Was sind die Vor-/Nachteile der Verwendung aller 30 Facetten ( NEO PI-R; Costa & McCrae, 1992 ) in einer multiplen Regression gegenüber der Verwendung nur der Facetten, für die Sie eine Hypothese haben?
Ich sehe, dass die überwiegende Mehrheit der Forschung immer alle 30 Facetten umfasst, aber ich verstehe den Mehrwert nicht ganz.
Verweise
Costa, PT, Jr., & McCrae, RR (1992). Überarbeitetes NEO-Persönlichkeitsinventar (NEO PI-R™) und NEO-Fünf-Faktoren-Inventar (NEO-FFI): Professionelles Handbuch . Odessa, FL: Psychologische Bewertungsressourcen.
Ich habe ein Papier geschrieben, das sich auf diese Frage konzentriert (Anglim & Grant, 2014; Vorabdruck ist https://osf.io/g8kbj/download ).
Kurz gesagt, wenn Sie abschätzen möchten, wie gut Facetten ein Ergebnis vorhersagen, sollten Sie alle Facetten als Prädiktoren einbeziehen. Ebenso sollten Sie, wenn Sie die inkrementelle Vorhersage von Facetten über Domänen (z. B. 30 Facetten über den Big 5) schätzen möchten, alle Domänen in das Domänenregressionsmodell und alle Facetten in das Facettenregressionsmodell aufnehmen.
Wenn Sie forschen, dann wissen Sie vermutlich nicht, welche Facetten das Ergebnis vorhersagen. Daher ist es eine empirische Frage, die vorherzusagen.
Ein wichtiger Punkt ist, dass Sie einen Schätzer verwenden, der Verzerrungen korrigiert, wenn Sie viele Prädiktoren einbeziehen. Ein vernünftiger Ansatz ist die Verwendung von angepasstem r-Quadrat, obwohl bei 30 Facetten große Stichproben sehr hilfreich sind.
Ich habe auch eine neuere Grundierung, die so gestaltet ist, dass sie ziemlich zugänglich ist (Anglim & O'Connor, 2018, siehe Vorabdruck https://psyarxiv.com/a78g2/download )
Wenn Sie mehr Details wünschen, posten Sie weitere Fragen in den Kommentaren.
Chris Rogers