Soziale Identit

1

• Soziale Identität im Organisationalen Kontext
• Methoden I

2
Blödsinn erzählt?

• Orthogonal keine Korrelationen zwischen den
  Faktoren angenommen Varimax!
• Oblique Korrelation zw. Faktoren sind erlaubt
  Oblimin!

3

• Mediation und Moderation

4
Mediator vs. Moderator

• Moderator
• - Effekt ist abhängig von a
• - Die Beziehung zwischen
• zwei Variablen verändert
• sich in Abhängigkeit von a

• Mediator
• - A ist (teilweise) für den Einfluss von x auf Y
  verantwortlich vermittelt den Effekt.

5
Moderation/Mediation as methodological concepts
6
Moderation

• M verändert die Beziehung von X und Y

M
X
Y
7
Moderation

• Moderators can
• increase
• decrease
• cancel out
• reverse
• the effect of X on Y

• Moderators can be
• continuous
• categorical

M
X
Y
8
Moderation -

• Moderatoren sind immer UVs
• Moderation nur dann, wenn signifikante Interaktion

9
Wann rechne ich was?
Independent variable Independent variable
categorical continuous
Moderator categorical ANOVAFall 1 RegressionFall2
Moderator continuous RegressionFall 3 RegressionFall 4
10
Fall 2

• Bsp Geschlecht als Moderator ? Man kann die
  beiden Korrelationen miteinander vergleichen oder
  besser Regression!
• Wenn als Interaktionsterm in die Regression
• WICHTIG Standardisierung der kontinuierlichen
  Variablen und kategoriale Variable mit 0 und
  1.Dummy Kodierung wenn mehr als 2 Stufen!Alle
  drei Prädiktoren in die Regression Haupteffekte
  und Interaktion. Nur wenn Interaktion
  signifikant Moderation.

11
Fall 3
12
Fall 3

• Meistens linearer Zusammenhang
• Produktterm UV Moderator in Regression eingeben
• Eher selten
• Quadratisch
• Am einfachsten dichotomisieren des Moderators
  ANOVA möglich
• Kubisch (or a step distribution)
• Am einfachsten dichotomisieren des Moderators
  ANOVA möglich

13
Fall 4

• Linear ? wie in Fall 3
• Quadratic ? wie in Fall 3
• cubic ? wie in Fall 2
• (dichotomize and compare regressions)

14
Regressionen auflösen Simple Slopes

• Man möchte die Interaktion auflösen (Analogie
  Einfache Vgl. bei der ANOVA) -gt rein theoretisch
  kann man das von Hand berechnen, indem man je 1
  SD addiert zu / subtrahiert von der UV je einen
  neuen Interaktionsterm berechnen und die
  Regressionen laufen lassen dazu gibt es aber
  inzwischen einfache Programme

15
(No Transcript)
16
(No Transcript)
17
(No Transcript)
18
Step 1 Is there an effect that can be
mediated? The IV correlates with the DV. A
regression X?Y tests path c. But Mediation vs.
indirect effect Step 2. Is there an impact of
the IV on the mediator? The IV correlates with
the mediator. A regression X?M tests path a.
19
Step 3. Is the mediator related to the DV, beyond
a simple correlation? The mediator correlates
with the DV when we control for the IV. A
regression X M?Y tests path b c. Step 4
How strong is the mediation? Sometimes the term
complete mediation is used, if c does not differ
significantly from zero and the term partial
mediation is used, if c differs significantly
from zero. Step 5 Is the indirect path
significant? If the conditions in Step 2 and 3
are fulfilled, this provides rough evidence for
an indirect effect. A direct test is the
Sobel-test which tests, whether ab differs from
zero.
20
1
2
5 Sobel
34
21
Sobel-Test im Netz

• http//www.unc.edu/preacher/sobel/sobel.htm

22
Probleme der Baron Kenny Sobel Methoden

• Baron Kenny method niedrige Test-Power
• Signifikante X ? Y Beziehung nicht notwendig
• Kann nicht mit multiplen Mediatoren umgehen
• Sobel Test auch niedrig in power, da ab nicht
  normalverteilt ? nur in sehr großen Samples

23
Die Lösung Bootstrapping

• Baron Münchhausen
• Für kleine Samples geeignet (N 20 or 25)
• Behandelt Sample as Population
• Resampling (e.g., N 1000)
• Berechnet die indirekten Pfade (ab)
• Konstruiert eine Verteilungswahrscheinlichkeit
• Berechnet die Konfdenzintervalle

24
Bootstrapping

• SPSS macro at http//www.comm.ohio-state.edu/ahaye
  s/sobel.htm (? Nicole)
• EQS SPSS (? Shrout Bolger, 2002)
• AMOS (bias correction)
• Generalization to multiple mediators
  (http//www.comm.ohio-state.edu/ahayes/
  SPSS20programs/indirect.htm)

