Test arabuluculuğuna yaklaşımınız, Baron & Kenny'nin (1986) klasik yöntemler belgesinde açıklanan "nedensel adımlar yaklaşımına" uygun görünüyor. Bu arabuluculuk yaklaşımı aşağıdaki adımları içerir:
- X ve Y'nin anlamlı derecede ilişkili olup olmadığını test edin ( c yolu); eğer değilse, analizi durdurun; Eğer öylelerse...
- X ve M'nin anlamlı şekilde ilişkili olup olmadığını test edin ( a yolu); eğer değilse, analizi durdurun; Eğer öylelerse...
- X ( b yolu) kontrol edildikten sonra M ve Y'nin anlamlı bir şekilde ilişkili olup olmadığını test edin ; eğer değilse, analizi durdurun; Eğer öylelerse...
- Karşılaştırma doğrudan etkisinin X ( c' - tahmin yoluna Y den X kontrol edildikten sonra M kadar) toplam etki bölgesinin X ( C Kademe 1 yolu). Eğer c ' sıfıra c'den daha yakınsa ve anlamlı değilse , araştırma, M'nin X ve Y arasındaki ilişkiye tamamen aracılık ettiği sonucuna varır . Fakat eğer c ' hala anlamlıysa, araştırmacı M'nin X'in etkisinin sadece "kısmi" aracısı olduğu sonucuna varır .Y .
Doğrudan ( c ' ) ve toplam efektler ( c ) arasındaki farkı vurgularım çünkü yazmış olsanız da ...
X'in dolaylı bir etkisi olduğunu ancak Y üzerinde doğrudan bir etkisi olmadığını iddia edebilir miyiz?
Aslında endişelendiğiniz şey, X'in dolaylı olduğunu, ancak Y üzerinde tam bir etkisi olmadığını iddia etmenin meşruiyetidir .
Kısa Cevap
Evet, toplam etki ( c ) anlamlı olmasa bile M'nin X ve Y arasındaki ilişkiye aracılık ettiği sonucuna varmak meşrudur . Nedensel adımlar yaklaşımı, tarihsel olarak popüler olmasına rağmen, daha istatistiksel olarak daha güçlü olan, verilerin daha az varsayımını yapan ve daha mantıklı olarak tutarlı olan arabuluculuk için test yöntemleriyle değiştirildi. Hayes (2013) kitabındaki nedensel adımlar yaklaşımının birçok sınırlamasının mükemmel erişilebilir ve kapsamlı bir açıklamasına sahiptir.
Önyükleme (MacKinnon ve diğerleri, 2004) ve Monte Carlo (Preacher ve Selig, 2012) yöntemleri de dahil olmak üzere diğer daha titiz yaklaşımlara göz atın. Her iki yöntem de dolaylı etkinin kendisinin bir güven aralığını tahmin eder ( ab yolu) - bu yöntemlerin yöntemler arasında nasıl farklılık gösterdiği - ve sonra 0'ın makul bir değer olup olmadığını görmek için güven aralığını incelersiniz. Hangi istatistiksel analiz yazılımını kullanırsanız kullanın, her ikisinin de kendi araştırmanızda uygulanması oldukça kolaydır.
Daha Uzun Cevap
Evet, toplam etki ( c ) anlamlı olmasa bile M'nin X ve Y arasındaki ilişkiye aracılık ettiği sonucuna varmak meşrudur . Aslında, istatistikçiler arasında toplam etkinin ( c ) arabuluculuk testleri için bir 'kapı bekçisi' olarak kullanılmaması gerektiği konusunda nispeten büyük bir fikir birliği vardır (örn. Hayes, 2009; Shrout & Bolger, 2002):
- Nedensel adımlar yaklaşımı dolaylı etkiyi ( ab yolu veya tercih ederseniz c-c ' ) doğrudan değerlendirmeden arabuluculuk varlığını istatistiksel olarak değerlendirmeye çalışır . Bu, özellikle dolaylı etkiyi doğrudan tahmin etmenin / test etmenin çok sayıda kolay yolu olduğu için mantıksız görünüyor.
- Nedensel adımlar yaklaşımı çoklu anlamlılık testlerine bağlıdır. Bazen anlamlılık testleri olması gerektiği gibi çalışır, ancak çıkarımsal testlerin varsayımları karşılanmadığında ve / veya çıkarımsal testlerin yetersiz olduğu durumlarda raydan çıkarılabilirler (sanırım John, sorunuzla ilgili yorumunda budur). Bu nedenle, belirli bir modelde arabuluculuk gerçekten olabilir, ancak toplam etki ( c ) basitçe, örneklem büyüklüğü küçük olduğu veya toplam etkinin test edilmesi için varsayımların karşılanmadığı için önemli olmayabilir. Ve nedensel adımlar yaklaşımı diğer iki anlamlılık testinin sonucuna bağlı olduğundan, nedensel adımlar yaklaşımını en az güçlü arabuluculuk testlerinden biri yapar (Preacher ve Selig, 2008).
