of 24/24
Schwere und Vorsatz – keine Unterschiede zwischen den justice-Bedingungen Tests der Zwischensubjekteffekte Abhängige Variable:MW_Schwere Quelle Quadratsumm e vom Typ III df Mittel der Quadrate F Sig. Partielles Eta-Quadrat Korrigiertes Modell ,562 a 1 ,562 ,508 ,479 ,008 Konstanter Term 2085,444 1 2085,444 1883,165 ,000 ,968 Justice ,563 1 ,563 ,508 ,479 ,008 Fehler 68,660 62 1,107 Gesamt 2154,667 64 Korrigierte Gesamtvariation 69,222 63 a. R-Quadrat = ,008 (korrigiertes R-Quadrat = -,008) ANOVA mit 1X2 Between-Subject Design

Schwere und Vorsatz – keine Unterschiede zwischen den justice -Bedingungen

  • View
    37

  • Download
    0

Embed Size (px)

DESCRIPTION

Schwere und Vorsatz – keine Unterschiede zwischen den justice -Bedingungen. ANOVA mit 1X2 Between-Subject Design. Schwere und Vorsatz – keine Unterschiede zwischen den justice -Bedingungen. Achtung Vorsatz andersherum kodiert!. ANOVA mit 1X2 Between-Subject Design. - PowerPoint PPT Presentation

Text of Schwere und Vorsatz – keine Unterschiede zwischen den justice -Bedingungen

Folie 1

Schwere und Vorsatz keine Unterschiede zwischen den justice-Bedingungen

Tests der ZwischensubjekteffekteAbhngige Variable:MW_SchwereQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell,562a1,562,508,479,008Konstanter Term2085,44412085,4441883,165,000,968Justice,5631,563,508,479,008Fehler68,660621,107Gesamt2154,66764Korrigierte Gesamtvariation69,22263a. R-Quadrat = ,008 (korrigiertes R-Quadrat = -,008)ANOVA mit 1X2 Between-Subject Design

Tests der ZwischensubjekteffekteAbhngige Variable:Vorsatz_MeanQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell,000a1,000,0001,000,000Konstanter Term230,0281230,028215,452,000,777Justice,0001,000,0001,000,000Fehler66,194621,068Gesamt296,22264Korrigierte Gesamtvariation66,19463a. R-Quadrat = ,000 (korrigiertes R-Quadrat = -,016)Achtung Vorsatz andersherum kodiert!Schwere und Vorsatz keine Unterschiede zwischen den justice-BedingungenANOVA mit 1X2 Between-Subject DesignFairness keine Unterschiede zwischen den justice-Bedingungen und auch kein Einfluss der Emotionen oder der Identifikation d.h. beide Formen der Bestrafung wurden als gleich fair empfunden; deskriptiv ist fairness in retributiv aber hher(auch keine Moderation durch Emotionen oder Identifikation)

Tests der ZwischensubjekteffekteAbhngige Variable:MW_FairnessQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell1,051a11,051,562,456,009Konstanter Term1602,00111602,001857,212,000,933Justice1,05111,051,562,456,009Fehler115,869621,869Gesamt1718,92064Korrigierte Gesamtvariation116,91963a. R-Quadrat = ,009 (korrigiertes R-Quadrat = -,007)ANOVA mit 1X2 Between-Subject DesignPost-IdentifikationJustice notions haben keine Effekt auf die Identifikation nach dem geschilderten VorfallIdentifikation nach der Manipulation (post-ident) - Einfluss der Manipulation allein

Tests der ZwischensubjekteffekteAbhngige Variable:Ident_F1_postQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell3,616a13,6162,480,121,042Konstanter Term1107,06511107,065759,237,000,931Justice3,61613,6162,480,121,042Fehler81,655561,458Gesamt1188,87558Korrigierte Gesamtvariation85,27257a. R-Quadrat = ,042 (korrigiertes R-Quadrat = ,025)ANOVA mit 1X2 Between-Subject DesignPost-Identifikation wird durch die Pr-Identifiaktion vorhergesagt Leute, die zu Beginn eine hohe Identifikation mit der FSU haben, haben die auch am Ende des ExpDies ist unabhngig von der justice-ManipulationbSEtp0,22low pr-ident0,250,890,378-0,23high pr-ident0,231,020,313post-ident mit Moderator pr-Identifikation

KoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)4,393,11239,127,000Justice-,007,166-,003-,040,968,9331,072Z-Wert(Ident_F1_pr)1,154,106,94310,867,000,5801,725IA_justice.prID-,227,172-,114-1,325,191,5891,698a. Abhngige Variable: Ident_F1_postANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression65,157321,71958,307,000aNicht standardisierte Residuen20,11554,372Gesamt85,27257a. Einfluvariablen : (Konstante), IA_justice.prID, Justice, Z-Wert(Ident_F1_pr)b. Abhngige Variable: Ident_F1_postlow justicehigh justicelow pr-ident3,1289683,3497477high pr-ident5,6637415,4295685Justice notions haben keine Effekt auf die post-IdentifikationPost-Identifikation wird durch die moral sadness vorhergesagt je hher der empfundene moral sadness oder bei Wenzel moral loss, desto hher die post-IdentifikationIdentifikation nach der Manipulation (post-ident) moral sadness

ANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression13,10134,3673,268,028aNicht standardisierte Residuen72,170541,336Gesamt85,27257a. Einfluvariablen : (Konstante), IA_justice.emosad, Justice, Z-Wert(Emo_sadness)b. Abhngige Variable: Ident_F1_postKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)4,137,20819,920,000Justice,489,304,2011,608,1141,0001,000Z-Wert(Emo_sadness),532,216,4352,463,017,5041,985IA_justice.emosad-,311,306-,179-1,015,314,5041,985a. Abhngige Variable: Ident_F1_postPost-Identifikation wird durch moral disgust oder bei Wenzel moral outrage vorhergesagt je hher moral disgust, desto hher post-Identifikation; Interaktion: bei high moral outrage gibt es keinen Unterschied zwischen justice notions bei hohem moral outrage; bei niedrigem moral outrage ist post-Identifkation unter restorativer Gerechtigkeit hher und kommt fast an die Ausprgung unter hohem Moral outrage heran.Identifikation nach der Manipulation (post-ident) moral disgust/ moral outrage

bSEtp1,04low moral_disgust0,402,580,013-0,11high moral_disgust0,400,270,789low justicehigh justicelow moral_disgust2,849023,8937439high moral_disgust4,990954,8823528ANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression22,00037,3336,259,001aNicht standardisierte Residuen63,271541,172Gesamt85,27257a. Einfluvariablen : (Konstante), IA_justice.emodis, Justice, Z-Wert(Emo_disgust)b. Abhngige Variable: Ident_F1_postKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)4,154,19521,355,000Justice,468,285,1931,642,106,9991,001Z-Wert(Emo_disgust),783,205,6403,827,000,4912,035IA_justice.emodis-,577,287-,336-2,010,049,4922,034a. Abhngige Variable: Ident_F1_postANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression11,37633,7922,771,050aNicht standardisierte Residuen73,896541,368Gesamt85,27257a. Einfluvariablen : (Konstante), IA_justice.emoam, Justice, Z-Wert(Emo_am_schafro)b. Abhngige Variable: Ident_F1_postKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)4,122,21019,615,000Justice,488,308,2011,583,119,9991,001Z-Wert(Emo_am_schafro),248,176,2031,411,164,7751,291IA_justice.emoam-,876,371-,339-2,358,022,7751,291a. Abhngige Variable: Ident_F1_postbSEtp1,36low emo_am0,482,860,006-0,39high emo_am0,490,800,430low justicehigh justicelow emo_am3,1924,556high emo_am4,5644,176Identifikation nach der Manipulation (post-ident) amo_ams

