Köztes lépésen át érvényesül egy hatás? (mediáció)
Röviden
Egy X változó feltehetően hat egy Y kimenetre, és a hatás (részben) egy köztes lépésen, az M mediátoron keresztül érvényesül. Példa: a szociális támogatás (X) növeli az önhatékonyságot (M), az pedig a jóllétet (Y). Válassz három számoszlopot; az X-nek pontosan két értéke is lehet (pl. 0/1). A Statable az a·b közvetett hatást bootstrap konfidenciaintervallummal becsüli. Kovariánsok még nem lehetségesek.
Mit számol a Statable
- Három regresszió: az a út (X → M), a b és c′ út (Y az X-ből és M-ből), a c teljes hatás (Y az X-ből); utanként B, standard hiba, β, t, p és 95%-os konfidenciaintervallum.
- Az a·b közvetett hatás, c = c′ + a·b. A konfidenciaintervallum a bootstrapből származik (5000 új minta, rögzített kezdőérték: ugyanazok az adatok ugyanazt az intervallumot adják). Alapértelmezés a percentilis intervallum; a BCa a „További beállítások” alatt választható (lásd „Bootstrap intervallumok”).
- Ezenkívül a standardizált közvetett hatás és az a·b / c arány; az arány csak akkor jelenik meg, ha 0 és 1 között van.
Az eredmény értelmezése
- A döntő az a·b bootstrap-intervalluma: ha nem tartalmazza a 0-t, az statisztikailag a közvetett hatás mellett szól (okot nem bizonyít).
- Ha a c′ közvetlen hatás is statisztikailag szignifikáns, és ugyanabba az irányba mutat, a hatás csak részben halad M-en keresztül; ha ellentétes irányba mutat, ezt kompetitív mediációnak nevezzük. A Statable kerüli a „teljes” és „részleges” mediáció szavakat, mert ezek a mintanagyságtól függnek.
- A diagram az X → M → Y utat mutatja, minden úton a B-vel; a folytonos vonal p < ,05-öt jelent, a szaggatott azt: nincs egyértelmű bizonyíték.
Feltételek és korlátok
- Legalább 10 személy mindhárom válasszal; kb. 50-től a bootstrap megbízható.
- Lineáris összefüggések, a reziduumok nagyjából egyenlő szóródása, független személyek; a kiugró értékek erősen befolyásolhatják a közvetett hatást.
- Az X → M → Y sorrend elméleti feltevés, amelyet az adatok nem tudnak ellenőrizni. Egyetlen felmérés adataiból a mediáció nem bizonyítja az okságot.
ab = 0,42, 95%-os bootstrap KI [0,27; 0,58]; a = 0,47, p < ,001; b = 0,91, p < ,001; c′ = 0,42, p = ,002; c = 0,84, p < ,001
Szakembereknek
A PSPP az utakat számolja, a közvetett hatást maga a Statable (percentilis intervallum). Standardizált: a·b · SD(X) / SD(Y). Ellenőrizve R-rel (lm, boot, lavaan, mediation::mediate): a pontbecslés pontosan egyezik, a bootstrap határok a véletlen hibán belül.
Feltételes és soros mediáció (a „További beállítások” alatt)
- 7. modell (PROCESS): a W moderátor megváltoztatja az X-ből M-be vezető utat. 14. modell: a W megváltoztatja az M-ből Y-ba vezető utat. A közvetett hatás ilyenkor W-től függ. Egy negyedik számoszlopot (vagy egy kétértékű oszlopot) kell választani.
- A moderált mediáció (moderated mediation) indexe a lényeges: ha a bootstrap-intervalluma nem tartalmazza a nullát, a közvetett hatás a W-től függ. A feltételes közvetett hatások (a W 16., 50. és 84. percentilisénél a 6. típus szerint, vagy az átlag ± 1 SD-nél, illetve a saját értékeidnél) csak azt írják le, mekkora a hatás ott. Ha egyenként eltérnek a nullától, de az index nem, az adatok nem bizonyítanak moderációt.
- 6. modell: két köztes lépés egymás után (X → M1 → M2 → Y). A Statable megmutatja a három közvetett hatást, az összegüket és az utak közötti három kontrasztot. A köztes lépések sorrendje elméleti feltevés; a fordított sorrend ugyanolyan jól illeszkedik az adatokhoz.
- A közvetett hatásokhoz, az indexhez és a kontrasztokhoz nincs p, csak a bootstrap-intervallum (B = 5000, rögzített kezdőérték); minden hatás ugyanazokból a húzásokból származik. A szorzat két tényezőjét az átlagra centráljuk; ez nem változtatja meg a hatásokat, de az egyes együtthatókat igen (ezek ilyenkor W = átlag esetén érvényesek).
- Nem tartalmazza: további kovariánsokat, robusztus standard hibákat és további PROCESS-modelleket. Ez a számítás esetsúly mellett le van tiltva.
Tipikus példák
- A szülői támogatás → énhatékonyság → vizsgateljesítmény: az énhatékonyságon keresztül érvényesül a hatás?
- Stressz → alvás → koncentráció.