Czy wpływ przebiega przez krok pośredni? (mediacja)

W skrócie

Zmienna X prawdopodobnie wpływa na wynik Y, a wpływ ten przebiega (częściowo) przez pośredni krok M, mediator. Przykład: wsparcie społeczne (X) zwiększa poczucie własnej skuteczności (M), a to z kolei dobrostan (Y). Wybierz trzy kolumny z liczbami; X może też mieć dokładnie dwie wartości (np. 0/1). Statable szacuje efekt pośredni a·b z bootstrapowym przedziałem ufności. Kowariaty nie są jeszcze możliwe.

Co oblicza Statable

• Trzy regresje: ścieżka a (X → M), ścieżki b i c′ (Y z X i M), efekt całkowity c (Y z X); dla każdej ścieżki B, błąd standardowy, β, t, p i 95% przedział ufności.
• Efekt pośredni a·b, przy c = c′ + a·b. Przedział ufności pochodzi z bootstrapu (5000 nowych prób, stałe ziarno: te same dane dają ten sam przedział). Domyślny jest przedział percentylowy; BCa można wybrać w „Więcej opcji” (zob. „Przedziały bootstrapowe”).
• Także standaryzowany efekt pośredni i odsetek a·b / c; odsetek jest podawany tylko wtedy, gdy leży między 0 a 1.

Odczytywanie wyniku

• Rozstrzyga przedział bootstrap dla a·b: jeśli nie obejmuje 0, przemawia to statystycznie za efektem pośrednim (nie dowodzi to przyczyny).
• Jeśli efekt bezpośredni c′ również jest istotny statystycznie i ma ten sam kierunek, efekt biegnie tylko częściowo przez M; jeśli ma kierunek przeciwny, nazywa się to mediacją konkurencyjną. Statable unika określeń „pełna” i „częściowa” mediacja, ponieważ zależą one od liczebności próby.
• Wykres pokazuje X → M → Y z B na każdej ścieżce; linia ciągła oznacza p < ,05, przerywana - brak wyraźnych dowodów.

Założenia i ograniczenia

• Co najmniej 10 osób ze wszystkimi trzema odpowiedziami; od około 50 bootstrap jest wiarygodny.
• Zależności liniowe, w przybliżeniu jednakowy rozrzut reszt, niezależne osoby; wartości odstające mogą silnie wpływać na efekt pośredni.
• Kolejność X → M → Y to założenie wynikające z teorii, którego dane nie mogą przetestować. Przy danych z jednego badania ankietowego mediacja nie dowodzi związku przyczynowego.

ab = 0,42, 95% bootstrapowy CI [0,27; 0,58]; a = 0,47, p < ,001; b = 0,91, p < ,001; c′ = 0,42, p = ,002; c = 0,84, p < ,001

Dla specjalistów

PSPP oblicza ścieżki, a Statable sam efekt pośredni (przedział percentylowy). Standaryzowane: a·b · SD(X) / SD(Y). Sprawdzone w R (lm, boot, lavaan, mediation::mediate): oszacowanie punktowe zgadza się dokładnie, granice bootstrapowe w granicach błędu losowego.

Mediacja warunkowa i szeregowa (w sekcji „Więcej opcji”)

• Model 7 (PROCESS): moderator W zmienia ścieżkę od X do M. Model 14: W zmienia ścieżkę od M do Y. Wtedy efekt pośredni zależy od W. Wybiera się czwartą kolumnę liczbową (lub kolumnę z dwiema wartościami).
• Liczy się wskaźnik mediacji moderowanej (index of moderated mediation): jeśli jego przedział bootstrapowy wyklucza zero, efekt pośredni zależy od W. Warunkowe efekty pośrednie (przy percentylach 16, 50 i 84 zmiennej W według typu 6, alternatywnie przy średniej ± 1 SD albo przy własnych wartościach) opisują tylko, jak duży jest on w tych punktach. Jeśli każdy z nich osobno różni się od zera, ale wskaźnik nie, dane nie dowodzą moderacji.
• Model 6: dwa kroki pośrednie po kolei (X → M1 → M2 → Y). Statable pokazuje trzy efekty pośrednie, ich sumę i trzy kontrasty między ścieżkami. Kolejność kroków pośrednich jest założeniem z teorii; odwrotna kolejność pasuje do danych równie dobrze.
• Dla efektów pośrednich, wskaźnika i kontrastów nie ma p, tylko przedział bootstrapowy (B = 5000, stałe ziarno); wszystkie efekty pochodzą z tych samych losowań. Oba czynniki iloczynu są centrowane względem średniej; nie zmienia to efektów, ale zmienia pojedyncze współczynniki (obowiązują one wtedy przy W = średnia).
• Nie uwzględniono: dalszych kowariat (covariate), odpornych błędów standardowych i dalszych modeli PROCESS. To obliczenie jest zablokowane przy wadze przypadków.

Typowe przykłady

• Wsparcie rodziców → poczucie własnej skuteczności → wynik egzaminu: czy wpływ biegnie przez poczucie własnej skuteczności?
• Stres → sen → koncentracja.