y aufklärt als das erste.

Wäre das Vorgehen korrekt?

Obendrein hätte ich überhaupt keine Ahnung wie sich die Betas im nicht linearen Fall interpretieren ließen.

Würde mich über eure Hilfe freuen.

Viele Grüße

[ponderstibbons]

Der Software-Bezug ist mir noch nicht ganz klar.
Geht es darum, wie man in SPSS den quadratischen
Term berechnet, oder wie man eine (schrittweise)
Regression in SPSS durchführt oder dergleichen?
Oder was SPSS als b bzw. beta bezeichnet?

Es gibt für SPSS die Makros von Hayes, die werden
gern genommen
http://www.afhayes.com/spss-sas-and-mpl ... -code.html
Ansonsten gibt es, glaube ich, für die Durchführung
moderierter Regressionen mit SPSS aber auch die eine oder
andere detaillierte Anleitung im Netz.


Mit freundlichen Grüßen

P.

[Eugen]

Ok. Danke für den Tipp mit den Makros. Ja stimmt, was das Softwareargument betrifft. Es war mehr eine statistische Frage. Ich habe Probleme die Betas zu interpretieren bzw. frage mich, ob das im quadratischen Fall sinnvoll möglich ist. Die SPSS Schritte sind mir soweit klar.

[ponderstibbons]

Das beta ist das Regressionsgewicht des Prädiktors, in diesem Fall eines quadratischen.
Wieso sollte es nicht sinnvoll möglich sein, ihn zu interpretieren?

Mit freundlichen Grüßen

P.