Wie testet man Moderationseffekte in SPSS Amos?

Was bedeutet Moderation im SEM-Kontext?

Moderation liegt vor, wenn der Effekt einer unabhängigen Variable auf eine abhängige Variable je nach Ausprägung einer dritten Variable – dem Moderator – unterschiedlich stark ausfällt. In einem Regressionsmodell wird dieser Effekt durch einen Produktterm aus Prädiktor und Moderator dargestellt. Im Rahmen von Strukturgleichungsmodellen in SPSS Amos wird dieselbe Logik angewendet, allerdings mit einigen methodischen Besonderheiten.

Der entscheidende Unterschied zur einfachen Regressionsmoderation: In Amos können Konstrukte sowohl als beobachtete (manifeste) als auch als latente Variablen vorliegen. Die Wahl zwischen beiden bestimmt maßgeblich, welche Teststrategie sinnvoll ist. Dazu kommen Möglichkeiten wie die Multigruppenanalyse, die für kategoriale Moderatoren besonders geeignet ist.

Die drei Strategien für Moderationstests in Amos

Für die Umsetzung eines Moderationstests in Amos stehen grundsätzlich drei Wege zur Verfügung. Welcher davon für Ihre Analyse geeignet ist, hängt vom Messniveau des Moderators und von der Frage ab, ob Ihre Konstrukte latent oder manifest vorliegen.

In der Praxis von Bachelor- und Masterarbeiten wird am häufigsten entweder der manifeste Produktterm oder die Multigruppenanalyse eingesetzt. Die latente Interaktion ist methodisch anspruchsvoller und kommt eher in Dissertationen oder Forschungsartikeln zum Einsatz.

Strategie 1: Manifester Produktterm

Dies ist der praktisch zugänglichste Einstieg in die Moderationsanalyse mit Amos. Die Idee: Sie bilden den Interaktionsterm bereits in SPSS – also bevor Sie die Daten nach Amos übertragen – und nehmen ihn dann als beobachteten Prädiktor in Ihr Pfadmodell auf.

Schritt 1: Variablen zentrieren

Vor der Bildung des Produktterms sollten Prädiktor und Moderator zentriert werden, d. h. Sie ziehen vom jeweiligen Rohwert den Mittelwert ab. Zentrierte Variablen verbessern die Interpretierbarkeit der Haupteffekte erheblich, auch wenn die Signifikanz des Interaktionsterms davon unberührt bleibt – das ist ein etablierter Grundsatz der Regressionsanalyse mit Interaktionstermen.

In SPSS gehen Sie dafür über Transformieren → Variable berechnen und erstellen zwei neue Variablen:

• X_c = X − MEAN(X)
• M_c = M − MEAN(M)

Schritt 2: Produktterm bilden

Der Interaktionsterm ergibt sich als einfaches Produkt der zentrierten Variablen:

Erstellen Sie diese neue Variable ebenfalls über Transformieren → Variable berechnen in SPSS, bevor Sie die Daten in Amos laden. Wie der Datentransfer von SPSS nach Amos funktioniert, ist in diesem Beitrag detailliert beschrieben.

Schritt 3: Modell in Amos spezifizieren

Im Amos-Pfaddiagramm legen Sie nun folgende Pfade an:

• Haupteffekt: X_c → Y
• Haupteffekt: M_c → Y
• Interaktionseffekt: XM → Y

Alle drei Pfeile zeigen auf die abhängige Variable Y. Wichtig: Die Haupteffekte müssen gemeinsam mit dem Interaktionsterm im Modell bleiben – das Entfernen eines Haupteffekts bei gleichzeitig spezifiziertem Interaktionsterm ist methodisch nicht zulässig.

Schritt 4: Ergebnisse ablesen und interpretieren

Nach der Schätzung finden Sie in der Ausgabe den standardisierten und unstandardisierten Pfadkoeffizienten für den Interaktionsterm. Ein signifikanter Koeffizient zeigt an, dass der Effekt von X auf Y in Abhängigkeit von M variiert.

