Médiation statistique (effet indirect)

Une médiation se demande si X agit sur Y non seulement directement, mais aussi par une étape intermédiaire M (le médiateur). Trois régressions donnent les chemins : a (X → M), b (M → Y à X constant), c′ (X → Y direct) et c (X → Y total). L’effet indirect est le produit a·b ; on a c = c′ + a·b. Si l’intervalle de confiance bootstrap de a·b exclut 0, cela plaide statistiquement en faveur d’un effet indirect (cela n’établit pas une cause). La proportion a·b / c montre quelle part de l’effet total passe par M.

Exemple: ab = 0,42, IC bootstrap à 95 % [0,27 ; 0,58] : l’effet indirect par le sentiment d’efficacité personnelle est significatif, tout comme l’effet direct (c′ = 0,42). Cela est compatible avec l’hypothèse que le soutien agit aussi sur le bien-être par le sentiment d’efficacité personnelle ; une seule enquête ne peut pas le prouver.

Attention: Avec des données d’une seule enquête, une médiation n’établit pas de causalité : l’ordre X → M → Y est une hypothèse issue de la théorie. Que a et b soient significatifs séparément ne décide pas de l’effet indirect ; c’est l’intervalle de a·b qui le fait.