Model badawczy – jak narysować schemat hipotez

Autor: Konrad Hryniewicz · Opublikowano: 29 października 2026

W skrócie: Model badawczy to rysunek wszystkich zmiennych z hipotez: zmienne to prostokąty, a hipotezy o związkach – strzałki od przyczyny do skutku z numerem H i przewidywanym znakiem. Mediator stawiasz na drodze między X a Y, moderator rysujesz strzałką wskazującą na strzałkę, a zmienne kontrolne – linią przerywaną, bez numerów hipotez. Rysuj model przed zebraniem danych, bo każda strzałka wymaga uzasadnienia w teorii, a brak strzałki też jest założeniem. Z rysunku wprost wynika analiza: jedno równanie regresji na każdą zmienną, do której wchodzą strzałki, szablon PROCESS albo – przy bardziej złożonym układzie – analiza ścieżek lub SEM.

Czym jest model badawczy i po co go rysować

Model badawczy to rysunek, na którym widać wszystkie zmienne z hipotez i zakładane między nimi związki. W pracach dyplomowych nazywa się go też schematem hipotez albo modelem koncepcyjnym. Zastępuje kilka akapitów opisu: promotor i recenzent od razu widzą, co jest przyczyną, co skutkiem, która zmienna pośredniczy, a która zmienia siłę związku. Ty z kolei widzisz, czy hipotezy tworzą spójną całość i jaką analizą je sprawdzisz.

Rysunek nie zastępuje teorii, tylko ją streszcza. Każda strzałka powinna mieć uzasadnienie w literaturze, tak jak każda hipoteza (zob. relacja między hipotezą a teorią). Dlatego model rysuje się po sformułowaniu pytań badawczych i hipotez, a przed zebraniem danych. Rysunek zrobiony dopiero z wyników łatwo „dopasować” do tego, co wyszło.

Pomysł nie jest nowy. Wright (1934) opisał metodę współczynników ścieżek, w której układ strzałek między zmiennymi wiąże ich korelacje z zakładanymi zależnościami. Z tej tradycji pochodzi wykres ścieżkowy używany w SEM. Schemat hipotez w pracy magisterskiej to jego uproszczona wersja: bez błędów pomiaru i liczb, za to z numerami hipotez.

Warto odróżnić dwa rodzaje rysunków. Hayes (2022) nazywa je modelem koncepcyjnym i modelem statystycznym. Model koncepcyjny pokazuje, co zakładasz: na przykład że wsparcie osłabia związek stresu z zamartwianiem się. Model statystyczny pokazuje, co faktycznie liczysz: równania z predyktorami, iloczynem i ścieżkami. W rozdziale teoretycznym i metodologicznym umieszczasz model koncepcyjny. Statystyczny przydaje się Tobie przy planowaniu analizy.

Elementy rysunku: pola, strzałki i łuki

Schemat hipotez korzysta z kilku symboli. Pełny zestaw dla modeli SEM opisuje hasło o wykresie ścieżkowym. W pracy dyplomowej zwykle wystarczy ten z tabeli.

Symbole na schemacie hipotez i ich znaczenie
Symbol	Co oznacza	Kiedy go użyć
Prostokąt	zmienna mierzona, np. wynik skali, wiek, grupa	prawie zawsze; w modelu koncepcyjnym także dla wyniku skali sumarycznej
Owal	zmienna ukryta mierzona kilkoma wskaźnikami	tylko gdy naprawdę szacujesz model SEM z częścią pomiarową
Strzałka jednokierunkowa	hipoteza o związku w określonym kierunku: od predyktora do zmiennej zależnej	dla każdej hipotezy o wpływie lub przewidywaniu
Łuk z grotami na obu końcach	kowariancja lub korelacja bez założonego kierunku	między predyktorami, które mogą być skorelowane; zwykle bez hipotezy
Strzałka wskazująca na inną strzałkę	moderacja: siła lub kierunek związku zależy od trzeciej zmiennej	przy hipotezach typu „tym silniej, im…”
Linia przerywana	związek kontrolowany, ale niebędący hipotezą	przy zmiennych kontrolnych i ścieżkach bez przewidywań
Etykieta H1–Hn	numer hipotezy z tekstu, często ze znakiem (+) lub (−)	przy każdej strzałce, której dotyczy hipoteza

