betekent een interactie effect dat de twee onafhankelijke variables gecorrigeerd voor elkaar zijn?

Question

Bedankt voor de uitgebreide antwoord.

Ik begrip nu heel goed dat je pas moderatie kan toetsen en opnemen in je hypothese als het een experimenteel ontwerp is met meerdere meet momenten.

Ik heb feedback van een docent gekregen om toch een interactie hypothese toe te voegen, Ik heb nu twee hoofdeffect hypotheses staan. Een interactie effect zou er voor zorgen dat de onafhankelijke variabelen gecorrigeerd voor elkaar zijn.

Klopt het dan dat in een cross sectional design (niet experimenteel) dit geen zin heeft?

Answer 1

Een moderator opnemen in een model is geen probleem bij cross-sectionele designs, en een interactie behoeft ook geen herhaalde metingen. In iedere situatie waar te verwachten valt dat het effect van een onafhankelijke variabele op de afhankelijke variabele afhangt van een derde variabele is geschikt voor moderatoren. Dit dient in de inleiding dan wel onderbouwd te worden.

Een interactieterm toevoegen aan een regressiemodel betekent in de regel dat er multicollineariteit wordt gecreerd. De interactieterm is het product van twee variabelen, en zal daarom altijd gecorreleerd zijn met de hoofdeffecten. Dit is een van de voornaamste redenen dat bij het opnemen van interactietermen de hoofdeffecten eerst worden gecentreerd voordat de interactieterm wordt berekend. Dit centreren (bijvoorbeeld het algemene gemiddelde van alle observaties aftrekken) lost de collineariteit door de interactieterm op.