Moderatie-analyse met continue moderator (wijzigingen in rood) Cursus Bachelor Project 2 B&O College 5 Harry B.G. Ganzeboom

Transcriptie

1 Moderatie-analyse met continue moderator (wijzigingen in rood) Cursus Bachelor Project 2 B&O College 5 Harry B.G. Ganzeboom 1

2 AGENDA Responsiecollege a.s. vrijdag Nabespreking Practicum 4: moderatie met dichotome moderator. Moderatie met continue moderator 2

3 Responsiecollege Vrijdag is er responsiecollege. Responsie == antwoord op gestelde vragen. Stel deze vragen op het forum vòòr donderdag 19:59. Als er geen vragen zijn, gaat het college niet door. 3

4 Practicum 4: moderatie met dichotome moderator Bij een dichotome moderator is een moderatiemodel niets anders dan een significantie toets op het verschil in regressielijn (intercept, slope) tussen beide groepen. 4

5 Practicum 4: de stappen Stap 1: Female is 0/1 variant van Sex (1/2). Stap 2: Bereken de regressielijnen voor mannen en vrouwen afzonderlijk (via split file). Stap 3: Bereken moderatiemodel met multiplicatieve interactietermen. Stap 4: Interpreteer het model door voor Female achtereenvolgens 0 en 1 in te vullen. 5

6 Collineariteit? Moderatiemodellen hebben vaak torenhoge VIF waarden. In het practicumvoorbeeld vooral als AgeCat_Female in het model aanwezig is. Deze hoge VIF-waarden verdwijnen als sneeuw voor de zon als je het hoofdeffect centreert. Merk op dat centreren geen invloed heeft op de significantie van het interactie-effect. Eigenlijk bestaat het probleem van collineariteit niet bij moderatiemodellen. 6

7 Moderatiemodel Een moderatiemodel toetst hoe het effect van X1 afhangt van de waarden van X2: Y = B0 + B1*X1 + B2*X2 + B3*X1*X2 Als X2=0: Y = B0 + B1*X1 Als X2=1: Y = (B0+B2) + (B1+B3)*X1 X1 noem je de hoofdvariabele en X2 de moderator. Maar je kunt je het net zo goed omdraaien. B1 en B2 noem je de hoofdeffecten (main effects), en B3 het interactieeffect. Het SPSS-model heeft drie variabelen (met drie coefficienten), maar je moet erover blijven denken als twee variabelen (X1 en X2), en het interactie-effect vertelt je hoe de invloed van X1 afhangt van X2, en tegelijkertijd hoe de invloed van X2 afhangt van X1. 7

8 Dichotome moderator Als de moderator dichotoom is, en als 0/1 gecodeerd, is de relatie tussen de groepsgewijze regressies en het moderatiemodel zeer eenvoudig: B2 geeft aan hoe de intercept van groep X2=1 verschilt van de intercept van groep X2=0 B3 geeft aan hoe de slope van groep X2=1 verschilt van de slope van groep X2=0 8

9 Continue moderator Als de moderator meerdere (bv. oneindig veel waarden) aanneemt, blijft het moderatiemodel hetzelfde, maar is de interpretatie iets complexer. Het moderatiemodel impliceert nu NIET twee regressielijnen, maar een bundel regressie-lijnen. AgeCat neemt bv. vijf waarden aan, het moderatiemodel impliceert nu 5 regressielijnen (en eigenlijk ook alles ertussenin). 9

10 Moderatie met AgeCat (5 groepen) 10

11 Moderatie met Age (44 groepen) 11

12 Stappenplan Moderatie-analyse Stap 1: codeer je variabelen zo dat 0 binnen het bereik ligt en 1 een herkenbare eenheid vormt: Dichotomie: 0/1 Continu: 0..1 Continu: centreren Continu: standaardiseren Stap 2: vorm multiplicatieve interactieterm. Stap 3: Interpreteer het model vanuit de punten waarop de moderator de waarden 0 en 1 aanneemt. Hou altijd in de gaten dat het niet gaat om 3 variabelen, maar om 2 variabelen en hun combinatie. Maak een grafiek van de relaties bv. in ModGraph 12

13 Bewerking moderator 1: dichotomiseren Een (iets te) eenvoudige manier om een moderatiemodel gemakkelijk interpreteerbaar te maken is X2 te hercoderen tot twee klassen: Recode AGECAT ( =0)(50 60=1) into OUD. Op deze manier gaat echter informatie en onderscheidingsvermogen verloren. 13

14 Bewerking moderator 2: min op 0 stellen (en max op 1) Compute xagecat = AgeCat-21. Of: Compute xagecat = (Agecat- 21)/(60-21). In het laatste geval is 0 de jongste leeftijd (21 jarigen) en +1 de oudste leeftijd (60-jarigen) in de steekproef. 14

15 Bewerking moderator 3: centreren Compute cagecat = AgeCat-46. Centreren heeft als voordeel dat het hoofdeffect van X1 niet verandert tussen stapsgewijze modellen. 15

16 SPSS demonstratie. Freq AgeCat Educat. Compute Educat_AgeCat=Educat*Agecat. Regr /dep=pinc /enter=educat Agecat /enter=educat_agecat. Compute cagecat=agecat-46. Compute Educat_cAgeCat=Educat*cAgecat. Regr /dep=pinc /enter=educat cagecat /enter=educat_cagecat. 16

17 Bewerking moderator 4: standaardiseren Desc AgeCat /save. zagecat. Standaardiseren is een bijzondere vorm van centreren. Bij een Z-variabele staat 0 voor het gemiddele en 1 voor een standaarddeviatie. 17

18 ModGraph bij continue moderator Modgraph beeldt bij continue moderatie drie regressielijnen uit de bundel af: De regressielijn wanneer X2=gemiddelde. De regressielijn wanneer X2=gemiddelde + 1*SD De regressielijn wanneer X2=gemiddelde - 1*SD Als X2 normaal verdeeld zou zijn, betekent dit dat ModGraph de binnenste 68% van de bundel regressielijnen afbeeldt. 18

19 Practicum 5 Voortzetting van Practicum 4, maar met uitbreiding naar continue moderatoren. Zorg ervoor dat je je syntax 4 beschikbaar hebt en dat je ermee geoefend hebt. 19