SPSS-FORUM.DE

Hallo zusammen,

ich schreibe aktuell meine BA in Psychologie und unter anderem möchte ich mit einer Moderatorenanalyse untersuchen, ob meine UV (Belastung) durch den Einfluss von Coping (Moderator) somatische Beschwerden (AV) verstärkt.

Ich habe nun jeweils eine Moderatorenanalyse mit einer "gesunden" und einer "klinischen" Stichprobe gerechnent.

Laut SPSS gibt es bei beiden Stichproben keinen Moderatoreffekt. Ich habe mir die Daten grafisch ausgeben lassen und bin ein wenig verwirrt.
Ich habe euch die Bilder unten angehangen. Bei der Grafik "Klinik" sieht man eindeutig, dass kein Interaktionseffekt vorliegt, aber die Grafik "Schule" verwirrt mich ein bisschen, da sich die Linien kreuzen.

Kann mir jemand erklären, was dieses Diagramm statistisch bedeutet ?

Lieben Dank und viele Grüße
Anna

Es bedeutet nichts, weil die Stichprobengröße unbekannt ist, die Streuungen der Stichprobendaten fehlen, die Standardfehler der Koeffiziente unbekannt sind. Würde das auf n=4 basieren, wärst Du dann von irgendwelchen kreuzenden Linien beeindruckt?

Mit freundlichen Grüßen

PonderStibbons

Hi,

Laut SPSS gibt es bei beiden Stichproben keinen Moderatoreffekt.

- wie rechnest Du sowas denn mit SPSS?
- Bei welchen Variablen konkret?

Gruß
S.

Guten Morgen,

ich habe die Moderatorenanalyse mit SPSS Plugin von Hayes (PROCESS) gerechnet. So wie ich es verstehe, ist das Modell einfach nicht signifikant. Mich hatte nur gewundert, dass sich die beiden Moderatorenanalysen grafisch so unterscheiden.
X=Belastung
Y=Somatische Beschwerden
M= Coping (Moderator)

Meine Stichproben haben ein n von 53. Das ist der Output von "Schule"

Model = 1
Y = ysom
X = Belast
M = CopDefMW

Sample size
53

**************************************************************************
Outcome: ysom

Model Summary
R R-sq MSE F df1 df2 p
,2385 ,0569 1,9385 ,5966 3,0000 49,0000 ,6203

Model
coeff se t p LLCI ULCI
constant 1,8332 ,2208 8,3022 ,0000 1,3895 2,2769
CopDefM ,0952 ,1569 ,6067 ,5468 -,2202 ,4106
Belast ,0846 ,0683 1,2378 ,2217 -,0527 ,2218
int_1 ,0483 ,0549 ,8795 ,3834 -,0620 ,1585

Conditional effect of X on Y at values of the moderator(s):
CopDefMW Effect se t p LLCI ULCI
-1,5123 ,0116 ,0874 ,1326 ,8950 -,1640 ,1871
,0000 ,0846 ,0683 1,2378 ,2217 -,0527 ,2218
1,5123 ,1575 ,1244 1,2664 ,2113 -,0924 ,4075

Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.

********************* JOHNSON-NEYMAN TECHNIQUE **************************

There are no statistical significance transition points within the observed
range of the moderator.





Hier der Output von "Klinik"

Model = 1
Y = YSOMATIC
X = LEBER
M = COPDEFMW

Sample size
53

**************************************************************************
Outcome: YSOMATIC

Model Summary
R R-sq MSE F df1 df2 p
,3785 ,1433 8,5905 5,3611 3,0000 49,0000 ,0028

Model
coeff se t p LLCI ULCI
constant 4,8870 ,4071 12,0044 ,0000 4,0689 5,7052
COPDEFMW,5000 ,2747 1,8200 ,0749 -,0521 1,0521
LEBER ,1478 ,0495 2,9838 ,0044 ,0483 ,2474
int_1 ,0003 ,0342 ,0074 ,9942 -,0685 ,0690

Product terms key:

int_1 LEBER X COPDEFMW

R-square increase due to interaction(s):
R2-chng F df1 df2 p
int_1 ,0000 ,0001 1,0000 49,0000 ,9942

*************************************************************************

Conditional effect of X on Y at values of the moderator(s):
COPDEFMW Effect se t p LLCI ULCI
-1,4224 ,1475 ,0592 2,4896 ,0162 ,0284 ,2665
,0000 ,1478 ,0495 2,9838 ,0044 ,0483 ,2474
1,4224 ,1482 ,0784 1,8908 ,0646 -,0093 ,3057

Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.

********************* JOHNSON-NEYMAN TECHNIQUE **************************

Moderator value(s) defining Johnson-Neyman significance region(s)
Value % below % above
1,2479 83,0189 16,9811
-2,0221 9,4340 90,5660

Conditional effect of X on Y at values of the moderator (M)
COPDEFMW Effect se t p LLCI ULCI
-3,2579 ,1470 ,1090 1,3490 ,1835 -,0720 ,3660
-2,9579 ,1471 ,0998 1,4731 ,1471 -,0536 ,3477
-2,6579 ,1472 ,0910 1,6180 ,1121 -,0356 ,3300
-2,3579 ,1472 ,0824 1,7872 ,0801 -,0183 ,3128
-2,0579 ,1473 ,0742 1,9841 ,0529 -,0019 ,2965
-2,0221 ,1473 ,0733 2,0096 ,0500 ,0000 ,2947
-1,7579 ,1474 ,0667 2,2098 ,0318 ,0134 ,2814
-1,4579 ,1475 ,0600 2,4592 ,0175 ,0270 ,2680
-1,1579 ,1475 ,0544 2,7146 ,0091 ,0383 ,2568
-,8579 ,1476 ,0502 2,9388 ,0050 ,0467 ,2486
-,5579 ,1477 ,0480 3,0776 ,0034 ,0513 ,2441
-,2579 ,1478 ,0479 3,0852 ,0033 ,0515 ,2440
,0421 ,1478 ,0500 2,9594 ,0047 ,0474 ,2482
,3421 ,1479 ,0539 2,7428 ,0085 ,0395 ,2563
,6421 ,1480 ,0594 2,4901 ,0162 ,0286 ,2674
,9421 ,1481 ,0661 2,2407 ,0296 ,0153 ,2809
1,2421 ,1481 ,0736 2,0137 ,0495 ,0003 ,2960
1,2479 ,1481 ,0737 2,0096 ,0500 ,0000 ,2963
1,5421 ,1482 ,0817 1,8150 ,0756 -,0159 ,3123
1,8421 ,1483 ,0902 1,6441 ,1066 -,0330 ,3296
2,1421 ,1484 ,0991 1,4977 ,1406 -,0507 ,3475
2,4421 ,1485 ,1082 1,3722 ,1763 -,0690 ,3659
2,7421 ,1485 ,1175 1,2641 ,2122 -,0876 ,3846

**************************************************************************

Liebe Grüße
Anna