Regressions- und Mediationsanalyse: Ihren statistischen Forschungsworkflow automatisieren

Regressions- und Mediationsanalysen gehören zu den am häufigsten eingesetzten Methoden in der survey-basierten Forschung. Wenn Ihre Studie prüft, ob eine Variable eine andere vorhersagt — oder ob diese Beziehung über einen vermittelnden Mechanismus verläuft — werden Sie fast sicher eines oder beide Verfahren brauchen.

Dieser Beitrag erklärt die Kernkonzepte, typische Stolperstellen und wie eine automatisierte Pipeline den Workflow konkret verändert.

Multiple Regression: das Arbeitstier der Survey-Forschung

Die multiple Regression sagt eine abhängige Variable aus zwei oder mehr Prädiktoren vorher. In der Survey-Forschung sieht das oft so aus:

• Sagen wahrgenommener Nutzen und wahrgenommene Bedienfreundlichkeit die Akzeptanzabsicht für eine Technologie vorher?
• Welche Faktoren (Arbeitsumfeld, Zufriedenheit mit dem Gehalt, Führungsqualität) prognostizieren die Kündigungsabsicht am stärksten?

Die Regressionsgleichung schätzt für jeden Prädiktor einen Koeffizienten — Richtung und Stärke der Beziehung zur abhängigen Variable, kontrolliert um die anderen Prädiktoren.

Voraussetzungen, die zu prüfen sind

Regressionsergebnisse sind nur belastbar, wenn die Voraussetzungen gelten:

• Linearität: Der Zusammenhang zwischen Prädiktoren und Outcome sollte näherungsweise linear sein
• Keine Multikollinearität: Prädiktoren sollten nicht zu hoch untereinander korreliert sein (VIF prüfen — über 10 ist problematisch)
• Homoskedastizität: Die Residuenvarianz sollte über die Vorhersageniveaus hinweg ungefähr konstant sein
• Normalverteilte Residuen: Residuen sollten näherungsweise normalverteilt sein
• Keine einflussreichen Ausreißer: Cook's Distance auf extreme Datenpunkte prüfen

Voraussetzungsprüfungen zu überspringen, ist einer der häufigsten Gründe für Ablehnungen oder Major Revisions. Reviewer·innen wissen genau, wonach sie suchen.

Wie Sie Regressionsergebnisse berichten

Eine Standard-Regressionstabelle enthält:

• Unstandardisierte Koeffizienten (B) mit Standardfehlern
• Standardisierte Koeffizienten (β) zum Vergleich relativer Stärke
• t-Werte und p-values für die Signifikanzprüfung
• R² und adjustiertes R² für die Modellanpassung
• F-Statistik für die Gesamtmodell-Signifikanz

Die Interpretation sollte über „X sagt Y signifikant vorher (p < .05)" hinausgehen — diskutieren Sie praktische Bedeutung, vergleichen Sie Effektstärken und beziehen Sie die Befunde auf Ihre Hypothesen.

Mediationsanalyse: den Mechanismus testen

Die Mediationsanalyse beantwortet eine spezifischere Frage: Wirkt der Effekt von X auf Y über eine dritte Variable M?

Beispiele:

• Wirkt der Führungsstil (X) auf die Teamleistung (Y) über das Team-Vertrauen (M)?
• Beeinflusst Social-Media-Nutzung (X) die Kaufabsicht (Y) über Markenbekanntheit (M)?

Der klassische Ansatz nach Baron und Kenny (1986) verlangte vier Bedingungen über getrennte Regressionsmodelle hinweg. Heute dominieren Bootstrapping-Verfahren, insbesondere der Ansatz von Hayes (2013) mit dem PROCESS-Makro für SPSS oder dem mediation-Paket in R.

Die Hürde des PROCESS-Makros

In SPSS verlangt die Mediationsanalyse meist die Installation des PROCESS-Makros (ein Drittanbieter-Add-on); Modelle werden anschließend per Nummer angesprochen (Modell 4 für einfache Mediation, Modell 7 für moderierte Mediation usw.).

