Mediation mit PROCESS für R (Model 4)

[@elisabeth4490]

Vielen Dank für die lehrreichen und nachvollziehbaren Videos! Eine Frage hätte ich: Kann auch der HC-Standardfehler in dem Code eingebunden werden? Oder müsste ich hierzu die einzelnen Regressionsmodelle berechnen und dort den HC-Standardfehler separat einbinden? Besten Dank!

[@RegorzStatistik]

Ja, das geht. HC = 3 oder HC = 4 als zusätzlichen Parameter

[@elisabeth4490]

@@RegorzStatistik Ganz herzlichen Dank für die schnelle Hilfe! Funktioniert erstaunlich einfach in diesem Fall.

[@Julia-fy5ox]

@@RegorzStatistik Ich habe auch versucht dies als zusätzlichen Parameter aufnzunehmen, jedoch funktioniert es bei mir nicht und ich kriege immer die Meldung, dass ein Argument nicht genutzt wird. Muss ich vorerst noch was weiteres installieren oder woran könnte es liegen?

[@ueber18ich]

Super Video! Als nächstes bitte moderated mediation - Model 7.

[@VV-ph4pm]

Vielen lieben Dank für dein Video. Ich mache gerade Modell 4 und 14 und mir werden nur für das Modell 4 mit deinem Code totale Effekte angezeigt. Woran kann das liegen? Was mache ich falsch?

[@RegorzStatistik]

Totale Effekte gibt es in PROCESS nur für Modelle ohne Moderator, soweit ich weiß. Daher 4 ja, 14 nein.

[@ninaschnaderbeck7730]

Vielen Dank für das Video. Ich habe das Bootstrapping auch für die anderen Regressionen verwendet, da die Voraussetzungen nicht erfüllt sind. Mir stellt sich jetzt die Frage, wo das R2 und der F-Wert für diese Regressionen mit Bootstrapping sind? Oder nehme ich hier die Werte ohne Bootstrap?

[@RegorzStatistik]

Für R² und F gibt es keine Bootstrapping-Ergebnisse, da kann man nur die normalen Werte berichten.

[@ninaschnaderbeck7730]

@@RegorzStatistik okay super vielen Dank. Und ich habe mir zusätzlich die standardisierten Koeffizienten ausgeben lassen. Würden Sie nur die standardisierten Koeffizienten berichten oder auch die unstandardisierten?

[@RegorzStatistik]

@@ninaschnaderbeck7730 Wenn Sie Bootstrapping auch für die anderen Regressionen verwendet haben, dann haben Sie dort Konfidenzintervalle für die unstandardisierten Koeffizienten bekommen. Das passt nicht so gut zusammen, wenn Sie zu diesen unstandardisierten KIs dann nur die standardisierten Werte berichten, finde ich.

[@ninaschnaderbeck7730]

@@RegorzStatistik Okay, dankeschön! Ich habe nun noch eine abschließende Frage. ich habe mehrere KV´s in das Mediationsmodell einbezogen. Die F-Statistik der einzelnen Pfade wird immer signifikant. Allerdings werden die UV und der Mediator einzeln nicht signifikant. Wenn ich aber einfache Korrelationen berechne habe ich hier schon einen signifikanten Zusammenhang. Wie kann ich das am besten interpretieren?

[@RegorzStatistik]

@@ninaschnaderbeck7730 Das sprengt leider den Rahmen dessen, was ich hier im Kommentar vollständig erklären kann. Nur noch kurz zu den Grundlagen: Der F-Test für ein Modell prüft, ob alle Prädiktoren gemeinsam signifikant Varianz des Kriteriums (hier Mediator bzw. AV) erklären. Die Tests für die einzelnen Prädiktoren prüfen, ob der Prädiktor signifikant Varianz über alle anderen Prädiktoren im Modell hinaus erklärt. Es kann da sein, dass zwar ein Prädiktor einen signifikanten Zusammenhang mit dem Kriterium hat (Korrelationen), aber eben nicht mehr, wenn für andere Prädiktoren auch kontrolliert wird.

[@yusufialhelo5592]

Erstmal vielen Dank für die tolle Erklärung. Ich habe aber hierzu noch eine Frage. Bei dem aufgeführten Beispiel habe ich ja eine vollständige Mediation. Wann hätte ich eine partielle Mediation? An welchen Werten würde ich das erkennen?

[@RegorzStatistik]

Ich würde von einer partiellen Mediation sprechen, wenn es zwar einen signifikanten indirekten Effekt gibt (Mediation), aber auch der direkte Effekt noch signifikant ist.