Rysunek czyta się od lewej do prawej. Przyczyny (predyktory) stawiasz po lewej, zmienne zależne po prawej, a mediatory pośrodku. Strzałki powinny biec w jedną stronę i nie przecinać się. Rysunek 1 pokazuje najprostszy wzór: dwa predyktory, jedna zmienna zależna, dwie hipotezy i zmienne kontrolne.

Schemat hipotez: prostokąty Stres akademicki i Aktywność fizyczna po lewej, połączone niebieskim łukiem korelacji, ze strzałkami do prostokąta Jakość snu po prawej oznaczonymi H1 (minus) i H2 (plus); nad Jakością snu przerywane pole Kontrolne: wiek, płeć z przerywaną strzałką — Rysunek 1. Wzór modelu z dwoma predyktorami. Strzałki to hipotezy (w nawiasie przewidywany kierunek związku), łuk to korelacja predyktorów bez hipotezy, a linia przerywana – zmienne kontrolne. Rysunek: R, pakiet ggplot2.

Zwróć uwagę na trzy szczegóły. Hipoteza stoi przy strzałce, a nie przy polu, bo dotyczy związku, a nie zmiennej. Znak w nawiasie mówi, czego oczekujesz, więc rysunek od razu odpowiada hipotezie kierunkowej w tekście. Łuk między predyktorami przypomina, że w badaniu korelacyjnym zmienne niezależne zwykle są ze sobą powiązane. Regresja i tak to uwzględnia, ale rysunek uczciwie to pokazuje.

Mediator: zmienna na ścieżce

Mediator wyjaśnia, dlaczego lub przez co predyktor wiąże się z wynikiem. Baron i Kenny (1986) podkreślali, że mediatora i moderatora nie wolno używać zamiennie, bo opisują inne hipotezy. Na rysunku mediację poznasz po tym, że mediator stoi na drodze między X a Y: jedna strzałka wchodzi do niego, druga wychodzi (rysunek 2).

Schemat mediacji w kształcie trójkąta: Stres akademicki po lewej u dołu, Zamartwianie się przed snem u góry pośrodku, Jakość snu po prawej u dołu; czerwone strzałki a z etykietą H2 (plus) i b z etykietą H3 (minus), szara strzałka c prim od stresu do snu; pod spodem opis H1 efekt całkowity c i H4 efekt pośredni a razy b — Rysunek 2. Wzór modelu mediacji (model 4 w numeracji PROCESS). Ścieżki a i b tworzą efekt pośredni, a c′ to efekt bezpośredni. Hipoteza o efekcie pośrednim (H4) nie ma własnej strzałki, dlatego opisano ją pod rysunkiem. Rysunek: R, pakiet ggplot2.

W tym wzorze są cztery hipotezy. H1 dotyczy efektu całkowitego c, czyli związku stresu ze snem bez mediatora. H2 i H3 dotyczą ścieżek a i b. H4 mówi o efekcie pośrednim, który jest iloczynem a × b. To najważniejsza hipoteza mediacyjna, ale na rysunku nie ma jednej strzałki, do której można ją przypiąć. Opisz ją w podpisie albo pod rysunkiem. Nie dopisuj jej przy ścieżce c′, bo to inny efekt.

