Hallo Miri,

das kann so oder so passend sein. Es ist möglich, dass die Kovariate für beide (AV und Mediator) kontrolliert werden soll, dann machst du das bei beiden. Oder auch nur für eine der beiden. Wie du möchtest.

LG Daniela

ich berechne eine Mediationsanalyse mit Process nach Hayes. Dabei habe ich mehrere Kovariaten. In JASP muss ich die Pfade manuell eingeben. Daher meine Frage: Muss ich deren Einfluss sowohl auf den Mediator (Kovariate → Mediator) als auch auf die AV (Kovariate → AV) kontrollieren?

Vielen lieben Dank im Voraus!
LG Miri

Hallo Ju,

ja, so kannst du vorgehen. Alternativ könntest du auch erstmal mit allen bivariaten Korrelationen starten und anhand derer auswählen, ob eine Kovariate mit aufgenommen wird oder nicht.
Oder du verwendest eine schrittweise Methode, die automatisiert deine Variablen auswählt. Oder du nutzt eine Lasso- oder Ridge-Regression, um dem Overfitting entgegen zu wirken.
Du siehst, es gibt sehr viele Möglichkeiten und es hängt auch viel von der Größe deiner Stichprobe ab (wie komplex darf das Modell sein?), was deine Software kann (Lasso/Ridge?) und – falls zutreffend – was deine Betreuungsperson möchte.

LG Daniela

ich möchte den Zusammenhang zwischen körperlicher Aktivität (UV1) sowie Sitzzeit (UV2) mit Rückenschmerzen (AV1) und mit Gesundheit (AV2) untersuchen.

Klassische Confounder wären: Alter, Geschlecht, Bildung, Einkommen, Migrationshintergrund, Ost/West. Diese würde ich in die beiden Regressionen (zwei Regression, weil 2 AVs) aufnehmen.

Es gibt aber auch noch viele weitere Einflussfaktoren, welche im Zusammenhang mit der UV und AV stehen, zum Teil aber auch auf dem Pfad zwischen UV und AV liegen könnten, wie z.B. Body-Mass-Index usw. Kann ich diese Kovariaten ebenfalls in die zwei Regressionsmodelle einfach aufnehmen, sodass ich insgesamt zwei große Regression habe ? In diesen beiden Regressionen würde ich dann auch die UVs gegenseitig adjustieren, hätte Confounder, potenzielle Mediatoren usw., also kurz gesagt alle möglichen Kovariaten reingeworfen. Bei dem Vorgehen könnte es zur Überadjustierung kommen.

Ich hätte deshalb pro UV zusätzlich eine eigene Regression gerechnet, wo der totale Effekte sichtbar wird, dabei würde ich nur strenge Confounder (Alter, Geschlecht, Bildung, usw., welche zeitlich vor der Exposition liegen) einbeziehen, um das Problem der Überadjustierung einzudämmen. Ich hätte dann aber auch 6 Regressionen, was die Auswertung umfangreicher macht.

Ist der Weg mit den 6 Regressionen methodisch sauberer und ist er überhaupt interessant, weil man ja viele interessante Kovariaten weglässt?

Vielen Dank schon mal. Viele Grüße

Hallo Elma,
es macht für die statistische Analyse keinen Unterschied, ob eine unabhängige Variable ein „richtiger“ Prädiktor oder eine Kontrollvariable ist. Für die Statistik ist das genau das Gleiche. Nur die Interpretation ändert sind. Die Kontrollvariable willst du „nur“ kontrollieren, hier interessiert dich der Effekt an sich inhaltlich nicht.
Es kann aber ja gut sein, dass jemand anders in einer Folgestudie auch inhaltlich an diesem Prädiktor interessiert ist. Dann wird er ihn – genauso wie du jetzt – ins Modell mit aufnehmen, aber den Effekt dann eben auch inhaltlich interpretieren.
LG Daniela

Hallo Aziz,

es kommt auf die genaue Hypothese an. Wenn du eine Regression mit dem Differenzwert als AV rechnest, dann untersuchst du den Effekt der Kontrollvariablen auf die Veränderung der AV. Wenn du eine ANCOVA nimmst, wirst du ja die AVs der Einzelmessungen verwenden (also als Messwiederholung). Dann untersuchst du mit den Haupteffekten der Kovariaten den Effekt auf die AVs der Einzelmessungen. Den Effekt auf die Veränderung würdest du da nur über eine Interaktion abbilden, falls du das möchtest.

LG Daniela

ich rechne in meiner Masterarbeit ein GLMM. Es gibt eine Preanalysis, wo es 2 signifikante Kontrollprädiktoren gibt unter der Bedingung, dass p < 0.1. Diese nehme ich mit in meine Hauptanalyse und einer der Prädiktoren ist immer noch signifikant. Das Modell der Hauptanalyse hatte neben einer 3x fach Interaktion von Anfang an einen Kontrolprädiktor und dann eben die 2 Kontrollprädiktoren aus der Preanalysis. Die Haupt- und Additional Analysis unterscheiden sich eigentlich nur darin, dass in der Additional Analysis der eine initiale Kontrollprädiktor in die 3fach Interaktion kommt und der eine Prädiktor aus der Hauptanalyse der ehemaligen 3 fach Interaktion zum Kontrollprädiktor wird. Ich frage mich, was ich mit dem noch in der Hauptanalyse zusätzlichen signifikanten Kontrollprädiktor machen darf. Darf ich daraus schlussfolgern, dass Folgestudien den Einfluss dieses Kontrollprädiktors als ,,richtigen'' Prädiktor untersucht werden sollte? Ich verstehe nicht, wie ich einerseits sagen kann, durch die Aufnahme des Kontrollprädiktors kontrolliere ich seinen Einfluss, wenn er doch in der Hauptanalyse immernoch signifikant ist und damit ja meine Av erklärt. Ich hoffe, das war nicht zu verwirrend. Vielen Dank im Voraus!

Ich untersuche in meiner Masterarbeit die Wirkung zweier Werbestile (ironisch vs. sachlich) auf die Einstellung zur Marke in einem within-subjects-Design. Der Unterschied soll mit einem t-Test für abhängige Stichproben geprüft werden.

Nun möchte ich zusätzlich zwei Kontrollvariablen (z. B. Humorverständnis, Markenerfahrung) einbeziehen.

Frage:
Reicht dafür eine lineare Regression (Differenzwerte als AV), oder müsste ich auf eine ANCOVA umstellen – auch wenn es sich um ein Within-Design handelt?

LG
Aziz

Hallo Mareen,
ja, genau. Die kommen ins Feld „Kovariaten“. Ob du ein Modell rechnest, in dem du gleich alle Kontrollvariablen einfügst, oder ob du mehrere Modelle rechnest (z.B. mit und ohne Kontrollvariablen, oder mit erst einer, dann zweien…), die du im Anschluss vergleichen willst, bleibt dir überlassen. Das kommt ganz darauf an, welche Story du damit erzählen willst, wieviel Platz du zum Berichten hast etc.
LG Daniela

ich führe im Rahmen meiner Masterarbeit eine moderierte Mediationsanalyse (Model 8) durch mit PROCESS und würde gerne auch auf Kontrollvariablen kontrollieren. Muss ich diese in der Analyse dann im Feld „Kovariaten“ zusätzlich ergänzen und der Rest des Models bleibt wie gehabt? Und sollte man alle Kontrollvariablen gleichzeitig einfügen oder getrennt nacheinander?

Lieben Dank vorab!