Mediation einordnen - 5 Typen der Mediation

[@SophiaKern]

Hallo und vielen Dank erstmal für die hilfreichen Videos. Ich habe folgende Frage: In der ersten Erklärstufe des Schemas ist davon die Rede, dass a x b signifikant sein muss. Bedeutet, dass dass beide Regressionskoeffizienten unabhängig voneinander signifikant sein müssen, um hier 'ja' anzunehmen oder werden die Koeffizienten nochmal miteinander verrechnet?

[@StatistikamPC_BjoernWalther]

Hallo Sophia, damit ist gemeint, dass beide Pfade jeweils einen hinreichend kleinen p-Wert aufweisen sollten. Viele Grüße, Björn.

[@guidosemrau712]

Hallo, vielen Dank für die anschauliche Beschreibung. Ich habe für meine Masterarbeit eine Mediation gerechnet und signifikante Ergebnisse für alle Pfade erhalten. Da ich bipolare Skalen verwendet habe, macht der letzte Auswertungsschritt von Zhao und Lynch (2010), also a*b*c, aus inhaltlichen Gründen keinen Sinn. Sehe ich das richtig oder habe ich da einen Denkfehler?

[@chiarabovigny8714]

Hallo! vielen Dank für dieses sehr hilfreiche Video. Ich habe dazu 2 Fragen: Kann man eine Mediation berechnen mit einer abhängigen Variable, die dichotom ist (d.h. 0=nein, 1=j1)? und meine zweite Frage ist: Damit axb (a mal b) also der indirekte Effekt signifikant ist, müssen sowohl a wie auch b signifikant sein, oder? Ich habe ein komisches Ergebnis erhalten und zwar, gab es bei "indirect effect " keinen 0 im Konfidenzintervall, aber der Effekt b (also vom Mediator auf die abhängige Variable) war nicht signifikant: bedeutet dies, dass X keinen signifikanten Effekt auf y über den Mediator hat?

[@StatistikamPC_BjoernWalther]

Hallo, zu deinen Fragen: 1) ja, das ist dann eine binär-logistische Regression. 2) ja a und b müssen jeweils signifikant sein, damit es einen indirekten Effekt gibt. Bei einer logistischen Regression ist das Konfidenzintervall anders zu lesen: die 1 darf nicht im KI sein. Viele Grüße, Björn.

[@And17P]

Hallo, erstmal vielen Dank für die hilfreichen Videos. Ich arbeite gerade an meiner Masterarbeit und bin auf ein Problem gestoßen, bei dem aktuell nicht weiterkomme. Ich untersuche ein paralleles Mediationsmodell mit 2 Mediatoren. Ich habe folgende Hypothesen formuliert: H1: UV hängt positiv mit der AV zusammen. H2: M1 vermittelt die Beziehung zwischen UV und AV. H3: M2 vermittelt die Beziehung zwischen UV und AV. Meine Ergebnisse zeigen signifikante indirekte Effekte über beide Mediatoren. Weiterhin ist der totale Effekt signifikant, der direkte Effekt ist jedoch nicht signifikant. Gemäß Ihrem Video wäre das ja der Idealfall, nämlich eine indirect only mediation. Nun weiß ich jedoch nicht genau, was das in Bezug auf meine Hypothese 1 bedeutet. Betrachte ich den totalen Effekt, würde sich H1 bestätigen. Betrachte ich den direkten Effekt, würde sich H1 nicht bestätigen. Wie sollte ich denn hier vorgehen? Vielen Dank im Voraus :)

[@StatistikamPC_BjoernWalther]

Hallo und danke für dein Lob! Grundlegend ist deine H1 aufgrund des totalen Effektes bekräftigt. Allerdings zeigen deine H2 und H3 ein sehr viel detailliertes Bild, wie die Beziehung von UV und AV zustandekommt, nämlich über M1 und M2. Von daher kannst du AUCH H2 und H3 bekräftigen. Streng genommen würde man H2 und H3 bei dir auch als Unterhypothesen H1a und H1b bezeichnen können, weil du ja im Vorfeld bei der Planung schon von den indirekten Effekten ausgegangen bist. Viele Grüße, Björn.

[@MUndZuMUNd63]

Kannst du bitte zeigen wie man eine Mediationsanalyse in R rechnet?

[@StatistikamPC_BjoernWalther]

Hallo, das Video ist schon fertig und hochgeladen und wird nächsten Montag 10 Uhr freigeschalten. Viele Grüße, Björn.

[@MUndZuMUNd63]

@@StatistikamPC_BjoernWalther Suuper vielen Dank!!!

[@angeladrofenik891]

Hallo, Vielen Dank für das sehr hilfreiche Video :) Ein kleiner Hinweis: Typ 4 ist die komplementäre Mediation und Typ 5 die kompetitive Mediation. in der Videobeschreibung ist es andersherum, im Video wurde es richtig dargestellt.👍

[@StatistikamPC_BjoernWalther]

Danke für den Hinweis, Angela! Ich habe es geändert. Viele Grüße, Björn.