Voraussetzungen Moderationsanalyse

[Sonnenblumenkern]

Hallo,

ich sitze gerade an meiner Bachelorarbeit und bin ein wenig verwirrt bezüglich der Moderationsanalyse.
Ich möchte gerne Moderationsanalysen mit dem Process Makro berechnen und frage mich welche Voraussetzungen für die Berechnung gegeben sein müssen.
Inwiefern muss ich die Voraussetzungen der multiplen Regression auf die Moderatorvariable anwenden? Muss die Moderatorvariable ebenfalls auf Normalität, Lineraität etc. geprüft werden? Und wie sieht es aus mit der Multikollinearität? Wird die nur auf die AV und UV bezogen oder auch auf die Zusammenhänge der UV mit der Moderatorvariable?
Zudem frage ich mich, ob ich vor der Berechnung mit dem Process Makro noch andere Berechnungen vornehmen muss? Zum Beispiel habe ich von einer z-Transformation aller Variablen und Produkt-Moment-Korrelationen nach Pearson gelesen?
Ich wäre super dankbar, wenn mir da jemand einen Durchblick geben könnte, wie ich vorgehen muss.

PS. Wie ich die Moderationsanalyse letztendlich interpretiere habe ich verstanden, nur was davor geschieht ist mir unklar.

Ich freue mich auf eure Hilfe.

[dutchie]

Hallo Sonnenblumenkern

Moderatoranalyse ist nichts anderes als eine lineare Regression
nur das ein Predicor das Produkt (interaction) aus zwei anderen Predictoren ist.
Begriff Moderator ist eher theoretisch von Interesse, für die Regression
ist ein Moderator oder eine Interaction nur noch ein weiter Predictor.
d.h. du gehst genauso vor wie bei einer normalen Regression.

Normalität bezieht sich auf den Fehlerterm (Residuum) im Modell
der ist wie er ist, ob nun mit oder ohne Moderator.

Z transformation oder zentrieren der Variablen ändert nur die Interpretation
der Regg. gewichte. Bzw. des Intercept bei zentrierten variablen ist der mittelwert null,
sodaß der Intercept den Wert der AV beschreibt wenn alle Predictoren null sind,
das kann bei intervallskalierten Predictoren sinn machen, weil die keinen natürlichen
Nullpunkt haben. Zentrieren kann auch die Multiko. senken, und anschaulichkeit erhöhen.
z Transformation macht die Sache eher schwerer zu interpretieren, nach meinem Geschmack.

Der Productterm ist natürlich hoch korreliert mit den Factoren aus denen er besteht.
Das macht aber keine Probleme (scheinbar) vielleicht nochmal bei Hayes nachlesen.
Du analysiert ja eventuell auch in blöcken, zuerst die "normalen" Predictoren (block1)
dann im block2 den Productterm hinzunehmen.

Produkt-Moment-Ko = Pearson Ko. das berechnest du auf jedenfall vor der Regression (jeder mit jedem)
ist wichtig für die Bewertung der Regg gewichte, Beurteilung der Korrelation zwischen den Predictoren
und deskriptiv. Mit Darstellung durch Scatterplot (Predictorx mit AV) auf Linearität prüfen, auch für den Moderator (wenn er metrisch).
durch die Scatterplots wird auch die Verteilung der Predictoren dargestellt (NV oder nicht).

gruß
dutchie