Für die inhaltliche Interpretation empfiehlt sich die Berechnung sogenannter Simple Slopes – also der Steigung von X auf Y bei ausgewählten Moderatorwerten (typischerweise Mittelwert ± 1 Standardabweichung). Dies lässt sich in SPSS mit dem PROCESS-Makro oder durch manuelle Berechnung umsetzen, da Amos selbst keine Simple-Slopes-Ausgabe liefert.

Strategie 2: Latente Interaktion mit Produktindikatoren

Wenn Prädiktor und Moderator als latente Konstrukte mit mehreren Indikatoren vorliegen, ist die Produktindikator-Strategie die methodisch korrektere Wahl. Die Grundidee: Die Indikatoren des Prädiktors und des Moderators werden paarweise multipliziert, um Indikatoren für das latente Interaktionskonstrukt zu erzeugen.

Das Prinzip der Produktindikatoren

Hat Ihr Prädiktor ξ₁ drei Indikatoren (x₁, x₂, x₃) und Ihr Moderator ξ₂ ebenfalls drei Indikatoren (m₁, m₂, m₃), entstehen potenziell neun Produktindikatoren (x₁·m₁, x₁·m₂, …). In der Praxis reicht oft eine paarweise Zuordnung (x₁·m₁, x₂·m₂, x₃·m₃), was die Modellkomplexität reduziert.

Methodisch ist dabei zu beachten, dass Messfehler, Skalierung und die Art der Produktindikator-Konstruktion die Stabilität der Schätzung beeinflussen. Die sogenannte unbeschränkte Produktindikator-Strategie (unconstrained approach) hat sich gegenüber älteren, restriktiveren Verfahren als praktikabler erwiesen, weil weniger Gleichheitsrestriktionen für die Faktorladungen erzwungen werden müssen.

Umsetzung in Amos

Die Schritte im Überblick:

1. Alle Indikatoren von Prädiktor und Moderator zentrieren (in SPSS).
2. Produktindikatoren durch paarweise Multiplikation bilden (in SPSS).
3. In Amos: Latente Faktoren für ξ₁, ξ₂ und das Interaktionskonstrukt ξ₁·ξ₂ spezifizieren.
4. Den Pfad ξ₁·ξ₂ → η (auf die abhängige latente Variable) hinzufügen.
5. Faktorladungen und Fehlerkovarianzen der Produktindikatoren entsprechend der gewählten Strategie restringieren oder freilassen.

Das ist deutlich aufwendiger als der manifeste Produktterm. Vor dem Interaktionsmodell sollte unbedingt das Messmodell der beteiligten Konstrukte geprüft werden – d. h., zunächst eine konfirmatorische Faktorenanalyse in Amos durchführen, um befriedigende Faktorladungen und Modellfit sicherzustellen.

Strategie 3: Multigruppenanalyse

Ist Ihr Moderator kategorial (z. B. Geschlecht, Interventionsgruppe, Studiengang), bietet sich die Multigruppenanalyse als elegante Alternative an. Dabei wird das Strukturmodell für jede Gruppe separat geschätzt, und anschließend wird geprüft, ob die Pfadkoeffizienten zwischen den Gruppen statistisch verschieden sind.

Ablauf in Amos

Amos unterstützt Multigruppenanalysen direkt über die Gruppenspezifikation in der Benutzeroberfläche. Der typische Ablauf:

1. Gruppen anlegen: Über Analyze → Manage Groups definieren Sie Ihre Gruppen (z. B. „Männer“ und „Frauen“).
2. Modell konfigurieren: Spezifizieren Sie das Pfadmodell, das für alle Gruppen gilt.
3. Konfigurales Modell schätzen: Alle Parameter werden zunächst gruppenspezifisch freigelassen – dies ist das Ausgangsmodell.
4. Restriktives Modell spezifizieren: Über Analyze → Multiple-Group Analysis legen Sie Gleichheitsrestriktionen für die interessierenden Pfade fest (z. B. gleiche Pfadkoeffizienten in beiden Gruppen).
5. Modellvergleich durchführen: Ein Chi-Quadrat-Differenztest () zeigt, ob die Restriktion das Modell signifikant verschlechtert – wenn ja, liegt ein Moderationseffekt vor.

Dieser Ansatz lässt sich nahtlos mit dem Strukturgleichungsmodell-Framework verbinden und ist konzeptuell gut verständlich: Sie testen explizit, ob ein Pfad in Gruppe A anders aussieht als in Gruppe B.