Zusammenwirken von pr-ID und Emotionen auf post-ID Dreifachinteraktion Multiple Regression mit den Prdiktoren: justice, pr-Identifikation, und moral disgustKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.RegressionskoeffizientBStandardfehlerBeta1(Konstante)4,415,13632,521,000Justice-,074,192-,030-,386,701Z-Wert(Ident_F1_pr)1,095,131,8958,384,000Z-Wert(Emo_disgust),110,146,090,751,456IA_justice.prID-,140,197-,070-,714,479IA_justice.emodis-,228,198-,133-1,154,254IA_emodis.prID-,059,128-,042-,459,648IA_emodis.prID.justice,186,210,086,883,381a. Abhngige Variable: Ident_F1_postANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression65,94179,42024,367,000aNicht standardisierte Residuen19,33050,387Gesamt85,27257a. Einfluvariablen : (Konstante), IA_emodis.prID.justice, Z-Wert(Ident_F1_pr), Justice, IA_justice.emodis, IA_emodis.prID, IA_justice.prID, Z-Wert(Emo_disgust)b. Abhngige Variable: Ident_F1_postZusammenwirken von pr-ID und Emotionen auf post-ID Dreifachinteraktion KoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.RegressionskoeffizientBStandardfehlerBeta1(Konstante)4,391,12236,055,000Justice,016,171,007,096,924Z-Wert(Ident_F1_pr)1,134,116,9279,788,000Z-Wert(Emo_sadness),055,123,045,448,656IA_justice.prID-,041,193-,021-,213,832IA_justice.emosad,185,181,1071,023,311IA_emosad.prID-,004,118-,003-,031,975IA_emosad.prID.justice-,399,205-,211-1,949,057a. Abhngige Variable: Ident_F1_postMultiple Regression mit den Prdiktoren: justice, pr-Identifikation, und moral sadnessANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression67,45579,63627,043,000aNicht standardisierte Residuen17,81750,356Gesamt85,27257a. Einfluvariablen : (Konstante), IA_emosad.prID.justice, Justice, Z-Wert(Emo_sadness), Z-Wert(Ident_F1_pr), IA_emosad.prID, IA_justice.prID, IA_justice.emosadb. Abhngige Variable: Ident_F1_postZusammenwirken von pr-ID und Emotionen auf post-ID Dreifachinteraktion Koeffizientena,bModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.RegressionskoeffizientBStandardfehlerBeta1(Konstante)4,391,10442,134,000Z-Wert(Ident_F1_pr)1,134,099,91211,438,000Z-Wert(Emo_sadness),055,105,041,523,605IA_emosad.prID-,004,101-,003-,037,971a. Justice = retributivb. Abhngige Variable: Ident_F1_postAuflsen der Dreifachinteraktion mit justice, pr-Identifikation und moral sadness nach justice also zwei Regressionsanalysen getrennt fr retributiv und fr restorativANOVAb,cModellQuadratsummedfMittel der QuadrateFSig.1Regression44,064314,68856,292,000aNicht standardisierte Residuen7,04527,261Gesamt51,10930a. Einfluvariablen : (Konstante), IA_emosad.prID, Z-Wert(Emo_sadness), Z-Wert(Ident_F1_pr)b. Justice = retributivc. Abhngige Variable: Ident_F1_postretributivbSEtp1,50low moral_loss0,324,690,0000,69high moral_loss0,193,710,001low pr-identificationhigh pr-identificationlow moral_loss3,4192584,9149907high moral_loss4,302064,9923923Simple slopes fr die Interaktion unter restorativer justicerestorativANOVAb,cModellQuadratsummedfMittel der QuadrateFSig.1Regression19,77436,59114,074,000aNicht standardisierte Residuen10,77223,468Gesamt30,54626a. Einfluvariablen : (Konstante), IA_emosad.prID, Z-Wert(Ident_F1_pr), Z-Wert(Emo_sadness)b. Justice = restorativc. Abhngige Variable: Ident_F1_postKoeffizientena,bModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.RegressionskoeffizientBStandardfehlerBeta1(Konstante)4,407,13831,951,000Z-Wert(Ident_F1_pr)1,093,177,8956,172,000Z-Wert(Emo_sadness),240,152,2311,574,129IA_emosad.prID-,403,192-,352-2,099,047a. Justice = restorativb. Abhngige Variable: Ident_F1_postSimple slope Analyse (fr Interaktion):ANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression65,35779,33723,442,000aNicht standardisierte Residuen19,91450,398Gesamt85,27257a. Einfluvariablen : (Konstante), IA_emoam.prID.justice, Z-Wert(Ident_F1_pr), Z-Wert(Emo_am_schafro), Justice, IA_justice.emoam, IA_emoam.prID, IA_justice.prIDb. Abhngige Variable: Ident_F1_postKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.RegressionskoeffizientBStandardfehlerBeta1(Konstante)4,409,12036,797,000Justice-,043,187-,018-,229,820Z-Wert(Ident_F1_pr)1,159,114,94710,193,000Z-Wert(Emo_am_schafro),030,118,025,258,797IA_justice.prID-,190,206-,095-,922,361IA_justice.emoam,044,260,017,170,866IA_emoam.prID-,050,093-,052-,540,591IA_emoam.prID.justice,017,193,008,090,929a. Abhngige Variable: Ident_F1_postZusammenwirken von pr-ID und Emotionen auf post-ID Dreifachinteraktion Dreifachinteraktion mit justice, pr-Identifikation und emo-ams.nach justice es bleibt nur Einfluss von pr-IdentifikationPrototypikalittswahrnehmungen IOS-SkalenJustice notions allein haben keine Effekt darauf, wie protoypisch man sich als FSU-Student sieht.; allgemein sehen sich Studierende als ziemlich prototypischEmpfundene Prototypikalitt der Studierenden wird beeinflusst durch die Identifikation, die sie zu Beginn des Exp. Haben, je hher, desto prototypischer eine Interaktion mit justice wrde man hier auch nicht erwarten.IOS-Skala Du FSU pr-Identifikation

