Paket für moderierte Regression mit kategorialem Moderator

Wie erweitere ich R um eigene Funktionen oder Pakete? Welches Paket ist passend für meine Fragestellung?

Moderatoren: EDi, jogo

Marlene.Abicht

Paket für moderierte Regression mit kategorialem Moderator

Beitrag von Marlene.Abicht »

Hallo alle zusammen :)

ich möchte eine moderierte Regression mit einer metrischen Av und einer Interaktion zwischen einer metrischen UV und einem kategorialen Moderator mit 2 Ausprägungen rechnen. Dann würde ich gerne die Slopes grafisch darstellen und auf Signifikanz testen. Könnt ihr mir für dieses Vorhaben ein gutes R-Paket empfehlen? Bisher bin ich auf pequod und QuantPsyc gestoßen, aber lese in den Beschreibungen teilweise von Einschränkungen für kategoriale Moderatoren. Würde mich sehr über einen Tipp freuen :)

Liebe Grüße,


Marlene
jogo
Beiträge: 2085
Registriert: Fr Okt 07, 2016 8:25 am

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von jogo »

Hallo Marlene,

willkommen im Forum!
Bitte zeig doch mal die Struktur Deines Dataframes; dann kannst Du auch die Variablen beim Namen nennen.

Code: Alles auswählen

str(DeinDataframe)
Gruß, Jörg
Marlene.Abicht

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von Marlene.Abicht »

hey, danke für die schnelle Antwort :) Die Struktur ist etwas groß und davon ist nur wenig relevant, ich hoffe die Regressionsgleichung hier ist auch in Ordnung :)

Code: Alles auswählen

Lernerfolg ~ (Bedingung*Stress) + (Bedingung*Zufriedenheit) 

Lernerfolg (Punktzahl), Stress und Zufriedenheit sind metrisch, Bedingung hat zwei Ausprägungen und ist eine Dummy-Variale mit 0 und 1. Ich möchte jetzt also schauen, ob die Bedingung mit Stress und Zufriedenheit interagiert und die simple Slopes in R darstellen und testen. Viele Pakete oder Infos im Internet, die ich gefunden haben, beziehen sich leider auf Interaktion zwischen metrischen Variablen.


Liebe Griüße,


Marlene
jogo
Beiträge: 2085
Registriert: Fr Okt 07, 2016 8:25 am

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von jogo »

Hallo Marlene,

und was ist der Output von:

Code: Alles auswählen

summary(lm(Lernerfolg ~ (Bedingung*Stress) + (Bedingung*Zufriedenheit), data=DeinDataframe))
# bzw. summary(lm(Lernerfolg ~ Bedingung*(Stress + Zufriedenheit), data=DeinDataframe))
:?:
(Bitte formatiere den Output entsprechend: viewtopic.php?f=20&t=29 )

Gruß, Jörg
Marlene.Abicht

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von Marlene.Abicht »

Das ist der Code:

Code: Alles auswählen


Call:
lm(formula = Lernerfolg ~ (Bedingung * Stress) + (Bedingung * 
    Zufriedenheit), data = Daten)

Residuals:
    Min      1Q       Median      3Q          Max 
-2.7101 -0.9396  -0.3695      1.1166    2.8734 

Coefficients:
                  	         Estimate Std. Error t value Pr(>|t|)    
(Intercept)       	         4.922577   0.091732  53.663   <2e-16 ***
Bedingung1        		 0.001033   0.091732   0.011    0.991    
Stress         			 0.068431   0.072186   0.948    0.344    
Zufriedenheit       		 0.059990   0.083918   0.715    0.476    
Bedingung1:Stress  		 0.185274   0.072186   2.567    0.011 *  
Bedingung1:Zufriedenheit	-0.114228   0.083918  -1.361    0.175    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.18 on 190 degrees of freedom
Multiple R-squared:  0.05415, Adjusted R-squared:  0.02926 
F-statistic: 2.176 on 5 and 190 DF,  p-value: 0.05854

Ich würde jetzt gerne die Simple slopes für Bedingung1:Stress darstellen und testen :)
jogo
Beiträge: 2085
Registriert: Fr Okt 07, 2016 8:25 am

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von jogo »

Marlene.Abicht hat geschrieben: Di Jun 05, 2018 10:27 am

Code: Alles auswählen

Coefficients:
                  	         Estimate Std. Error t value Pr(>|t|)    
Bedingung1:Stress  		 0.185274   0.072186   2.567    0.011 * <<===
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.18 on 190 degrees of freedom
Multiple R-squared:  0.05415, Adjusted R-squared:  0.02926 
F-statistic: 2.176 on 5 and 190 DF,  p-value: 0.05854
Ich würde jetzt gerne die Simple slopes für Bedingung1:Stress darstellen und testen :)
Was möchtest Du testen; etwa das, was das Sternchen aussagt?
Lohnt sich das überhaupt bei einem R2adj von weniger als 3% und bei dem F-Test?

Gruß, Jörg
Marlene.Abicht

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von Marlene.Abicht »

genau, ich möchte die Interaktion testen also das Sternchen und brauche dafür ein passendes Paket :). Das lohnt sich so gesehen vermutlich nicht wirklich, das stimmt, aber ich sollte trotzdem einmal machen.
jogo
Beiträge: 2085
Registriert: Fr Okt 07, 2016 8:25 am

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von jogo »

Hm, also für den t-Test des Parameters (Test gegen 0) stehen schon alle Informationen da:
Schätzwert: 0.185274
Standardfehler: 0.072186
t-Wert: das ist Schätzwert/Standardfehler 2.567
zu diesem Quantil der t-Verteilung gehört der p-Wert 0.011 unter Berücksichtigung der Anzahl der Freiheitsgrade.

Mir ist nicht klar, was für ein Paket Du suchst. :?

Gruß, Jörg
Marlene.Abicht

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von Marlene.Abicht »

Also ich möchte mir diesen Interaktionsterm in einer Grafik anschauen. Die X Achse zeigt Stress, die Y Achse gibt den Lernerfolg an. Für jede Bedingung (es gibt ja 1 und 2) soll eine Gerade gezeichnet werden. Also möchte ich die Simple Slopes grafisch darstellen und dann nochmal testen, also mir das praktisch für beide Bedingungen ansehen. So sehe ich aktuell nur Bedingung 1.
Marlene.Abicht

Re: Paket für moderierte Regression mit kategorialem Moderator

Beitrag von Marlene.Abicht »

Wollte nicht deine Zeit verschwenden mit einem schlechten Modell!. Es wäre allgemein auch super zu wissen, welche Pakete erfahrene R-Nutzer für solche kategorialen Moderatoren wie hier Bedingung benutzen. Kann gut sein, dass ich das nochmal machen muss und ich finde leider wirklich viel für moderierte Regression mit nur metrischen Variablen oder viel zu SPSS, womit ich nicht arbeiten werden :/
Antworten