[@yusufialhelo5592]

@@RegorzStatistik Super, vielen Dank für die schnelle Antwort.

[@thechenmin]

Sehr geehrter Herr Prof. ich habe ein Model von 2 IV, 6 Mediator, 1 DV. für dem R code zeigt mir error, weil ich mehrere Variable habe. process(data = my_data_frame, y = "DV", x = c("IV_1","IV_2"), m =c("m1, "m2", ",m3","m4", "m5", "m6"), model = 4, effsize =1, total =1, stand =1, cov = "c1", contrast = 2, boot = 10000 , modelbt = 1, seed = 654321) was soll ich das korrigieren? Vielen dank für Ihre Antwort im Voraus. Min

[@RegorzStatistik]

Für ein derartiges Modell (mehrere UVs) würde ich eher eine Pfadanalyse mit lavaan wählen.

[@thechenmin]

@@RegorzStatistik vielen dank. Ihre Video hat mir sehr geholfen. vielen dank

[@AronLichteFilm]

Wird der Effekt beim teilweise standardisierten indirekten Effekt als b oder als beta berichtet?

[@RegorzStatistik]

Das weiß ich nicht, ob es dazu eine Konvention gibt.

[@AronLichteFilm]

@@RegorzStatistik Ich habe im Hayes Buch gefunden. Dort schreibt er b ps und das ps tiefgestellt. Danke trotzdem für die schnelle Antwort

[@dirkbornert7614]

Vielen Dank für das wirklich hilfreiche Video! Aber ich habe noch eine Frage bei der du mir vielleicht helfen kannst:) Wie kann ich die Signifikanz des indirekten Effektes interpretieren? Hier wird kein p-Wert im Output des PROCESS Makros aufgeführt. Kann ich diesen Pfad dann nur anhand des Konfidenzintervalls interpretieren?

[@RegorzStatistik]

Beim indirekten Effekt geht es über das Konfidenzintervall (ob es die 0 einschließt oder nicht).

[@melinaweisenburger1351]

Woran erkenne ich denn, dass Kontrollvariablen mit in die Mediation aufgenommen werden müssen? Wenn sie signifikant mit den Konstrukten korrelieren? Vielen Dank auf jeden Fall schonmal für das Video :)

[@RegorzStatistik]

Wann man Kontrollvariablen aufnehmen sollte, dazu gibt es sehr unterschiedliche Ansichten. Vielleicht hilft Ihnen das hier weiter: towardsdatascience.com/get-a-grip-when-to-add-covariates-in-a-linear-regression-f6a5a47930e5 (wobei ich es nicht komplett durchgelesen habe, keine Garantie dass da alles stimmt)

[@dielina]

Danke für das hilfreiche Video! Kann ich mit PROCESS auch ein Modell testen, welches aus 2 Prädiktoren, einem Mediator und einem Kriterium besteht? Und wenn ja, mit welchem Befehl gebe ich den zweiten Prädiktor ein?

[@RegorzStatistik]

PROCESS nimmt leider nur einen Prädiktor an, so dass man das nicht in einem Modell mit PROCESS testen kann. Man könnte dafür ein SEM-Programm zur Pfadanalyse nutzen, oder ggf. zwei mal das Modell 4 rechnen und dabei jeweils die andere UV als Kovariate eingeben.

[@dielina]

@@RegorzStatistik Vielen Dank für die schnelle Antwort! Ich habe gestern Abend tatsächlich einen Hinweis im Hayes-Buch entdeckt (ich habe nur die 2018er-Version), da erklärt er (Seite 141f.), dass man zwei Mal Modell 4 rechnet und jeweils die UVs als Kovariate eingibt - du hast also vollkommen Recht mit der Idee! :) Kurze, etwas peinliche Laienfrage hinterher: Wenn ich die Mediation mit den Ergebnissen von unterschiedlich gestuften Likert-Skalenfragebögen durchführe, dann z-standardisiere ich ja die Skalen eigentlich bereits vor der PROGRESS-Durchführung, oder? Und wenn ja, gebe ich dann trotzdem in der Ergebnistabelle die Regressionsgewichte b an, oder die standardisierten Gewichte ß? Und müssten b und ß nicht eigentlich identisch sein, wenn man schon vorher standardisiert hat? (sind sie bei mir nämlich nicht, weder b/ß bei den Koeffizienten, noch effect vs. c_cs). Oder vermische ich jetzt was? So oder so stellt sich mir da die Frage, welche ich davon berichte.

