Interpretatie van interactie-effecten door middel van een Excel-plot
Als je regressieanalyse met een uitkomst is gekomen dan kan het lastig zijn om de resultaten te interpreteren. Zeker als je met interactie-effecten (moderatie-effecten) werkt. Met een interactie-effect kijk je naar de conditionele effecten van je onafhankelijke variabele op je afhankelijke variabele (Hayes, Glynn, & Huge, 2012). Hierbij is het lastig om te onderscheiden wat nu de invloed van het hoofdeffect en van het interactie-effect is. De meest eenvoudige oplossing is dan om de gecombineerde effecten grafisch te illustreren.
Waar kan je programmeer code vinden voor grafieken in Stata of SPSS?
In statistische programma’s zoals Stata en SPSS zijn daar natuurlijk commando’s voor, maar deze vergen over het algemeen gevorderde kennis van deze programma’s en moeten afhankelijk van de situatie geprogrammeerd worden. Als je een gevorderde Stata-gebruiker of SPSS-gebruiker bent is de website van de UCLA een interessante bron van informatie. Op de UCLA-website kan je nalezen hoe je een 2-way en 3-way interactieplot kan maken van een regressie. Op de website van de UCLA vind je ook instructies hoe je een 3-way interactieplot kan maken van een Anova. Daarnaast heeft de UCLA nog een uitgebreide Stata FAQ, SPSS FAQ en annotated output’s waar je veel informatie kan vinden.
Nu zal je jezelf waarschijnlijk afvragen: ik ben geen gevorderde gebruiker, kan dit niet eenvoudiger en gemakkelijker?
Het korte antwoord is, ja dat kan.
Professor Dawson van de Sheffield University Management School heeft een website gewijd aan het visueel weergeven van regressie interactie-effecten. Op deze website kan je door middel van verschillende kant en klare Microsoft Excel templates je regressie interactie-effecten visualiseren. Deze Excel templates zijn gebaseerd op de procedures van Aiken, West, en Reno (1991), Dawson (2014) en Dawson en Richter (2006).
Geïnteresseerd in onze andere Tips? >>Is het gebruik van de template moeilijk?
Het enige wat je hoeft te doen voor een simpele analyse is je regressiecoëfficiënten (Beta’s) in te vullen. Als je de variabelen niet gestandaardiseerd hebt zal je ook even de gemiddelden en standaarddeviaties (standaardafwijking) moeten opgeven. En dan heb je in een paar minuten dus een visualisatie van de regressie interactie-effecten. Deze grafiek kan je helpen om de twee hoofdeffecten en het interactie-effect in samenspel te interpreteren. Tevens heeft Professor Dawson samen met Professor Richter van de University of Cambridge een presentatie gemaakt welke kan helpen bij de interpretatie en het gebruik van de tool. Daarnaast kan je in het Dawson (2014) artikel veel achtergrond informatie vinden over de werking van deze tool.
Gratis Intakegesprek? >>Werkt de regressie interactie-effecten tool ook bij een 3-weg interactie?
Als je een wat complexer interactiemodel hebt, zoals met een 3-weg interactie, kan je deze templates ook gebruiken. Professor Dawson heeft speciaal voor 3-weg interacties aparte templates aangemaakt. Bij een 3-weg interactie wordt het verschil in de hellingshoeken interessant om te zien of er daadwerkelijk een effect is. De 3-weg templates stellen je in staat op basis van het “simple slopes” principe te kijken of de hellingshoeken van je regressielijnen significant van elkaar verschillen. Om het verschil in de hellingshoeken te bepalen moet je voorgaande invuloefening uitbreiden met de varianties en covarianties van de variabelen.
Kijk ook eens op onze TIPs pagina als je op zoek bent naar informatie over de uitgangspunten van een regressieanalyse.
Wil je hulp bij het gebruik van deze tool, of scriptiebegeleiding bij je regressieanalyse, stel dan vrijblijvend je vraag via WhatsApp of vul ons Contactformulier in.
Literatuurlijst:
- Aiken, L. S., West, S. G., & Reno, R. R. (1991). Multiple Regression: Testing and Interpreting Interactions. London: SAGE Publications.
- Dawson, J. F. (2014). Moderation in Management Research: What, Why, When, and How. Journal of Business and Psychology, 29(1), 1-19.
- Dawson, J. F., & Richter, A. W. (2006). Probing three-way interactions in moderated multiple regression: Development and application of a slope difference test. Journal of Applied Psychology, 91(4), 917-926.
- Hayes, A. F., Glynn, C. J., & Huge, M. E. (2012). Cautions Regarding the Interpretation of Regression Coefficients and Hypothesis Tests in Linear Models with Interactions. Communication Methods and Measures, 6(1), 1-11.