Deutsches R-Forum

Hallo zusammen,

ich schreibe zurzeit meine Masterarbeit im Fach Psychologie. Meine Arbeit beschäftigt sich mit introverted Leadership und die Grundannahme ist, dass introvertierte Führungskräfte weniger Thriving erleben, weil sie durch die Vorhersage von neg. Affekt weniger extravertiertes Verhalten zeigen, was aber Thriving begünstigt.

Ich rechne mit R verschiedene multilevel Regressionen, Moderationen und Mediationen. Leider vergebens... Meine ersten Problem tritt bei linearen multilevel Regressionen auf. Es zeigt sich folgende Fehlermeldung, wenn ich Modell1 berechnen will. Das Nullmodell funktioniert problemlos:

Fehler in MEestimate(lmeSt, grps) :
Singularität in backsolve auf Stufe 0, Block 1

Was bedeutet das? Bezieht es sich auf Multikollinearität der Prädiktoren/KVs? Das würde mich doch sehr wundern, weil es sehr verschiedene Konstrukte sind.. Oder liegt es daran, dass meine AV auf Level1 erfasst wurde und meine Prädiktoren auf Level2?
Ist es außerdem richtig, dass die AV personmean-centered ist und meine Prädiktoren grandmean-centered?

Ich würde mich sehr über Hilfe freuen, leider ist die methodische Betreuung an meinem Lehrstuhl nicht besonders gut, da dort fast niemand mit R arbeitet...


Viele Grüße
Nory

Ich konnte das Problem lösen, jedoch zeigen sich nun in der Ausgabe seltsame Ergebnisse, nämlich überall ein p-Wert von 1 und extrem t-Werte.

> model2<-lme(pmc_Fore ~ MW_Agree_centered + MW_Neuro_centered + MW_Open_centered + MW_Consc_centered + MW_Extraversion_centered, data=gesamtdaten2,random=~1|ID, method="ML", na.action=na.exclude)
> summary(model2)
Linear mixed-effects model fit by maximum likelihood
Data: gesamtdaten2
AIC BIC logLik
84.92626 110.6022 -34.46313

Random effects:
Formula: ~1 | ID
(Intercept) Residual
StdDev: 5.251562e-06 0.2921128

Fixed effects: pmc_Fore ~ MW_Agree_centered + MW_Neuro_centered + MW_Open_centered + MW_Consc_centered + MW_Extraversion_centered
Value Std.Error DF t-value p-value
(Intercept) -1.224062e-17. 0.02197534 135 -5.570161e-16 1
MW_Agree_centered 2.653536e-17 0.05284165 135 5.021674e-16 1
MW_Neuro_centered -4.231229e-17 0.04292383 135 -9.857530e-16 1
MW_Open_centered 1.476240e-18 0.03163250 135 4.666850e-17 1
MW_Consc_centered 3.539972e-17 0.03178282 135 1.113800e-15 1
MW_Extraversion_centered 7.196008e-17 0.03658324 135 1.967023e-15 1
Correlation:
(Intr) MW_Ag_ MW_Nr_ MW_Op_ MW_Cn_
MW_Agree_centered 0.005
MW_Neuro_centered -0.023 -0.055
MW_Open_centered -0.028 -0.040 0.084
MW_Consc_centered 0.009 0.034 -0.215 -0.107
MW_Extraversion_centered 0.021 0.109 -0.217 0.155 0.448

Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-2.90983529 -0.53489619 -0.08558339 0.51350034 3.16658546

Number of Observations: 183
Number of Groups: 43

Schau dir mal die geschätzen Effektgrößen an!

Entweder das Model passt nicht zu den Daten (häufig) oder die Daten sind suboptimal (häufig) oder es ist tatsächlich nichts drin (selten)...
Ohne ein reproduzierbares Beispiel will ich mich nicht weiter aus dem Fenster lehnen.