Tests der ZwischensubjekteffekteAbhngige Variable:IOS_DuFSUQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell,302a1,302,146,704,003Konstanter Term1066,37111066,371516,065,000,902Justice,3021,302,146,704,003Fehler115,716562,066Gesamt1185,00058Korrigierte Gesamtvariation116,01757a. R-Quadrat = ,003 (korrigiertes R-Quadrat = -,015)KoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)4,429,23319,046,000Justice-,164,344-,058-,476,636,9331,072Z-Wert(Ident_F1_pr),889,220,6234,044,000,5801,725IA_justice.prID-,489,356-,210-1,375,175,5891,698a. Abhngige Variable: IOS_DuFSUbSEtp0,32low pr-ident0,510,630,530-0,65high pr-ident0,481,370,176low justicehigh justicelow pr-ident3,3776283,7024054high pr-ident5,6450494,9920631Prototypikalitt von sich selbst und L im Vergleich

Statistik bei gepaarten StichprobenMittelwertNStandardabweichungStandardfehler des MittelwertesPaaren 1IOS_DuFSU4,293581,4267,1873IOS_LFSU2,810581,8397,2416Korrelationen bei gepaarten StichprobenNKorrelationSignifikanzPaaren 1IOS_DuFSU & IOS_LFSU58,356,006Test bei gepaarten StichprobenGepaarte DifferenzenTdfSig. (2-seitig)MittelwertStandardabweichungStandardfehler des Mittelwertes95% Konfidenzintervall der DifferenzUntereOberePaaren 1IOS_DuFSU - IOS_LFSU1,48281,8848,2475,98721,97835,99157,000

L wird insgesamt als sign untypischer wahrgenommen als sich die Vp selbst wahrnehmenIOS-Skala Du und LTests der ZwischensubjekteffekteAbhngige Variable:IOS_DuLQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell1,350a11,3501,019,317,018Konstanter Term183,4191183,419138,490,000,712Justice1,35011,3501,019,317,018Fehler74,167561,324Gesamt262,00058Korrigierte Gesamtvariation75,51757a. R-Quadrat = ,018 (korrigiertes R-Quadrat = ,000)

Justice notions allein haben keine Effekt auf die du hnlichkeitswahrnehmung zwischen Vp und L.; allgemein wird L als sehr unhnlich wahrgenommen unter retributiv descriptiv hnlicher als unter restorativIOS-Skala Du und L moral sadness / moral lost

KoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)1,927,1959,903,000Justice-,296,285-,129-1,038,3041,0001,000Z-Wert(Emo_sadness)-,610,202-,530-3,016,004,5041,985IA_justice.emosad,539,287,3301,878,066,5041,985a. Abhngige Variable: IOS_DuLbSEtp-0,84low moral_sadness0,402,060,0440,24high moral_sadness0,400,600,550low justicehigh justicelow moral_sadness2,953892,1188824high moral_sadness1,1956211,4386726Justice notions allein haben keine Effekt auf die du hnlichkeitswahrnehmung zwischen Vp und L.; allgemein wird L als sehr unhnlich wahrgenommen unter retributiv descriptiv hnlicher als unter restorativHE moral lost: hhere hnlichkeitswahrn. Wenn moral lost neidrig marg. Interaktion mit justice: kein Unterschied in justice bei hohem moral loss, bei niedrigem hhere hnlichkeitswahrnehmung unter retributivANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression12,16034,0533,455,023aNicht standardisierte Residuen63,357541,173Gesamt75,51757a. Einfluvariablen : (Konstante), IA_justice.emosad, Justice, Z-Wert(Emo_sadness)b. Abhngige Variable: IOS_DuLJustice notions allein haben keine Effekt auf die du hnlichkeitswahrnehmung zwischen Vp und L.; allgemein wird L als sehr unhnlich wahrgenommen unter retributiv descriptiv hnlicher als unter restorativDescriptiv geht Einfluss von moral disgust in dieselbe Richtung; allgemein hhere hnlichkeit, wenn weniger moral disgust, kein Einfluss der justice notions unter hohem moral disgust; desktiptive Tendenz einer hheren hnlichkeit unter restributiv vs. restorativ unter niedrigem disgustIOS-Skala Du und L moral disgust/ moral outrageKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)1,922,2039,447,000Justice-,292,298-,128-,981,331,9991,001Z-Wert(Emo_disgust)-,421,214-,365-1,966,054,4912,035IA_justice.emodis,422,300,2611,405,166,4922,034a. Abhngige Variable: IOS_DuLbSEtp-0,71low moral_disgust0,421,690,0980,13high moral_disgust0,420,310,761low justicehigh justicelow moral_disgust2,699781,9855882high moral_disgust1,4367981,5660572Modell nicht signANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression6,30632,1021,640,191aNicht standardisierte Residuen69,211541,282Gesamt75,51757a. Einfluvariablen : (Konstante), IA_justice.emodis, Justice, Z-Wert(Emo_disgust)b. Abhngige Variable: IOS_DuLVerhaltensintentionMarginaler Effekt der justice notions auf die Verhaltensintention -> unter retributiver Gerechtigkeit ist die Bereitschaft zur erneuten Interaktion mit L tendenziell hherBei niedriger Identifikation tendenziell hhere Bereitschaft zur Interaktion mit L.Justice Effekt wird hier nicht mehr sign. Verhaltensintention pr-Identifikation

Tests der ZwischensubjekteffekteAbhngige Variable:MW_VhIntentionLQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell6,345a16,3453,189,080,054Konstanter Term558,0691558,069280,489,000,834Justice6,34516,3453,189,080,054Fehler111,419561,990Gesamt686,77858Korrigierte Gesamtvariation117,76457a. R-Quadrat = ,054 (korrigiertes R-Quadrat = ,037)

KoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)3,054,21214,405,000Justice-,470,314-,193-1,497,140,9331,072Z-Wert(Ident_F1_pr-,397,200-,324-1,982,053,5801,725IA_justice.prID,042,324,021,131,897,5891,698a. Abhngige Variable: MW_VhIntentionLbSEtp-0,51low pr-ident0,471,090,279-0,43high pr-ident0,430,990,328low justicehigh justicelow pr-ident3,7078573,1953009high pr-ident2,8708682,4429522Marginaler Effekt der justice notions auf die Verhaltensintention -> unter retributiver Gerechtigkeit ist die Bereitschaft zur erneuten Interaktion mit L tendenziell hherJustice effect besteht hier auch; auerdem HE moral outrage: eher Interaktionsbereitschaft, wenn moral outrage geringer ist, dies hngt aber nicht von der justice notion abVerhaltensintention moral disgustTests der ZwischensubjekteffekteAbhngige Variable:MW_VhIntentionLQuelleQuadratsumme vom Typ IIIdfMittel der QuadrateFSig.Partielles Eta-QuadratKorrigiertes Modell6,345a16,3453,189,080,054Konstanter Term558,0691558,069280,489,000,834Justice6,34516,3453,189,080,054Fehler111,419561,990Gesamt686,77858Korrigierte Gesamtvariation117,76457a. R-Quadrat = ,054 (korrigiertes R-Quadrat = ,037)

KoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.KollinearittsstatistikRegressionskoeffizientBStandardfehlerBetaToleranzVIF1(Konstante)3,127,20115,594,000Justice-,624,294-,256-2,123,038,9991,001Z-Wert(Emo_disgust)-,565,211-,461-2,680,010,4912,035IA_justice.emodis,225,296,131,759,451,4922,034a. Abhngige Variable: MW_VhIntentionLbSEtp-0,85low moral_disgust0,422,030,047-0,40high moral_disgust0,420,960,343low justicehigh justicelow moral_disgust4,1164013,2678543high moral_disgust2,7617562,3624862Verhaltensintention Dreifachinteraktion mit justice*ID*disgustKoeffizientenaModellNicht standardisierte KoeffizientenStandardisierte KoeffizientenTSig.RegressionskoeffizientBStandardfehlerBeta1(Konstante)3,265,24613,293,000Justice-,738,347-,303-2,128,038Z-Wert(Ident_F1_pr)-,127,236-,104-,539,592Z-Wert(Emo_disgust)-,560,264-,457-2,118,039IA_justice.prID-,120,356-,060-,338,737IA_justice.emodis,256,358,149,715,478IA_emodis.prID-,302,231-,214-1,307,197IA_emodis.prID.justice,425,381,1961,115,270a. Abhngige Variable: MW_VhIntentionLANOVAbModellQuadratsummedfMittel der QuadrateFSig.1Regression22,45473,2082,535,026aNicht standardisierte Residuen63,258501,265Gesamt85,71257a. Einfluvariablen : (Konstante), IA_emodis.prID.justice, Z-Wert(Ident_F1_pr), Justice, IA_justice.emodis, IA_emodis.prID, IA_justice.prID, Z-Wert(Emo_disgust)b. Abhngige Variable: MW_VhIntentionLInstructionsAuthor: Johannes [email protected]g.deInstructionsWhat does this template do for you?This template helps you understand interactions from a multiple regression equation. It visualizes the interaction and tests the simple slopesand the slope differences for significance (based on Aiken & West, 1991; Dawson & Richter, in press, Journal of Applied Psychology).What do you need to do?1. This template assumes that you have centered all predictors (before computing the interactions).Done? Ok, now a few easy steps will give you the interaction plot and the simple slopes:REGRESSION/MISSING LISTWISE4. Finally, double-click on the SPSS output and copy all the relevant information into the white cells on the following pages:Copy the coefficients,copy the variance-covariance matrix,...enter the number of subjects, and the standard deviations of the main predictor and moderator(s). The SD's are used for the interaction plot. You may chooseother values as you see fit. For instance, with dichotomous predictors, use effects-coding (-1 and 1) and enter 1 as SD.Update history:Version 1.1 introduced the test for slope differences (21.3.05)Versions 1.2 corrected the degrees of freedom in the two-way template (23.03.05)

[email protected]

2-way-linesIllustrating interactions from multiple regression: 2-wayName of dependent variablepost IdentRaw regression coefficientsStandard DeviationNumber of SubjectsConstant4.13758(a) Main Predictorjustice.4890.50df(b) Moderator 1moral_sadness.5321.0054InteractionIA_-.311Simple slopes for justice predicting post Ident at...bSEtp0.80low moral_sadness0.721.110.2710.18high moral_sadness0.620.290.774Variance-covariance matrix of regression coefficients (copy and paste from SPSS)cabc.228-.034-.089a-.034.221-.067b-.089-.067.089Do not type below: Input for figurelow justicehigh justicelow moral_sadness3.20493607584.0053197898high moral_sadness4.57895271054.7573223458

2-way-lines

low moral_sadnesshigh moral_sadness

3way-barsIllustrating interactions from multiple regression: 3-wayName of dependent variableTGsend8Raw regression coefficientsStandard DeviationNumber of SubjectsConstant4.11121(a) Main PredictorFeedback0.230.50(b) Moderator 1Guiltmanip1.430.50(c) Moderator 2Guilt-0.800.98Two-way interactionsFeedback X Guiltmanip-2.80Feedback X Guilt1.54dfGuiltmanip X Guilt2.20113Three-way interactionFeedback X Guiltmanip X Guilt-3.57Simple slopes for Feedback predicting TGsend8 at...bSEtp-1.63low Guiltmanip low Guilt2.170.750.454-0.92high Guiltmanip low Guilt1.040.890.3754.91low Guiltmanip high Guilt2.022.430.017-1.42high Guiltmanip high Guilt1.041.370.175Variance-covariance matrix of regression coefficients (copy and paste from SPSS)cabacbcababcc0.42466884920.09520697470.0952069747-0.00231662770.0038208299-0.0007689963-0.0002769484a0.09520697470.93502818020.4850650843-0.00253611870.0008882957-0.0006577549-0.0069076906b0.09520697470.48506508430.9575345174-0.00076899630.00070529710.0012538007-0.0023015809ac-0.425-0.08-0.0950.7460.4250.00839069590.0038208299bc-0.425-0.0950.0430.4251.2499045562-0.0432799172-0.0021450511ab-0.095-0.935-0.9580.08-0.04327991721.9608402050.0007052971abc0.4250.08-0.043-0.746-1.252.419Do not type below: Input for figurelow Guilthigh Guiltlow Guiltmaniplow Feedback6.0744804678low Guiltmaniplow Feedback-0.9287031062high Feedback4.4382720811high Feedback3.9929394928high Guiltmaniplow Feedback4.9938024227high Guiltmaniplow Feedback5.845289745high Feedback4.0687411767high Feedback4.4252876209