25
Outlook on next session
26
Moderierte Mediation

• Es gibt eine Mediationsbeziehung, die in
  Abhängigkeit von einem Moderator (z.B.
  Geschlecht) variiert

27
Mediierte Moderation

• Es gibt einen etablierten Moderationseffekt, der
  sich also in einer Interaktion zeigt.
• Wenn dieser Interaktionsterm mediiert auf die
  abhängige Variable wirkt, haben wir eine
  mediierte Moderation

28
Mediators Moderators Analytical Strategies

• JENA GRADUATE ACADEMY
  
  Dr. Friedrich Funke

29
SOBEL yy1/xx1/mm1/boot1000.

• DIRECT AND TOTAL EFFECTS
• Coeff s.e. t Sig(two)
• b(YX) .6400 .0077 83.2843 .0000
• b(MX) .8000 .0060 133.3200 .0000
• b(YM.X) .8000 .0100 79.9880 .0000
• b(YX.M) .0000 .0100 .0000 1.0000
• INDIRECT EFFECT AND SIGNIFICANCE USING NORMAL
  DISTRIBUTION
• Coeff s.e. LL 95 CI UL 95 CI
  Z Sig(two)
• Sobel .6400 .0093 .6217 .6583
  68.5886 .0000
• BOOTSTRAP RESULTS FOR INDIRECT EFFECT
• Mean s.e. LL 95 CI UL 95 CI
  LL 99 CI UL 99 CI
• Effect .6406 .0092 .6229 .6586
  .6160 .6633
• SAMPLE SIZE
• 10000
• NUMBER OF BOOTSTRAP RESAMPLES

30
INDIRECT y y1/x x1/m m1 ...

• Dependent, Independent, and Proposed Mediator
  Variables
• DV Y1
• IV X1
• MEDS M1
• IV to Mediators (a paths)
• Coeff se t p
• M1 .8000 .0060 133.3200 .0000
• Direct Effects of Mediators on DV (b paths)
• Coeff se t p
• M1 .8000 .0100 79.9880 .0000
• Total Effect of IV on DV (c path)
• Coeff se t p
• X1 .6400 .0077 83.2843 .0000
• Direct Effect of IV on DV (c' path)
• Coeff se t p

31
INDIRECT y y1/x x1/m m1 ...

• NORMAL THEORY TESTS FOR INDIRECT
  EFFECTS
• Indirect Effects of IV on DV through Proposed
  Mediators (ab paths)
• Effect se Z p
• TOTAL .6400 .0093 68.5960 .0000
• M1 .6400 .0093 68.5960 .0000
• BOOTSTRAP RESULTS FOR INDIRECT EFFECTS
• Indirect Effects of IV on DV through Proposed
  Mediators (ab paths)
• Data Boot Bias SE
• TOTAL .6400 .6404 .0004 .0095
• M1 .6400 .6404 .0004 .0095

32
INDIRECT y y1/x x1/m m1 ...

• Bias Corrected and Accelerated Confidence
  Intervals
• Lower Upper
• TOTAL .6211 .6604
• M1 .6211 .6604
• Bias Corrected Confidence Intervals
• Lower Upper
• TOTAL .6211 .6604
• M1 .6211 .6604
• Percentile Confidence Intervals
• Lower Upper
• TOTAL .6214 .6604
• M1 .6214 .6604
• Level of Confidence for Confidence Intervals
• 95

33

• Mediation
• David Kennys Website http//users.rcn.com/dakenny
  /mediate.htm
• Interactive Mediation Test http//www.unc.edu/pr
  eacher/sobel/sobel.htm
• Baron, R. M., Kenny, D. A. (1986). The
  moderator-mediator variable distinction in social
  psychological research Conceptual, strategic and
  statistical considerations. Journal of
  Personality and Social Psychology, 51, 1173-1182.
• Kenny, D. A., Kashy, D. A., Bolger, N. (1998).
  Data analysis in social psychology. In D.
  Gilbert, S. Fiske, G. Lindzey (Eds.), The
  handbook of social psychology (Vol. 1, 4th ed.,
  pp. 233-265). Boston, MA McGraw-Hill.
• Moderation mit kontinuierlichen Variablen
• Interactive Simple Slopes http//www.unc.edu/pre
  acher/lcamlm/index.html
• Aiken, L. S. West, S. G. (1991). Multiple
  regression Testing and interpreting
  interactions. Thousand Oaks Sage Publications.
• Judd, C. M. (2000). Everyday data analysis in
  social psychology Comparisons of linear models.
  In H.T.Reis C. M. Judd (Eds.), Handbook of
  research methods in social and personality
  psychology (pp. 370-392). Cambridge University
  Press.