Modelle vergleichen und Ergebnisse berichten

Unabhängig von der gewählten Strategie ist der Modellvergleich ein zentrales Element des Moderationstests. In Amos werden dabei typischerweise zwei verschachtelte Modelle gegenübergestellt:

• Basismodell (ohne Interaktionsterm oder mit restringierten Pfaden)
• Interaktionsmodell (mit freigegebenem Interaktionspfad)

Der Chi-Quadrat-Differenztest ergibt sich aus der Differenz der Chi-Quadrat-Werte beider Modelle bei entsprechender Differenz der Freiheitsgrade:

Ein signifikanter (p < .05) zeigt an, dass das Interaktionsmodell signifikant besser passt als das Basismodell – ein Hinweis auf einen vorliegenden Moderationseffekt.

Was ins Ergebniskapitel gehört

Laut der offiziellen Amos-Dokumentation sollten bei Moderationsanalysen neben dem p-Wert des Interaktionsterms auch Modellfit, Schätzmethode, Bootstrap-Konfidenzintervalle und der Modellvergleich vollständig dokumentiert werden. Konkret bedeutet das für Ihre Abschlussarbeit:

• Fit-Indizes beider Modelle: CFI, RMSEA, SRMR (für eine Anleitung zur Interpretation der Fit-Indizes in Amos)
• Chi-Quadrat-Differenztest mit Δdf und p-Wert
• Unstandardisierter und standardisierter Pfadkoeffizient des Interaktionsterms
• Konfidenzintervall (idealerweise Bootstrap-basiert)
• Grafische Darstellung des Interaktionseffekts (Simple Slopes oder Gruppenvergleich)

Einen vollständigen Überblick, wie SEM-Ergebnisse in einer Abschlussarbeit strukturiert berichtet werden, finden Sie in unserem Beitrag zu SEM-Ergebnissen in Abschlussarbeiten.

Häufige Fehler und wie Sie sie vermeiden

Moderationsanalysen in Amos bieten einige typische Stolperstellen. Hier sind die häufigsten Probleme, auf die Sie achten sollten:

Fehlende Zentrierung

Produktterme aus nicht-zentrierten Variablen erzeugen ausgeprägte Multikollinearität zwischen Haupteffekten und Interaktionsterm. Das macht die Schätzung instabil und die Interpretation der Haupteffekte inhaltlich sinnlos. Zentrieren Sie immer, bevor Sie Produktvariablen bilden.

Schiefe Verteilung des Produktterms ignorieren

Produktterme neigen dazu, schiefer verteilt zu sein als die Ausgangsvariablen. Da Amos Normalverteilungsannahmen prüft, sollten Sie die Verteilung des Interaktionsterms vorab begutachten. Bei deutlicher Verletzung bieten sich Bootstrap-Standardfehler an, die Amos direkt unterstützt.

Haupteffekte aus dem Modell entfernen

Ein Interaktionsterm ohne gleichzeitige Aufnahme der Haupteffekte ist statistisch nicht interpretierbar. Beide Haupteffekte (X_c → Y und M_c → Y) müssen im Modell verbleiben, auch wenn sie nicht signifikant sind.

Kein Modellvergleich durchgeführt

Allein der signifikante Pfadkoeffizient des Interaktionsterms reicht nicht aus. Erst der Chi-Quadrat-Differenztest belegt, dass das Modell mit Interaktion tatsächlich besser passt. Berichten Sie immer beide Modelle.

Messmodell nicht geprüft

Besonders bei latenten Interaktionen ist die Qualität des Messmodells entscheidend. Ein schlecht spezifiziertes Messmodell überträgt seine Probleme direkt auf die Schätzung des Interaktionsterms. Prüfen Sie das Mess- und Strukturmodell getrennt, bevor Sie Moderationseffekte testen.

Wenn Sie Unterstützung bei der Planung und Durchführung einer Moderationsanalyse benötigen, begleitet Sie unser Team von SPSS Amos-Spezialistinnen und -Spezialisten von der Modellspezifikation bis zur Ergebnisinterpretation – auch unter Zeitdruck.