MV an der Universität des Saarlandes

a*b-Koeffizient nicht normalverteilt -> Sobel Test zu konservativ 

Prüfverteilung aus eigenen Daten schätzen durch Ziehung von Stichproben aus der vorliegenden Stichprobe (PROCESS Makro) (completely standarized indirect effect of X on Y): Das Konfidenzintervall des indirekten Pfades schießt die 0 nicht mit ein; 95%-CI = [5.20; 18.13]. Der indirekte Pfad ist also signifikant

• zuerst überprüfen, welches Modell besser passt
• dann da nach mittlerem Zusammenhang sehen
• Y hängt bedeutsam von X ab, b = -2.05, t = -12.72 < -2. Je größer X, desto kleiner Y

Dummykodierung oder Kontrastkodierung

Prädiktoren wieder auf zwei Variablen reduzieren

p-1 Dummy-/Kontrastvariablen

1. M kann bedeutsam anhand P vorhergesagt werden, Beta = .71, t(66) = 8,19, p < .001. Je größer P, desto größer M.
2. K kann bedeutsam anhand von P vorhergesagt werden, Beta = .40, t(66) = 3,55, p < .001. Je größer P, desto größer K
3. M kann über P hinaus K vorhersagen, Beta = .51, t(65) = 3.44, p = .001. Je größer M, desto größer K. Da P nicht über M hinaus K vorhersagen kann, handelt es sich um eine vollständige Mediation, Beta = .04, t(65) = 0.26, p = .78.
4. Der indirekte Pfad ist statistisch bedeutsam, z = 3,15. Demnach wird der Zusammenhang zwischen P und K vollständig durch M vermittelt

Y lässt sich bedeutsam anhand von x
vorhersagen, β = .49, t(86) = 5.52, p < .001.
Demnach geht ein größeres x mit einem
größeren y einher (positives Beta)/mit
einem kleineren y einher (negatives Beta)

• Only Intercepts Modell (R)
• unter Random effects: Intercept- und Residualvarianz
• Intercept: Varianz der Gruppenmittelwerte um den Gesamtmittelwert (0 = keine Unterschiede zwischen den Gruppen)
• Residual: Varianz der individuellen Mittelwerte um den Gruppenmittelwert (0 = keine Unterschiede innerhalb der Gruppen)
• ICC > 0 -> lohnenswert
• Rund 56% (=ICC) der Varianz in Y ist darauf zurückzuführen, dass diese je zu einer bestimmten Gruppe gehören
• unter fixed effects: die mittlere AV weicht bedeutsam von 0 ab, b = , t = > |2| (b = Gesamtmittelwert)

Die beiden Prädiktoren erklären zusammen
63.1% der Varianz von Y. Diese
Varianzaufklärung ist bedeutsam, R2 = .36,
F(2, 86) = 24.24, p < .001.

Gruppe 1 mit 1, Gruppe 2 mit -1 kodieren, lineare
Regression rechnen (Gruppe zur Vorhersage von Y)
Die Gruppe kann Y bedeutsam vorhersagen
(Beta = .61, t(18) = 3.26, p = .004)

βmR < βlR

Gruppe 1 ist signifikant besser in Y als Gruppe 2 und 3 (Beta = .54, t(24) = 3.24, p =.004). Das B-Gewicht zeigt an, dass Gruppe 1 um xx (3*bK1) besser in Y ist als die anderen beiden Gruppen. Es gibt keinen Unterschied zwischen Gruppe 2 und 3 (Beta = -.17, t(24) = -.99, p = .334).
Beta-Vorzeichen: positiv = Kriterium steigt zu höher kodierter Gruppe, negativ = Kriterium sinkt zu höher kodierter Gruppe. Abstand = Differenz zwischen Kodierung * b1

X zeigt in der Vorhersage von Y einen bedeutsamen kurvilinearen Zusammenhang, β = .64, t(121) = 8.68, p < .001. Demnach geht ein moderater Wert von X mit einer Minderung von Y einher, die sich bei zunehmendem X in eine Steigerung umkehrt.

• bei zentrierten Variablen oder sinnvoller Nullstelle
• multivariate Tests; Konstanter Term; Pillai-Spur: Die Stichprobe weicht in den AVs bedeutsam von der Population ab, Pillai-Spur = .92, F(4, 46) = 124.87, p < .001, ηp2 = .916.
• Tests der Zwischensubjekteffekte, Konstanter Term: Unterschiede bestehen (wenn post-hoc Hypothese: "auch nach Bonferroni-Holm-Korrektur") in AV1 (F, p, ηp2), AV2 (F, p, ηp2), .... (auch unkorrigiert) bestehen keine Unterschiede in AV3, AV4, .... Bei Inspektion der Mittelwert scheint ein überdurchschnittlicher/unterdurchschnittlicher Wert in AV1/AV2 vorzuliegen, ...