Wer sich mit dem PROCESS-Framework nicht auskennt, stößt schnell auf Hürden:

• Welche Modellnummer entspricht dem theoretischen Rahmen?
• Worin unterscheiden sich Total Effect, Direct Effect und Indirect Effect?
• Wie interpretiert man Bootstrap-Konfidenzintervalle für den indirekten Effekt?
• Wann zentriert man Variablen oder verwendet Mean-Centering?

Die eigentliche Analyse dauert zehn Minuten — wenn man weiß, was man tut. Bis dahin können Stunden für Dokumentation und Tutorials draufgehen.

Mediationsergebnisse berichten

Ein Mediationsbericht sollte enthalten:

• Total Effect von X auf Y (Pfad c)
• Direct Effect von X auf Y unter Kontrolle von M (Pfad c')
• Indirect Effect über M (Pfad a × b)
• Bootstrap-Konfidenzintervalle für den indirekten Effekt (schließt das KI nicht die Null ein, ist der indirekte Effekt signifikant)
• Effektgrößen für den indirekten Effekt (z. B. partiell standardisierter indirekter Effekt)

Moderationsanalyse: Randbedingungen prüfen

Die Moderationsanalyse testet, ob sich der Zusammenhang zwischen X und Y abhängig von einer dritten Variable W verändert. Wo Mediation nach dem „Wie" fragt, fragt Moderation nach dem „Wann" oder „Für wen".

Beispiele:

• Variiert die Wirkung eines Trainings auf die Arbeitsleistung mit der Berufserfahrung?
• Ist die Beziehung zwischen Preissensitivität und Kaufabsicht bei Konsument·innen mit niedrigem Einkommen stärker?

In der Regression wird Moderation über einen Interaktionsterm (X × W) im Modell geprüft. Eine signifikante Interaktion bedeutet, dass der Effekt von X auf Y vom Wert von W abhängt.

Praktische Schritte

1. Prädiktor (X) und Moderator (W) zentrieren oder standardisieren
2. Interaktionsterm (X × W) bilden
3. Regression mit X, W und X × W auf Y rechnen
4. Bei signifikanter Interaktion: Simple-Slopes-Analyse anschließen
5. Interaktionsplot zur Visualisierung des Musters erstellen

Der manuelle Workflow-Aufwand

Für eine Studie, die Regression, Mediation und Moderation umfasst, sieht der manuelle Ablauf in SPSS so aus:

• Vorbereitende Analysen (Korrelationen, Deskriptiva)
• Voraussetzungen prüfen
• Hauptregressionen rechnen
• PROCESS-Makro installieren und konfigurieren
• Mediationsmodelle mit Bootstrapping rechnen
• Moderationsmodelle mit Interaktionsterm rechnen
• Signifikante Interaktionen näher beleuchten
• Tabellen und Abbildungen für jede Analyse erstellen
• Interpretationstext für jedes Ergebnis schreiben

Selbst bei Vorerfahrung sind das schnell zwei bis drei Tage konzentrierte Arbeit.

Wie Data2Paper diese Pipeline automatisiert

Data2Paper deckt den vollständigen Workflow ab:

• erkennt Prädiktor-, Mediator-, Moderator- und Outcome-Variablen anhand Ihres Forschungsmodells
• rechnet Regressionen inklusive vollständiger Voraussetzungsprüfung (VIF, Normalverteilung, Homoskedastizität)
• führt Mediationsanalysen mit Bootstrap-Konfidenzintervallen aus
• testet Moderation mit Interaktionstermen und Simple-Slopes-Analyse
• erzeugt Koeffiziententabellen im akademischen Standard
• generiert Interpretationstexte, die die Ergebnisse im Forschungskontext einordnen

Die Ausgabe enthält alles, was Sie für den Ergebnisteil brauchen — Tabellen, Abbildungen und Text — in Word, PDF oder LaTeX. Statt Tage in der Mechanik der Analyse zu verbringen, bleibt mehr Zeit für die Frage, was die Ergebnisse für Ihre Forschungsfrage bedeuten.