3way-bars

low GuiltFH

3way-lines

high GuiltUni

Illustrating interactions from multiple regression: 3-wayName of dependent variableIDNewRaw regression coefficientsStandard DeviationNumber of SubjectsConstant4.33121(a) Main PredictorFeedback0.230.50(b) Moderator 1Guiltmanip1.430.50(c) Moderator 2Guilt-0.800.98Two-way interactionsFeedback X Guiltmanip-2.80Feedback X Guilt1.54dfGuiltmanip X Guilt2.20113Three-way interactionFeedback X Guiltmanip X Guilt-3.57Simple slopes for Feedback predicting IDNew at...bSEtp-1.63low Guiltmanip low Guilt (1)0.0918.570.000-0.92high Guiltmanip low Guilt (2)0.136.960.0004.91low Guiltmanip high Guilt (3)0.1241.350.000-1.42high Guiltmanip high Guilt (4)0.0816.910.000Slope differences0.71(1) and (2)0.079.490.0006.54(1) and (3)0.1348.650.0000.22(1) and (4)0.121.850.067-5.83(2) and (3)0.1930.380.000-2.03(2) and (4)0.1513.250.000-6.32(3) and (4)0.0881.310.000Variance-covariance matrix of regression coefficients (copy and paste from SPSS)cabacbcababcc0.004333058-0.0004326198-0.0029529052-0.0010588803-0.00026654380.0013779439-0.0001461033a-0.00043261980.00530047440.0002064846-0.0004697008-0.00018803590.0000081795-0.0013471589b-0.00295290520.00020648460.00502822830.00102945970.000712806-0.00105888030.0003464615ac-0.0010588803-0.00046970080.00102945970.00502822830.0003464615-0.00295290520.000712806bc-0.0002665438-0.00018803590.0007128060.00034646150.0014935363-0.00014610330.0001184629ab0.00137794390.0000081795-0.0010588803-0.0029529052-0.00014610330.004333058-0.0002665438abc-0.0001461033-0.00134715890.00034646150.0007128060.0001184629-0.00026654380.0014935363Do not type below: Input for figurelow Feedbackhigh Feedbacklow Guiltmanip / low Guilt6.2920788354.6558704484low Guiltmanip / high Guilt-0.7111047394.21053786high Guiltmanip / low Guilt5.211400794.2863395439high Guiltmanip / high Guilt6.06288811234.6428859882

low Guiltmanip / low Guiltlow Guiltmanip / high Guilthigh Guiltmanip / low Guilthigh Guiltmanip / high Guilt

InstructionsAuthor: Johannes [email protected]g.deInstructionsWhat does this template do for you?This template helps you understand interactions from a multiple regression equation. It visualizes the interaction and tests the simple slopesand the slope differences for significance (based on Aiken & West, 1991; Dawson & Richter, in press, Journal of Applied Psychology).What do you need to do?1. This template assumes that you have centered all predictors (before computing the interactions).Done? Ok, now a few easy steps will give you the interaction plot and the simple slopes:REGRESSION/MISSING LISTWISE4. Finally, double-click on the SPSS output and copy all the relevant information into the white cells on the following pages:Copy the coefficients,copy the variance-covariance matrix,...enter the number of subjects, and the standard deviations of the main predictor and moderator(s). The SD's are used for the interaction plot. You may chooseother values as you see fit. For instance, with dichotomous predictors, use effects-coding (-1 and 1) and enter 1 as SD.Update history:Version 1.1 introduced the test for slope differences (21.3.05)Versions 1.2 corrected the degrees of freedom in the two-way template (23.03.05)

[email protected]

2-way-linesIllustrating interactions from multiple regression: 2-wayName of dependent variablepost IdentRaw regression coefficientsStandard DeviationNumber of SubjectsConstant4.13758(a) Main Predictorjustice.4890.50df(b) Moderator 1moral_sadness.5321.0054InteractionIA_-.311Simple slopes for justice predicting post Ident at...bSEtp0.80low moral_sadness0.721.110.2710.18high moral_sadness0.620.290.774Variance-covariance matrix of regression coefficients (copy and paste from SPSS)cabc.228-.034-.089a-.034.221-.067b-.089-.067.089Do not type below: Input for figurelow justicehigh justicelow moral_sadness3.20493607584.0053197898high moral_sadness4.57895271054.7573223458

