Berücksichtigung von Drittvariablen

Regressionsanalysen

Bei der Regressionsanalyse fließen die Drittvariablen als zusätzliche Prädiktoren in die Datenanalyse ein. Mit den Prädiktoren sollen die Kriteriumsvariablen der Studie vorhergesagt werden.

Beispielsweise könnte die Lernleistung als Kriteriumsvariable durch ein Regressionsmodell mit den Prädiktoren Intelligenz und Art der Bedingung (Trainingsbedingung versus Kontrollbedingung) vorhergesagt werden. Sofern die Prädiktorvariablen nicht intervallskaliert sind, müssen diese zuvor mittels Indikatorcodierung in eine künstlich erzeugte, intervallskalierte Variable umgewandelt werden (z.B. Bortz, 2005). Mit Hilfe von Regressionsanalysen können auch Interaktionseffekte zwischen den einzelnen Prädiktoren aufgedeckt werden (z.B. Moosbrugger, 2002).

Als Interaktion oder Wechselwirkung bezeichnet man einen über die Haupteffekte (hier der Einfluss von Intelligenz und Versuchsbedingung auf die Lernleistung) hinausgehenden Effekt. Dieser ist dadurch zu erklären, dass mit der Kombination einzelner Faktorstufen eine eigenständige Wirkung oder ein eigenständiger Effekt verbunden ist (z.B. Bortz, 2005). Ein Interaktionseffekt – auch Moderatoreffekt genannt – läge beispielsweise vor, wenn Versuchspersonen in Abhängigkeit ihrer Intelligenz unter den Versuchsbedingungen unterschiedliche Lernleistungen erreichen. Denkbar wäre, dass mit ansteigender Intelligenz die Lernleistungen von Probanden in der Kontrollbedingung geringfügig abnähmen, während Versuchsteilnehmer unter der Trainingsbedingung mit zunehmender Intelligenz bessere Leistungen erzielen würden (Abb. 23).

Regressionsanalysen sind dem Median-Split und Extremgruppenvergleichen oftmals überlegen. Sie bieten dabei den Vorteil, komplexe Zusammenhänge aufdecken zu können, ohne dass der Anwender eine besonders hohe statistische Expertise aufweisen muss. Zudem werden diese Analysen von allen gängigen Statistikprogrammen in zahlreichen Varianten (z.B. hierarchische Regressionsanalysen) unterstützt. Die Erfassung komplexer, nonlinearer Zusammenhänge mittels Regressionsanalysen erweist sich allerdings häufig als schwierig.