Uma influência passa por um passo intermédio? (mediação)

Em resumo

Uma variável X afeta presumivelmente um resultado Y, e o efeito passa (em parte) por uma etapa intermédia M, o mediador. Exemplo: o apoio social (X) aumenta a autoeficácia (M), e esta aumenta o bem-estar (Y). Escolha três colunas de números; X pode também ter exatamente dois valores (p. ex. 0/1). O Statable estima o efeito indireto a·b com um intervalo de confiança por bootstrap. Ainda não é possível usar covariáveis.

O que o Statable calcula

• Três regressões: percurso a (X → M), percursos b e c′ (Y a partir de X e M), efeito total c (Y a partir de X); por percurso, B, erro-padrão, β, t, p e intervalo de confiança a 95%.
• Efeito indireto a·b, com c = c′ + a·b. O intervalo de confiança vem do bootstrap (5000 novas amostras, semente fixa: os mesmos dados dão o mesmo intervalo). A predefinição é o intervalo percentílico; o BCa pode ser escolhido em «Mais opções» (ver «Intervalos bootstrap»).
• Também o efeito indireto estandardizado e a proporção a·b / c; a proporção só é indicada se estiver entre 0 e 1.

Ler o resultado

• O que conta é o intervalo bootstrap de a·b: se excluir o 0, isto é um indício estatístico de um efeito indireto (não estabelece uma causa).
• Se o efeito direto c′ também for estatisticamente significativo e for na mesma direção, o efeito passa apenas em parte por M; se for na direção oposta, fala-se de mediação competitiva. O Statable evita as palavras mediação «total» e «parcial», porque dependem do tamanho da amostra.
• O gráfico mostra X → M → Y com B em cada percurso; linha contínua significa p < ,05, tracejada significa sem evidência clara.

Pressupostos e limites

• Pelo menos 10 pessoas com as três respostas; a partir de cerca de 50, o bootstrap é fiável.
• Relações lineares, dispersão aproximadamente igual dos resíduos, pessoas independentes; os valores atípicos podem influenciar fortemente o efeito indireto.
• A ordem X → M → Y é um pressuposto teórico que os dados não podem testar. Com dados de um único inquérito, a mediação não estabelece causalidade.

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

Para especialistas

O PSPP calcula os caminhos, o Statable o efeito indireto (intervalo percentílico). Estandardizado: a·b · SD(X) / SD(Y). Verificado com o R (lm, boot, lavaan, mediation::mediate): a estimativa pontual coincide exatamente, os limites bootstrap dentro do erro aleatório.

Mediação condicional e em série (em «Mais opções»)

• Modelo 7 (PROCESS): um moderador W altera o percurso de X para M. Modelo 14: W altera o percurso de M para Y. O efeito indireto depende então de W. Escolhe-se uma quarta coluna numérica (ou uma coluna com dois valores).
• O que importa é o índice de mediação moderada (index of moderated mediation): se o seu intervalo bootstrap exclui o zero, o efeito indireto depende de W. Os efeitos indiretos condicionais (nos percentis 16, 50 e 84 de W segundo o tipo 6, em alternativa na média ± 1 SD ou nos seus próprios valores) descrevem apenas a sua dimensão nesses pontos. Se cada um difere de zero mas o índice não, os dados não estabelecem uma moderação.
• Modelo 6: dois passos intermédios em sequência (X → M1 → M2 → Y). O Statable mostra os três efeitos indiretos, a sua soma e os três contrastes entre os percursos. A ordem dos passos intermédios é um pressuposto teórico; a ordem inversa ajusta-se igualmente bem aos dados.
• Não existe p para os efeitos indiretos, o índice e os contrastes, apenas o intervalo bootstrap (B = 5000, semente fixa); todos os efeitos provêm das mesmas extrações. Os dois fatores de um produto são centrados na média; isto não altera os efeitos, mas sim os coeficientes individuais (que passam a valer em W = média).
• Não incluído: outras covariáveis, erros-padrão robustos e outros modelos PROCESS. Este cálculo fica bloqueado com um peso do caso.

Exemplos típicos

• Apoio dos pais → autoeficácia → desempenho no exame: a influência passa pela autoeficácia?
• Stress → sono → concentração.