Springen naar inhoud

SPSS - nominale modererende factor


  • Log in om te kunnen reageren

#1

rhs710

    rhs710


  • 0 - 25 berichten
  • 1 berichten
  • Gebruiker

Geplaatst op 27 juni 2012 - 10:13

Hallo,

Ik ben momenteel bezig met mijn scriptie waarbij ik het effect van videoclips op genderrollen en seksuele permissiviteit onderzoek.

Nu loop ik vast bij het volgende. Bijvoorbeeld:
Mijn onafhankelijke variabele is het Gemiddeld Aantal Minuten dat jongeren per dag videoclips kijken.
Mijn afhankelijke variabele is de mate van Seksuele Permissiviteit
Met als modererende variabele geslacht.

Ik heb het dus getest aan de hand van een split file voor geslacht, en dan een lineaire regressie zodat ik prima voor mannen en vrouwen aparte tabellen krijg.

Nu zegt mijn studiebegeleidster dat ik een ANOVA, Multiple regressie, op oneway T-test moet gebruiken. maar dit klopt toch niet? Ik heb het namelijk geprobeerd dan krijg ik ook gemiddelde waarden voor geslacht enzo, dus dat slaat nergens op.

Kan iemand mij hierbij helpen?

Thanks a lot!

Dit forum kan gratis blijven vanwege banners als deze. Door te registeren zal de onderstaande banner overigens verdwijnen.

#2

BadSanta

    BadSanta


  • >25 berichten
  • 68 berichten
  • Ervaren gebruiker

Geplaatst op 27 juni 2012 - 17:52

Dan weet je volgens mij wel hoe mannen en vrouwen scoren op x los van elkaar, maar de exacte invloed van geslacht op x weet je niet.

Daar is die anova goed voor. dan ze je de het effect op de groepen, apart en zie je ook wat geslacht met x doet.

#3

ferry

    ferry


  • >250 berichten
  • 954 berichten
  • VIP

Geplaatst op 16 juli 2012 - 16:52

Het handigste is: (1) geen split file te doen, maar een analyse over de hele dataset; en (2) een interactieterm op te nemen voor geslacht en je onafhankelijke variabele. Dan weet je of er een modererend effect is van geslacht (of dat hetzelfde is als genderrollen, is even de vraag, maar vooruit). Ik neem aan dat je een regressie doet omdat je ook controlevariabelen in je model hebt?

Wat je ook kunt doen is de parameters van de twee modellen met elkaar vergelijken. Dan weet je ook of er een modererend effect is. Maar, die eerste optie is wat mooier.





0 gebruiker(s) lezen dit onderwerp

0 leden, 0 bezoekers, 0 anonieme gebruikers

Ook adverteren op onze website? Lees hier meer!

Gesponsorde vacatures

Vacatures