STATA-FORUM.DE

Hallo Zusammen,

ich sitze derzeit an der Auswertung meiner Master-Arbeit und hänge an der Interpretation meiner Auswertung.

Ich möchte eine Moderation/Interaktionseffekte berechnen:

AV: Agiles Mindset (Mittelwerte einer Likert-Skala)
UV: Führungsstil (0= transnational 1= transformational) Offenheit (0 = niedrige Ausprägung 1= hohe Ausprägung)

Nun habe ich in Stata Folgendes gerechnet:

regress agilesmindset Führungsstil##Offenheit

Ich erhalte folgende Ergebnisse:

-----------------------------------------------------------------------------------------
agilesmindset_ | Coefficient Std. err. t P>|t| [95% conf. interval]
------------------------+----------------------------------------------------------------
1._offenheit | .5705882 .1445649 3.95 0.000 .2858102 .8553663
1.Führungsstil | .7219512 .1568396 4.60 0.000 .4129932 1.030909
|
_offenheit#Führungsstil |
1 1 | -.4289031 .1835474 -2.34 0.020 -.7904726 -.0673335
|
_cons | 3.4 .1236163 27.50 0.000 3.156489 3.643511
-----------------------------------------------------------------------------------------

soweit ich das interpretieren kann, hat eine hohe Ausprägung an Offenheit und die transformationale Führung einen signifikanten Zusammenhang, also eine Interaktion/Moderation.

Wenn ich diese Ergebnisse nun in einen Marginsplot setzte, erhalte ich keine Mittelwertssteigerung sondern die Mittelwerte rücken näher zusammen.

HILFE= wie muss ich diese Ergebnisse interpretieren ?


vielen Dank für Eure Hilfe.<3

In diesem einfachen Fall kann man es relativ direkt interpretieren. Du hast zwei positive Haupteffekte. Also Offenheit führt zu einem agilen Mindset, aber auch ein transnationaler Führungsstil, weil beide Coefs positiv sind. Nun ist es aber so, dass in Fällen, wo beides gleichzeitig vorliegt, sich die Haupteffekte nicht einfach aufaddieren. Der Gesamteffekt ist daher in solchen Fällen:

Code: Alles auswählen

.5705882 + .7219512 + (-.4289031)

Super, vielen Dank schonmal für deine schnelle Antwort

Ich hänge noch etwas an der wörtlichen Interpretation.

Wie würde ich dieses Ergebnis interpretieren, wenn die folgende Hypothese vorliegt ?:)

H: Der transformational Führungsstil wirkt positiver auf das agile Mindset der Mitarbeiter, wenn bei diesen eine hohe Ausprägung an Offenheit vorliegt.

Vielen Dank schon einmal im Voraus

Das trifft dann nicht zu. Du kannst es auch explizit testen, über

Code: Alles auswählen

margins, dydx(führungsstil) by(offenheit)

Das gibt dir den Effekt eines transnationalen Führungsstils für beide Szenarien. Deine Hypothese besagt, dass der Effekt dort größer ist, wo Offenheit vorliegt. Dies scheint mir nicht der Fall.

Bei diesem Befehl erhalte ich folgendes Ergebnis.
Das sieht wiederum ja nach einem signifikanten Effekt zwischen transformational Führung (1) und einer hohen Ausprägung an Offenheit (1) aus.
Würde es dann heißen, dass es einen signifikanten Effekt gibt, der allerdings negativ ist?!

Ich komme einfach mit der Anwendung auf die Hypothese nicht klar...

Jetzt bin ich verwirrt




. margins, dydx (Führungsstil) by (_offenheit)

Average marginal effects Number of obs = 244
Model VCE: OLS

Expression: Linear prediction, predict()
dy/dx wrt: 1.Führungsstil
Over: _offenheit

---------------------------------------------------------------------------------
| Delta-method
| dy/dx std. err. t P>|t| [95% conf. interval]
----------------+----------------------------------------------------------------
0.Führungsstil | (base outcome)
----------------+----------------------------------------------------------------
1.Führungsstil |
_offenheit |
0 | .7219512 .1568396 4.60 0.000 .4129932 1.030909
1 | .2930481 .0953466 3.07 0.002 .1052252 .4808711
---------------------------------------------------------------------------------
Note: dy/dx for factor levels is the discrete change from the base level.

Es gibt dir genau das, was du brauchst um deine Hypothese zu testen. Du siehst, dass der Effekt des Führungsstils bei Leuten mit niedriger Offenheit bei .7219512 liegt. Bei Leuten mit hoher Offenheit aber nur bei .2930481 Du kannst also nicht sagen, dass der Führungsstil positiver (also stärker) wirkt, wenn Offenheit vorliegt. Theoretisch könnte man das jetzt noch inferenzstatistisch testen ob dieser Unterschied statistisch signifikant ist.

Staxa hat geschrieben:Es gibt dir genau das, was du brauchst um deine Hypothese zu testen. Du siehst, dass der Effekt des Führungsstils bei Leuten mit niedriger Offenheit bei .7219512 liegt. Bei Leuten mit hoher Offenheit aber nur bei .2930481 Du kannst also nicht sagen, dass der Führungsstil positiver (also stärker) wirkt, wenn Offenheit vorliegt. Theoretisch könnte man das jetzt noch inferenzstatistisch testen ob dieser Unterschied statistisch signifikant ist.

aaaaaah okay, jetzt hat sich bei mir schonmal der Knoten im Kopf gelöst, ganz liebe Dank

das heißt aber nicht automatisch, dass der transnationale Stil (Ausprägung 0) einen positiveren Effekt hat oder ?
Weil die Ausprägung 0 (Führungsstil) und 1 (Offenheit) im Output der Interaktionsrechnung gar nicht vorkommen ?!


Wie könnte ich dies inferenzstatistisch prüfen? Und welche Aussagen gibt mir das ?

Das wäre dann

Code: Alles auswählen

margins, dydx(führungsstil) by(offenheit) pwcompare(pv)

Du siehst dann, ob der Unterschied der beiden Werte (also zwischen .7219512 und .2930481) statistisch signifikant ist.

Staxa hat geschrieben:Es gibt dir genau das, was du brauchst um deine Hypothese zu testen. Du siehst, dass der Effekt des Führungsstils bei Leuten mit niedriger Offenheit bei .7219512 liegt. Bei Leuten mit hoher Offenheit aber nur bei .2930481 Du kannst also nicht sagen, dass der Führungsstil positiver (also stärker) wirkt, wenn Offenheit vorliegt. Theoretisch könnte man das jetzt noch inferenzstatistisch testen ob dieser Unterschied statistisch signifikant ist.

noch eine kurze Frage dazu:

das heißt aber nicht automatisch, dass der transaktionale Stil (Ausprägung 0) einen positiveren Effekt hat oder ?
Weil die Ausprägung 0 (Führungsstil) und 1 (Offenheit) im Output der Interaktionsrechnung gar nicht vorkommen ?!

Staxa hat geschrieben:Das wäre dann

Code: Alles auswählen

margins, dydx(führungsstil) by(offenheit) pwcompare(pv)

Du siehst dann, ob der Unterschied der beiden Werte (also zwischen .7219512 und .2930481) statistisch signifikant ist.

super, 1000Danke!