[@RegorzStatistik]

@@dielina Ob man bei einer Mediation b oder ß berichtet, ist eher Geschmackssache. Die ß kann man auf zwei Wegen bekommen: a) Indem man vorher alle Skalen (UV, MED, AV) z-standardisiert und dann die "unstandardisierten" Regressionsgewichte berichtet, denn die sind inhaltlich ßs, wenn man vorher alle Variablen standardisiert hat. b) Indem man in PROCESS standardisierte Ergebnisse anfordert (mit den Paramtern effsize = 1 und stand = 1) - das ist die Version, die ich bevorzuge.

[@dielina]

@@RegorzStatistik Tausend Dank, das hilft mir sehr! Dann werde ich Variante b) durchführen. Ist es denn auch dann Geschmacksacke, ob man b oder ß berichtet, wenn es sich um verschieden skalierte Fragebögen handelt? Denn man kann die unstandardisierten Werte doch nicht miteinander vergleichen, wenn eine Skala 4-, eine 5- und eine 7-stufig ist und alle somit ganz unterschiedliche Skalenmittelwerte besitzen, oder? Also instinktiv hätte ich in dem Fall jetzt eher die ß berichtet, sehe aber in vielen Artikeln mit durchgeführten Mediationen nur berichtete b-Gewichte. Das hat mich irritiert.

[@RegorzStatistik]

@@dielina *Falls* man Regressionsgewichte miteinander vergleichen will bei unteschiedlichen Skalen, dann spricht mehr für Beta.

[@johannamarie1222]

Ist das Modell auch so anwendbar mit einer binären AV, also logistischer Regression?

[@RegorzStatistik]

Soweit ich weiß ja, ich habe das aber noch nie ausprobiert.

[@draganjovanovic1664]

welche Ergebnisse werden in der Tabelle bzw. im Fließtext angegeben; die Ergebnisse aus Outcome oder aus dem Bootstrapping? Haben Sie vielleicht da eine Empfehlung für die Angabe in APA-Tabellen für Mediationen, also was alles da rein muss und wie? das ist der befehl, fall es hilft: process(data = daten, y = "OCB", x = "MA", m = "SK", model = 4, modelbt = 1 ,seed = 50000, effsize = 1, stand = 1) kann man ähnlich wie r die effektstärke von beta nach einer tabelle oder ähnliche interpretieren? also von welchem zu welchem intervall ein schwacher, moderater und starker effekt vorliegt? LG aus Erkrath, Dragan Jovanovic

[@RegorzStatistik]

Ich berichte Mediationen eigentlich nie als Tabelle, sondern als Abbildung und im Text. Hier sehen Sie in meiner Masterarbeit, wie ich es da bei einer Mediation gemacht habe (war aber noch im Wesentlichen APA 6th): www.regorz-statistik.de/inhalte/regorz_2020_birth_order_and_scientific_interest.html Für beta kenne ich keine Interpretationsregeln - dort ist das Problem ja, dass ein Beta auch davon abhängt, welche Prädiktoren mit im Modell sind.

[@draganjovanovic1664]

@@RegorzStatistik danke, das hilft schon sehr. muss man in der tabelle bzw. abbildung die statistischen größer meiner stichprobe oder stets des bootstrapping angeben? ich sehe, dass Sie in Ihrer Arbeit (der Link, den Sie eben kommentiert haben) nur ergebnisse des bootstrapping angegeben haben. falls das bei ber mediation nach hayes so geläufig ist, gilt das auch für die Moderation nach Hayes? LG

[@RegorzStatistik]

@@draganjovanovic1664 Zur korrekten Darstellung empfehle ich Ihnen, sich einige Journalartikel aus Ihrem Forschungsgebiet anzusehen, wie die vergleichbare Verfahren berichten - für mich sprengt der Umfang der Nachfragen den Rahmen dessen, was ich so nebenbei beantworten kann.

[@draganjovanovic1664]

@@RegorzStatistik Verzeihung und danke für alles :)

[@yusufialhelo5592]

Vielen Dank für das tolle Video! Ich hätte hierzu noch eine Frage. Wieso spricht man von einem signifikanten indirekten Effekt, wenn im Konfidenzintervall die Null nicht enthalten ist? Gibt es hierzu eine Erklärung? Über eine Rückmeldung wäre ich Ihnen sehr verbunden. Viele Grüße

[@phiu9898]

Danke für das aufschlussreiche Video! Gibt es in R auch ein Befehl, der die Ergebnisse von PROCESS in pathways grafisch darstellt (als Mediation mit 3 Pfeilen)?

[@RegorzStatistik]

Soweit ich weiß, bietet PROCESS diese Möglichkeit nicht.