Ścieżkę c′ rysuj zawsze, nawet gdy zakładasz mediację całkowitą. Brak strzałki to założenie, że efekt bezpośredni wynosi zero, a w regresji i tak go oszacujesz. Gdy mediatorów jest więcej, stawiasz je jeden pod drugim (mediacja równoległa) albo jeden za drugim (mediacja szeregowa). Oba układy omawia wpis o mediacji równoległej i szeregowej. Analizę krok po kroku z bootstrapem pokazuje analiza mediacji krok po kroku.

Moderator: strzałka na strzałkę

Moderator nie leży na drodze od X do Y. Zmienia siłę albo kierunek tego związku (Baron i Kenny, 1986). Dlatego na modelu koncepcyjnym jego strzałka nie trafia w żadne pole, tylko w środek innej strzałki. Taki zapis mówi: „siła tej ścieżki zależy od W”. W modelu statystycznym ta sama hipoteza wygląda inaczej. Do Y prowadzą trzy strzałki: od X, od W i od iloczynu X × W. Hipotezą jest współczynnik przy iloczynie, czyli interakcja. Oba zapisy zestawia analiza moderacji krok po kroku.

Moderator możesz postawić przy każdej ścieżce modelu mediacji. Edwards i Lambert (2007) pokazali, że moderator może zmieniać ścieżki tworzące efekt bezpośredni, pośredni i całkowity, i że trzeba wprost wskazać, której ścieżki dotyczy. Na rysunku 3 wsparcie społeczne osłabia ścieżkę a, czyli związek stresu z zamartwianiem się. To moderowana mediacja, w PROCESS model 7. Gdyby strzałka od wsparcia trafiała w ścieżkę b, byłby to model 14. Gdyby w ścieżkę c′ – moderacja efektu bezpośredniego.

Schemat moderowanej mediacji: Stres akademicki, Zamartwianie się przed snem i Jakość snu ułożone w trójkąt jak w mediacji; niebieska strzałka H5 od pola Wsparcie społeczne w lewym górnym rogu trafia w środek strzałki a od stresu do zamartwiania; przerywane pole Kontrolne: wiek, płeć w prawym górnym rogu z przerywanymi strzałkami do zamartwiania i do jakości snu — Rysunek 3. Wzór modelu moderowanej mediacji (model 7 w numeracji PROCESS) ze zmiennymi kontrolnymi. Niebieska strzałka trafia w środek ścieżki a: siła związku stresu z zamartwianiem się zależy od wsparcia. Zmienne kontrolne wchodzą do obu równań, ale nie mają hipotez. Rysunek: R, pakiet ggplot2.

Hipoteza H5 dotyczy więc dwóch rzeczy naraz: interakcji stresu ze wsparciem w równaniu dla mediatora oraz tego, że efekt pośredni zmienia się wraz ze wsparciem. Jak to sprawdzić indeksem moderowanej mediacji i warunkowymi efektami pośrednimi, pokazuje wpis o moderowanej mediacji i modelach PROCESS w R. Na rysunku wystarczy jedna strzałka i jedna etykieta.

Zmienne kontrolne na rysunku

Zmienne kontrolne zaznacz, ale odróżnij od hipotez. Najczytelniej działa jedno przerywane pole z listą zmiennych i przerywane strzałki do każdej zmiennej zależnej, w której równaniu je uwzględnisz (rysunek 3). Nie rysuj osobnego pola dla wieku, płci i stażu, bo zabiorą miejsce hipotezom. Nie nadawaj im też numerów H.

Ważniejsze od kształtu jest uzasadnienie. Bernerth i Aguinis (2016) przejrzeli 580 artykułów z psychologii pracy. Większość zmiennych kontrolnych stanowiły w nich te same zmienne demograficzne, a autorzy prawie nigdy nie wyjaśniali, po co je dodali. Każda zmienna w przerywanym polu powinna mieć zdanie uzasadnienia w rozdziale metodologicznym. Zwykle chodzi o to, że może wpływać zarówno na predyktor, jak i na wynik. Rohrer (2018) ostrzega z kolei, że kontrolowanie mediatora albo wspólnego skutku dwóch zmiennych (zmiennej zderzeniowej) oddala oszacowanie od szukanego efektu. Jak wybrać zmienne kontrolne, wyjaśniają wpisy czy kontrolować wiek i płeć oraz grafy przyczynowe DAG.