- Toplam etki ( c ), doğrudan etkinin ( c ' ) ve tüm dolaylı etkilerin ( ab (1) , ab (2) ...) toplamı olarak anlaşılmaktadır . X'in Y üzerindeki etkisine , M1 ve M2 olmak üzere iki değişken tarafından tam olarak aracılık edildiğini (yani, c ' 0 olduğunu) düşünün . Ama daha dolaylı etkisi olduğunu iddia X ile Y arasında M1 yoluyla dolaylı etki ise, olumlu M2 ve negatif iki dolaylı etkiler büyüklük olarak karşılaştırılabilir. Bu iki dolaylı etkinin toplanması size toplam etki ( c) ve yine de, nedensel adımlar yaklaşımını benimserseniz, yalnızca bir "gerçek" arabuluculuk değil, iki tanesini de kaçırırsınız.
Arabuluculuğu test etmek için nedensel adımlar yaklaşımına önereceğim alternatifler arasında önyükleme (MacKinnon ve diğerleri, 2004) ve Monte Carlo (Preacher ve Selig, 2012) yöntemleri bulunmaktadır. Bootstrapping yöntemi, kendi verilerinizden aynı örnek büyüklüğüne sahip (örn. 5000) yüzeysel olarak çok sayıda rastgele örnek almayı, dolaylı etkiyi ( abher bir örnekte bu tahminleri en düşükten en yükseğe doğru sıralayın ve ardından önyüklemeli dolaylı etki için bazı yüzdelik dilimler aralığında olduğu gibi bir güven aralığı tanımlayın (örneğin,% 95 güven aralığı için 2.5 ve 97.5.). Dolaylı efektler için önyükleme makroları SPSS ve SAS gibi istatistiksel analiz yazılımları için kullanılabilir, paketler R için kullanılabilir ve diğer programlar (örn. Mplus) zaten yerleşik önyükleme yeteneklerine sahiptir.
Monte Carlo yöntemi, orijinal verileriniz olmadığında veya önyüklemenin mümkün olmadığı durumlarda güzel bir alternatiftir. Tek ihtiyacınız olan a ve b yolları için parametre tahminleri , her yolun varyansı ve iki yol arasındaki kovaryanstır (genellikle, ancak her zaman 0 değil). Bu istatistiksel değerlerle, daha sonra ab değerlerinin yüzeysel olarak büyük bir dağılımını (örneğin, 20.000) simüle edebilir ve önyükleme yaklaşımı gibi, bunları en düşükten en yükseğe doğru sıralayabilir ve bir güven aralığı tanımlayabilirsiniz. Kendi Monte Carlo arabuluculuk hesap makinenizi programlayabilseniz de, Kris Preacher'ın web sitesinde serbestçe kullanılabilen güzel bir tane var (beraberindeki kağıt için bkz. Preacher & Selig, 2012).
Her iki yaklaşım için de, 0 değerini içerip içermediğini görmek için güven aralığını incelersiniz; değilse, dolaylı etkinin önemi olduğu sonucuna varabilirsiniz.
Referanslar
Baron, RM ve Kenny, DA (1986). Sosyal psikolojik araştırmalarda moderatör-arabulucu değişken ayrımı: Kavramsal, stratejik ve istatistiksel değerlendirmeler. Kişilik ve Sosyal Psikoloji Dergisi , 51 , 1173-1182.
Hayes, AF (2013). Arabuluculuk, moderasyon ve koşullu süreç analizine giriş: Regresyon tabanlı bir yaklaşım. New York, NY: Guilford.
Hayes, AF (2009). Baron ve Kenny'nin Ötesinde: Yeni binyılda istatistiksel uzlaştırma analizi. İletişim Monografları , 76 408-420.
MacKinnon, DP, Lockwood, CM ve Williams, J. (2004). Dolaylı etki için güven sınırları: Ürünün dağılımı ve yeniden örnekleme yöntemleri. Çok Değişkenli Davranışsal Araştırma , 39 , 99-128.
Vaiz, KJ ve Selig, JP (2012). Dolaylı etkiler için Monte Carlo güven aralıklarının avantajları. İletişim Yöntemleri ve Önlemleri , 6 , 77-98.
Shrout, PE ve Bolger, N. (2002). Deneysel ve deneysel olmayan çalışmalarda arabuluculuk: Yeni prosedürler ve öneriler. Psikolojik Yöntemler , 7 , 422-445.