Beror ett samband på något annat? (moderation)

Kort sagt

Sambandet mellan X och Y är förmodligen inte detsamma för alla utan beror på en tredje variabel W, moderatorn. Exempel: stöd (X) påverkar prestation (Y) olika vid hög belastning (W) än vid låg. Välj tre kolumner: X och W tal eller kolumner med exakt två värden, Y ett tal. Statable testar interaktionen X·W och visar enkla lutningar för X vid olika värden på W. Kovariater är ännu inte möjliga.

Vad Statable beräknar

• X och W centreras kring medelvärdet, och produkten X·W läggs till. Det ger två regressioner, utan och med interaktionen; data förblir oförändrade.
• ΔR² är ökningen av förklarad varians genom interaktionen (med F och p), f² den motsvarande effektstorleken.
• Enkla lutningar för X vid W = medelvärde − 1 SD, medelvärde och medelvärde + 1 SD (om W bara har två värden, vid båda) med standardfel, t, p och 95 %-konfidensintervall.
• Johnson-Neyman: de värden på W där lutningen för X blir statistiskt signifikant (bara gränser inom det observerade intervallet för W).

Läsa resultatet

• Om interaktionen är statistiskt signifikant skiljer sig lutningen för X beroende på W; de enkla lutningarna visar hur, och diagrammet har en linje per värde på W.
• På grund av centreringen är koefficienterna för X och W betingade effekter vid medelvärdet för den andra variabeln. Själva interaktionen ändras inte av detta.
• En statistiskt signifikant interaktion visar att sambandet skiljer sig åt beroende på W - inte att W orsakar det. Om en variabel är moderator eller mediator avgör teorin.

Förutsättningar och begränsningar

• Minst 10 personer med alla tre svar; interaktioner upptäcks tillförlitligt först med många personer (under 50 är resultatet mycket osäkert).
• Linjära samband, ungefär lika spridning hos residualerna, oberoende personer. Enkla lutningar utanför det observerade intervallet för W är extrapolering.

Interaktion: B = 1,73, 95 % KI [1,19; 2,28], p < ,001, ΔR² = ,17, F(1, 142) = 39,66; enkla lutningar: M − 1 SD: b = 0,01, p = ,977; M: b = 2,11, p < ,001; M + 1 SD: b = 4,20, p < ,001

För specialister

PSPP räknar regressionerna (de centrerade hjälpkolumnerna finns bara för beräkningen); Statable räknar enkla lutningar och Johnson-Neyman utifrån koefficienterna och deras kovariansmatris. ΔR² motsvarar testet av produkttermen. Kontrollerat mot R (lm på centrerade data, interactions::sim_slopes och johnson_neyman).

Typiska exempel

• Har studietid en starkare effekt på prestation när tilltron till den egna förmågan är hög?
• Beror sambandet mellan ångest och prestation på kön?