Hipotezy H1–Hn na rysunku i w tekście

Numery na rysunku muszą zgadzać się z numerami w tekście, w planie analizy i w rozdziale wyników. Kilka zasad ułatwia porządek:

Jedna hipoteza – jeden efekt. Jeśli H1 mówi o dwóch ścieżkach naraz, rozbij ją na H1a i H1b. Recenzent zapyta, co zrobisz, gdy potwierdzi się tylko połowa.
Kolejność od prostych do złożonych: najpierw ścieżki bezpośrednie, potem efekty pośrednie, na końcu moderacja.
Znak przy numerze, gdy hipoteza jest kierunkowa. Brak znaku oznacza hipotezę bez kierunku.
Efekty bez strzałki (pośrednie, warunkowe) opisz pod rysunkiem albo w podpisie.
Te same nazwy zmiennych na rysunku, w tabelach i w tekście. Jeśli w tabeli piszesz „Zamartwianie”, nie pisz na rysunku „Ruminacja”.

Rysunek w pracy ma numer, tytuł i notę wyjaśniającą symbole. Poniżej wzór podpisu i akapitu do rozdziału metodologicznego dla modelu z rysunku 3.

Rysunek 1. Model badawczy: stres akademicki, zamartwianie się przed snem, wsparcie społeczne i jakość snu. Uwaga. Strzałki ciągłe oznaczają hipotezy (w nawiasie przewidywany kierunek związku). Strzałka skierowana na ścieżkę oznacza moderację. Linie przerywane oznaczają zmienne kontrolne (wiek, płeć). c′ – efekt bezpośredni. Zakładam, że wyższy stres akademicki wiąże się z gorszą jakością snu (H1) i z częstszym zamartwianiem się przed snem (H2), a częstsze zamartwianie się wiąże się z gorszą jakością snu (H3). Oczekuję, że zamartwianie się pośredniczy w związku stresu z jakością snu (H4), a efekt pośredni jest słabszy u osób z wyższym wsparciem społecznym, ponieważ wsparcie osłabia związek stresu z zamartwianiem się (H5). Model sprawdzę w dwóch równaniach regresji z kontrolą wieku i płci (model 7 w PROCESS; Hayes, 2022), a efekty pośrednie oszacuję metodą bootstrap.

Od rysunku do analizy

Dobrze narysowany model prawie sam wskazuje analizę. Każde pole, do którego wchodzą strzałki, to jedno równanie regresji. Każda strzałka wchodząca do pola to predyktor w tym równaniu. Strzałka wskazująca na strzałkę to iloczyn dwóch predyktorów. Z rysunku 3 wynikają więc dwa równania: zamartwianie się przewidywane przez stres, wsparcie, ich iloczyn i zmienne kontrolne oraz jakość snu przewidywana przez stres, zamartwianie się i zmienne kontrolne.

Układ modelu badawczego i odpowiadająca mu analiza
Co jest na rysunku	Analiza	Gdzie dalej
Kilka predyktorów, jedna zmienna zależna	regresja wielokrotna; bloki predyktorów – regresja hierarchiczna	regresja hierarchiczna
Strzałka na strzałkę X → Y	regresja z interakcją (PROCESS, model 1)	analiza moderacji
Mediator na ścieżce	dwa równania i bootstrap efektu pośredniego (PROCESS, model 4 albo lavaan)	analiza mediacji
Moderator przy ścieżce mediacji	moderowana mediacja (PROCESS, modele 7, 14, 58)	modele PROCESS w R
Kilka zmiennych zależnych, łańcuchy ścieżek	analiza ścieżek na zmiennych obserwowalnych	analiza ścieżek w lavaan
Owale ze wskaźnikami	pełny model SEM (część pomiarowa i strukturalna)	SEM

PROCESS ma gotowe szablony, a model badawczy dopasowujesz do jednego z nich. Gdy rysunek nie pasuje do żadnego numeru, na przykład ma dwie zmienne zależne albo ścieżkę od Y1 do Y2, przejdź do analizy ścieżek. Tam zapisujesz dowolny układ strzałek, a program sprawdza też, czy model jest identyfikowalny. McDonald i Ho (2002) zalecają, by raport z takiego modelu uzasadniał przyjęty układ i wskazywał wiarygodne modele alternatywne. Rysunek sporządzony przed analizą bardzo to ułatwia. Pełną listę decyzji, od skali pomiaru po wybór testu, porządkuje przewodnik po statystyce w pracy dyplomowej.

Typowe błędy w modelu badawczym

Strzałki dwukierunkowe bez uzasadnienia. Łuk oznacza korelację bez kierunku, a strzałka z grotami na obu końcach między predyktorem a wynikiem nie odpowiada żadnej hipotezie, którą sprawdzisz regresją. Jeśli teoria przewiduje wpływ wzajemny, potrzebujesz pomiaru w kilku falach, a nie podwójnego grotu.
„Wszystko ze wszystkim”. Gdy każda zmienna łączy się z każdą, model niczego nie wyklucza. Ma zero stopni swobody, więc jego dopasowania nie da się ocenić, a liczba hipotez rośnie tak, że część „potwierdzi się” przypadkiem. Brak strzałki to też hipoteza: zakładasz, że związku nie ma.
Strzałka jako dowód przyczynowości. Strzałka wyraża założenie. W badaniu przekrojowym jej kierunek wynika z teorii, a nie z danych. Maxwell i Cole (2007) pokazali, że mediacja szacowana na danych z jednego pomiaru daje zwykle obciążone oszacowania procesu rozłożonego w czasie. Pisz więc „wiąże się z”, a nie „powoduje” (zob. korelacja a przyczynowość).
Odwracanie strzałek, żeby „sprawdzić kierunek”. Rohrer i in. (2022) wyjaśniają, że ani odwrócenie strzałek, ani porównanie dopasowania modeli nie powie, który model jest właściwy.
Dorysowywanie strzałek po analizie. Zmiany modelu podyktowane danymi często nie powtarzają się w innych próbach (MacCallum i in., 1992). Nowe ścieżki opisz jako analizę eksploracyjną, a nie jako hipotezy.
Moderator narysowany jak mediator (albo odwrotnie). Jeśli hipoteza mówi „związek jest silniejszy, gdy…”, strzałka musi trafiać w strzałkę. O tym, kiedy ta sama zmienna może grać różne role, przeczytasz w artykule o rodzajach zmiennych w badaniu.
Zbyt dużo na jednym rysunku. Ponad sześć–siedem pól zwykle oznacza, że praca ma kilka modeli. Narysuj je osobno.

Model badawczy to pierwsza rzecz, którą sprawdzamy w konsultacjach. Jeśli rysunek, hipotezy i plan analizy do siebie nie pasują, pomożemy je uporządkować w ramach oferty analizy statystyczne dla studentów. Decyzje o modelu musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Czym różni się model badawczy od wykresu ścieżkowego?

Model badawczy (koncepcyjny) pokazuje hipotezy: zmienne, kierunki związków i numery H, bez liczb i błędów. Wykres ścieżkowy jest pełnym zapisem modelu statystycznego, zwykle SEM: zawiera każdy szacowany parametr, w tym kowariancje, błędy pomiaru i zakłócenia, a po analizie także współczynniki. Model badawczy umieszczasz w części teoretycznej lub metodologicznej, wykres ścieżkowy z wynikami – w rozdziale wyników.