2-way-lines

low moral_sadnesshigh moral_sadness

3way-barsIllustrating interactions from multiple regression: 3-wayName of dependent variableTGsend8Raw regression coefficientsStandard DeviationNumber of SubjectsConstant4.11121(a) Main PredictorFeedback0.230.50(b) Moderator 1Guiltmanip1.430.50(c) Moderator 2Guilt-0.800.98Two-way interactionsFeedback X Guiltmanip-2.80Feedback X Guilt1.54dfGuiltmanip X Guilt2.20113Three-way interactionFeedback X Guiltmanip X Guilt-3.57Simple slopes for Feedback predicting TGsend8 at...bSEtp-1.63low Guiltmanip low Guilt2.170.750.454-0.92high Guiltmanip low Guilt1.040.890.3754.91low Guiltmanip high Guilt2.022.430.017-1.42high Guiltmanip high Guilt1.041.370.175Variance-covariance matrix of regression coefficients (copy and paste from SPSS)cabacbcababcc0.42466884920.09520697470.0952069747-0.00231662770.0038208299-0.0007689963-0.0002769484a0.09520697470.93502818020.4850650843-0.00253611870.0008882957-0.0006577549-0.0069076906b0.09520697470.48506508430.9575345174-0.00076899630.00070529710.0012538007-0.0023015809ac-0.425-0.08-0.0950.7460.4250.00839069590.0038208299bc-0.425-0.0950.0430.4251.2499045562-0.0432799172-0.0021450511ab-0.095-0.935-0.9580.08-0.04327991721.9608402050.0007052971abc0.4250.08-0.043-0.746-1.252.419Do not type below: Input for figurelow Guilthigh Guiltlow Guiltmaniplow Feedback6.0744804678low Guiltmaniplow Feedback-0.9287031062high Feedback4.4382720811high Feedback3.9929394928high Guiltmaniplow Feedback4.9938024227high Guiltmaniplow Feedback5.845289745high Feedback4.0687411767high Feedback4.4252876209

3way-bars

low GuiltFH

3way-lines

high GuiltUni

Illustrating interactions from multiple regression: 3-wayName of dependent variableIDNewRaw regression coefficientsStandard DeviationNumber of SubjectsConstant4.33121(a) Main PredictorFeedback0.230.50(b) Moderator 1Guiltmanip1.430.50(c) Moderator 2Guilt-0.800.98Two-way interactionsFeedback X Guiltmanip-2.80Feedback X Guilt1.54dfGuiltmanip X Guilt2.20113Three-way interactionFeedback X Guiltmanip X Guilt-3.57Simple slopes for Feedback predicting IDNew at...bSEtp-1.63low Guiltmanip low Guilt (1)0.0918.570.000-0.92high Guiltmanip low Guilt (2)0.136.960.0004.91low Guiltmanip high Guilt (3)0.1241.350.000-1.42high Guiltmanip high Guilt (4)0.0816.910.000Slope differences0.71(1) and (2)0.079.490.0006.54(1) and (3)0.1348.650.0000.22(1) and (4)0.121.850.067-5.83(2) and (3)0.1930.380.000-2.03(2) and (4)0.1513.250.000-6.32(3) and (4)0.0881.310.000Variance-covariance matrix of regression coefficients (copy and paste from SPSS)cabacbcababcc0.004333058-0.0004326198-0.0029529052-0.0010588803-0.00026654380.0013779439-0.0001461033a-0.00043261980.00530047440.0002064846-0.0004697008-0.00018803590.0000081795-0.0013471589b-0.00295290520.00020648460.00502822830.00102945970.000712806-0.00105888030.0003464615ac-0.0010588803-0.00046970080.00102945970.00502822830.0003464615-0.00295290520.000712806bc-0.0002665438-0.00018803590.0007128060.00034646150.0014935363-0.00014610330.0001184629ab0.00137794390.0000081795-0.0010588803-0.0029529052-0.00014610330.004333058-0.0002665438abc-0.0001461033-0.00134715890.00034646150.0007128060.0001184629-0.00026654380.0014935363Do not type below: Input for figurelow Feedbackhigh Feedbacklow Guiltmanip / low Guilt6.2920788354.6558704484low Guiltmanip / high Guilt-0.7111047394.21053786high Guiltmanip / low Guilt5.211400794.2863395439high Guiltmanip / high Guilt6.06288811234.6428859882

low Guiltmanip / low Guiltlow Guiltmanip / high Guilthigh Guiltmanip / low Guilthigh Guiltmanip / high Guilt