Wenn wir eine Regressionsanalyse<\/a> durchf\u00fchren, m\u00f6chten wir oft verstehen, wie sich \u00c4nderungen an einer unabh\u00e4ngigen Variablen auf eine abh\u00e4ngige Variable auswirken. Manchmal kann jedoch eine moderierende Variable diese Beziehung beeinflussen.<\/span><\/p>\n Nehmen wir zum Beispiel an, wir m\u00f6chten ein Regressionsmodell anpassen, in dem wir die unabh\u00e4ngige Variable Stunden, die wir jede Woche trainieren,<\/em> verwenden, um die abh\u00e4ngige Variable verbleibende Herzfrequenz<\/em> vorherzusagen.<\/span> <\/p>\n Wir glauben, dass mehr Stunden, die man mit Training verbringt, mit einer niedrigeren Ruheherzfrequenz verbunden sind. Diese Beziehung k\u00f6nnte jedoch durch eine moderierende Variable wie das Geschlecht<\/strong> beeinflusst werden.<\/span><\/p>\n Es ist m\u00f6glich, dass jede zus\u00e4tzliche Trainingsstunde bei M\u00e4nnern zu einem st\u00e4rkeren Abfall der verbleibenden Herzfrequenz f\u00fchrt als bei Frauen.<\/span> <\/p>\n Ein weiteres Beispiel f\u00fcr eine moderierende Variable k\u00f6nnte das Alter<\/strong> sein. Es ist wahrscheinlich, dass jede zus\u00e4tzliche Trainingsstunde bei j\u00fcngeren Menschen zu einem st\u00e4rkeren Abfall der verbleibenden Herzfrequenz f\u00fchrt als bei \u00e4lteren Menschen.<\/span> <\/p>\n Moderationsvariablen haben die folgenden Eigenschaften:<\/span><\/p>\n 1. Moderierende Variablen k\u00f6nnen qualitativ oder quantitativ sein<\/strong> .<\/span><\/p>\n Qualitative Variablen<\/a> sind Variablen, die Namen oder Bezeichnungen annehmen. Beispiele beinhalten:<\/span><\/p>\n Quantitative Variablen<\/a> sind Variablen, die numerische Werte annehmen. Beispiele beinhalten:<\/span><\/p>\n In den vorherigen Beispielen war das Geschlecht<\/strong> eine qualitative Variable, die m\u00f6glicherweise die Beziehung zwischen den untersuchten Stunden und der verbleibenden Herzfrequenz beeinflussen k\u00f6nnte, w\u00e4hrend das Alter<\/strong> eine quantitative Variable war, die m\u00f6glicherweise die Beziehung beeinflussen k\u00f6nnte.<\/span><\/p>\n 2. Moderatorvariablen k\u00f6nnen die Beziehung zwischen einer unabh\u00e4ngigen Variablen und einer abh\u00e4ngigen Variablen auf verschiedene Weise beeinflussen.<\/strong><\/span><\/p>\n Moderierende Variablen k\u00f6nnen folgende Auswirkungen haben:<\/span><\/p>\n Je nach Situation kann eine moderierende Variable die Beziehung zwischen zwei Variablen auf unterschiedliche Weise moderieren<\/em> .<\/span><\/p>\n Eibe<\/em><\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2<\/em> 1<\/sub><\/span><\/p>\n Wenn wir vermuten, dass eine andere Variable, Z<\/em> , eine moderierende Variable ist, k\u00f6nnten wir das folgende Regressionsmodell anpassen:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> 1<\/sub> + \u03b2 2<\/sub> Z<\/em> <\/sub> + \u03b2 3<\/sub> XZ<\/em><\/span><\/p>\n In dieser Gleichung wird der XZ<\/em> -Term als Interaktionsterm<\/strong> bezeichnet.<\/span><\/p>\n Wenn der p-Wert<\/a> f\u00fcr den Koeffizienten von XZ<\/em> im Regressionsergebnis statistisch signifikant ist, deutet<\/em> dies darauf hin<\/em> , dass eine signifikante Wechselwirkung<\/em> zwischen<\/span><\/p>\n Wir w\u00fcrden das endg\u00fcltige Modell wie folgt schreiben:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em> <\/sub> + \u03b2 3<\/sub> XZ<\/em><\/span><\/p>\n Wenn der p-Wert des Koeffizienten von XZ<\/em> im Regressionsergebnis statistisch nicht signifikant ist, dann ist Z<\/em> keine moderierende Variable.<\/span><\/p>\n Es ist jedoch m\u00f6glich, dass der Z-<\/em> Koeffizient immer noch statistisch signifikant ist.<\/span> In diesem Fall w\u00fcrden wir einfach Z<\/em> als weitere unabh\u00e4ngige Variable in das Regressionsmodell aufnehmen.<\/span><\/p>\n Das endg\u00fcltige Modell haben wir dann wie folgt geschrieben:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em><\/span><\/p>\n So lesen und interpretieren Sie eine Regressionstabelle<\/a> Eine Moderatorvariable ist ein Variablentyp, der die Beziehung zwischen einer abh\u00e4ngigen Variablen und einer unabh\u00e4ngigen Variablen beeinflusst. Wenn wir eine Regressionsanalyse durchf\u00fchren, m\u00f6chten wir oft verstehen, wie sich \u00c4nderungen an einer unabh\u00e4ngigen Variablen auf eine abh\u00e4ngige Variable auswirken. Manchmal kann jedoch eine moderierende Variable diese Beziehung beeinflussen. Nehmen wir zum Beispiel an, wir m\u00f6chten ein […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation1.png\")
<\/p>\n![\"Beispiel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation2.png\")
<\/p>\n![\"Moderierende](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation3.png\")
<\/p>\n Eigenschaften von Moderationsvariablen<\/strong><\/span><\/h3>\n
\n
\n
\n
So testen Sie Moderationsvariablen<\/strong><\/span><\/h3>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Verwendung von Dummy-Variablen in der Regressionsanalyse<\/a>
Einf\u00fchrung in verwirrende Variablen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"