Czy na schemacie hipotez trzeba zaznaczać zmienne kontrolne?

Warto, bo czytelnik widzi wtedy, w których równaniach je uwzględniasz. Najlepiej jako jedno przerywane pole z listą zmiennych i przerywane strzałki do zmiennych zależnych, bez numerów hipotez. Każdą zmienną kontrolną uzasadnij w rozdziale metodologicznym i nie kontroluj mediatora ani zmiennej zderzeniowej (Rohrer, 2018).

Jak oznaczyć na rysunku hipotezę o efekcie pośrednim?

Efekt pośredni to iloczyn ścieżek a i b, więc nie ma własnej strzałki. Oznacz ścieżki a i b ich hipotezami, a hipotezę o efekcie pośrednim (np. H4: X → M → Y) zapisz pod rysunkiem albo w nocie. Nie dopisuj jej przy ścieżce bezpośredniej c′, bo to inny efekt.

W jakim programie narysować model badawczy do pracy magisterskiej?

Wystarczą kształty i łączniki w edytorze tekstu albo w programie do prezentacji; wygodne są też darmowe edytory diagramów. Ważniejsze od programu są zasady: przyczyny po lewej, skutki po prawej, czytelna czcionka, te same nazwy zmiennych co w tekście i nota wyjaśniająca symbole. Kto pracuje w R, może rysować model w pakiecie DiagrammeR albo ggplot2.

Czy strzałka w modelu badawczym oznacza związek przyczynowy?

Oznacza założenie o kierunku, które wynika z teorii, a nie wynik badania. W badaniu przekrojowym dane nie rozstrzygają kierunku: odwrócenie strzałek ani porównanie dopasowania modeli tego nie przesądzi (Rohrer i in., 2022). Dlatego w opisie wyników pisz „wiąże się z”, a o przyczynowości mów dopiero przy eksperymencie albo planie podłużnym.

Powiązane hasła

Wykres ścieżkowy Mediacja (analiza mediacji)Moderacja Moderowana mediacja Zmienna kontrolna Hipoteza badawcza Efekt pośredni (analiza mediacji)Analiza ścieżek

Przeczytaj też

Poradnik

Rysujesz model badawczy i nie wiesz, czy pasuje do hipotez?

Sprawdzimy rysunek, numerację hipotez, dobór zmiennych kontrolnych i plan analizy oraz wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie je opisać i obronić.

Oferta dla studentów Wyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
Bernerth, J. B., & Aguinis, H. (2016). A critical review and best-practice recommendations for control variable usage. Personnel Psychology, 69(1), 229–283. https://doi.org/10.1111/peps.12103
Edwards, J. R., & Lambert, L. S. (2007). Methods for integrating moderation and mediation: A general analytical framework using moderated path analysis. Psychological Methods, 12(1), 1–22. https://doi.org/10.1037/1082-989x.12.1.1
Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.
MacCallum, R. C., Roznowski, M., & Necowitz, L. B. (1992). Model modifications in covariance structure analysis: The problem of capitalization on chance. Psychological Bulletin, 111(3), 490–504. https://doi.org/10.1037/0033-2909.111.3.490
Maxwell, S. E., & Cole, D. A. (2007). Bias in cross-sectional analyses of longitudinal mediation. Psychological Methods, 12(1), 23–44. https://doi.org/10.1037/1082-989x.12.1.23
McDonald, R. P., & Ho, M.-H. R. (2002). Principles and practice in reporting structural equation analyses. Psychological Methods, 7(1), 64–82. https://doi.org/10.1037/1082-989x.7.1.64
Rohrer, J. M. (2018). Thinking clearly about correlations and causation: Graphical causal models for observational data. Advances in Methods and Practices in Psychological Science, 1(1), 27–42. https://doi.org/10.1177/2515245917745629 ● Otwarty dostęp
Rohrer, J. M., Hünermund, P., Arslan, R. C., & