Einfache Moderationsanalyse (Model 1)
#01 Einleitung in Model 1
#02 process-Syntax
#03 Beispiel
- AV = Arbeitsleistung (Skala 1 bis 7) – AL
- UV = Home-Office-Intensität (Skala 1 bis 7) – HOI
- Moderator = Organisationale Unterstützung (Skala 1 bis 7) – OU
Die Berechnungen finden auf Basis von 100 fiktiven Datensätzen statt – es werden keine Kovariaten festgelegt. Somit ergibt sich folgender Syntax-Befehl:
process y=AL/x=HOI/w=OU/model=1/center=1/plot=1/jn=1.
Es ist zu beachten, dass die process.sps
Syntax-Datei einmalig nach dem Start von SPSS Statistics ausgeführt werden muss, damit das PROCESS-Makro funktioniert. Hab etwas Geduld, da das Ausführen dieser Datei einen Moment dauern kann.
#04 Ergebnis
Model Summary R R-sq MSE F df1 df2 p 0.93 0.86 0.25 193.43 3 96 0.000
(Anmerkung: SPSS Statistics/process runden sehr kleine p-Werte auf 0.000. Das bedeutet natürlich auf keinen Fall, dass der p-Wert tatsächlich null ist, sondern eben sehr klein. In Anlehnung an die Empfehlungen der APA, wird ein solcher Wert mit „p < .001″ gekürzt.)
Der Model Summary-Abschnitt bietet einen Überblick über die Güte des Gesamtmodells. Das multiple R von 0.93 zeigt eine starke Korrelation zwischen den Prädiktoren und der abhängigen Variable. Das R-sq von 0.86 indiziert, dass etwa 86% der Varianz in der abhängigen Variable durch das Modell erklärt werden. Der mittlere quadratische Fehler (MSE) von 0.25 gibt Aufschluss über die durchschnittliche quadrierte Abweichung zwischen den vorhergesagten und den beobachteten Werten. Der F-Wert von 193.43 mit 3 (df1) und 96 (df2) Freiheitsgraden und einem p-Wert von 0.000 (p < .001) deutet auf eine statistische Signifikanz des Gesamtmodells hin.
Model Coefficients Variable coeff se t p LLCI ULCI constant 3.00 0.05 60.41 0.000 2.90 3.10 HOI 0.52 0.03 16.97 0.000 0.46 0.58 OU 0.42 0.03 14.15 0.000 0.36 0.48 Int_1 0.17 0.02 8.67 0.000 0.13 0.21
Der Model-Abschnitt präsentiert die Regressionskoeffizienten für jede Variable im Modell. Die Konstante (coeff = 3.00) repräsentiert den erwarteten Wert der abhängigen Variable, wenn alle Prädiktoren null sind. Der Koeffizient für HOI (coeff = 0.52) zeigt den direkten Effekt der Home-Office-Intensität auf die Arbeitsleistung. Der Koeffizient für OU (coeff = 0.42) repräsentiert den direkten Effekt der organisationalen Unterstützung. Der Interaktionsterm (Int_1) mit einem Koeffizienten von 0.17 (coeff) quantifiziert den Moderationseffekt. Alle Koeffizienten sind bei einem Signifikanzniveau von p = 0.000 (p < .001) statistisch signifikant, was durch die t-Werte und die Konfidenzintervalle (LLCI und ULCI) untermauert wird, die den Wert null nicht einschließen.
Test(s) of highest order unconditional interaction(s) Interaction R2-chng F df1 df2 p X*W 0.11 75.16 1 96 0.000
Dieser Abschnitt fokussiert sich auf die Signifikanz des Interaktionseffekts. Die Änderung in R-Quadrat (R2-chng) von 0.11 indiziert, dass die Hinzufügung des Interaktionsterms zusätzliche 11% der Varianz in der abhängigen Variable erklärt. Der F-Wert von 75.16 mit 1 (df1) und 96 (df2) Freiheitsgraden und einem p-Wert von 0.000 (p < .001) untermauert die statistische Signifikanz des Interaktionseffekts. Der p-Wert ist identisch mit dem p-Wert aus der vorherigen Tabelle des Moderationsterms (Int_1).
Conditional effects of the focal predictor at values of the moderator(s) OU Effect se t p LLCI ULCI -1.68 0.23 0.05 5.04 0.000 0.14 0.32 0.00 0.52 0.03 16.97 0.000 0.46 0.58 1.68 0.80 0.04 18.59 0.000 0.71 0.88
Dieser letzte Abschnitt illustriert den Effekt der Home-Office-Intensität (HOI) auf die Arbeitsleistung (AL) bei verschiedenen Ausprägungen der organisationalen Unterstützung (OU). Bei niedriger organisationaler Unterstützung (-1.68 Standardabweichungen unter dem Mittelwert) beträgt der Effekt 0.23. Bei durchschnittlicher organisationaler Unterstützung (0.00) steigt der Effekt auf 0.52, und bei hoher organisationaler Unterstützung (1.68 Standardabweichungen über dem Mittelwert) erhöht sich der Effekt weiter auf 0.78. Alle diese Effekte sind statistisch signifikant (p = 0.000 -> p < .001), was durch die Konfidenzintervalle gestützt wird, die den Wert null nicht einschließen. Dies demonstriert, dass der positive Effekt der Home-Office-Intensität auf die Arbeitsleistung mit zunehmender organisationaler Unterstützung verstärkt wird.
#05 Visualisierung
Neben der Analyse bedingter Haupteffekte bietet es sich an, die Ergebnisse einer Moderationanalyse zu visualisieren, wie mit der process-Syntax (/plot=1) angestoßen. Mit ein wenig nachträglicher Bearbeitung könnte das nachfolgende Diagramm dazu genutzt werden, um die Interpretation bzw. den nachfolgenden Ergebnisbericht zu erweitern.
#06 Interpretation
Zur Untersuchung des Zusammenhangs zwischen Home-Office-Intensität (HOI) und Arbeitsleistung (AL) sowie der moderierenden Rolle der organisationalen Unterstützung (OU) wurde eine hierarchische Regressionsanalyse mit Moderationseffekt durchgeführt. Das Gesamtmodell erwies sich als statistisch signifikant, F(3, 96) = 193.43, p < .001, R² = .86, und erklärte 86% der Varianz in der Arbeitsleistung.
Die Haupteffekte zeigten signifikante positive Zusammenhänge sowohl für die Home-Office-Intensität (b = 0.52, SE = 0.03, p < .001, 95% CI [0.46, 0.58]) als auch für die organisationale Unterstützung (b = 0.42, SE = 0.03, p < .001, 95% CI [0.36, 0.48]) mit der Arbeitsleistung. Der Interaktionsterm HOI × OU erwies sich ebenfalls als signifikant (b = 0.17, SE = 0.02, p < .001, 95% CI [0.13, 0.21]) und trug zu einer zusätzlichen Varianzaufklärung von 11% bei, ΔR² = .11, ΔF(1, 96) = 75.16, p < .001.
Die Simple-Slope-Analyse zur Interpretation der Interaktion ergab differentielle Effekte der Home-Office-Intensität in Abhängigkeit vom Ausmaß der organisationalen Unterstützung. Bei geringer organisationaler Unterstützung (−1 SD) war der Effekt der HOI auf die Arbeitsleistung schwach positiv (b = 0.23, SE = 0.05, p < .001, 95% CI [0.14, 0.32]). Bei mittlerer organisationaler Unterstützung (M) verstärkte sich dieser Zusammenhang (b = 0.52, SE = 0.03, p < .001, 95% CI [0.46, 0.58]), während bei hoher organisationaler Unterstützung (+1 SD) der stärkste Effekt beobachtet wurde (b = 0.80, SE = 0.04, p < .001, 95% CI [0.71, 0.88]).
Die Befunde belegen eine signifikante Moderationswirkung der organisationalen Unterstützung auf den Zusammenhang zwischen Home-Office-Intensität und Arbeitsleistung. Mit steigender organisationaler Unterstützung verstärkt sich der positive Effekt flexibler Arbeitsarrangements auf die Arbeitsleistung. Diese Ergebnisse implizieren, dass Organisationen durch gezielte Unterstützungsmaßnahmen die Effektivität von Home-Office-Arrangements optimieren können.
#07 Tabelle
Arbeitsleistung | ||||
---|---|---|---|---|
Variable | b (SE) | t | p | 95% KI |
Home-Office-Intensitäta | 0.52 (0.03) | 16.97 | < .001 | [0.46, 0.58] |
Organisationale Unterstützunga | 0.42 (0.03) | 14.15 | < .001 | [0.36, 0.48] |
Home-Office-Intensität × Organisationale Unterstützung | 0.17 (0.02) | 8.67 | < .001 | [0.13, 0.21] |
ΔR2 | .11b | |||
R2 | .86c | |||
Bedingte Haupteffekte | ||||
Organisationale Unterstützung | Home-Office-Intensität | t | p | 95% KI |
−1 SD | 0.23 (0.05) | 5.04 | < .001 | [0.14, 0.32] |
M | 0.52 (0.03) | 16.97 | < .001 | [0.46, 0.58] |
+1 SD | 0.80 (0.04) | 18.59 | < .001 | [0.71, 0.88] |
Anmerkung. N = 100. KI = Konfidenzintervall für b; aPrädiktoren zentriert; bZusätzlich erklärter Varianzanteil durch Interaktionsterm: F(1, 96) = 75.16, p < .001; cF(2, 96) = 193.43, p < .001. |
#08 Literatur
- Schneider, K., Schwark, M. Die goldene Mitte finden: Auswirkung der Homeoffice-Intensität auf Arbeitsleistung und Arbeitszufriedenheit im Kontext der Ressourcenerhaltung. Gr Interakt Org 54, 421–436 (2023). https://doi.org/10.1007/s11612-023-00696-3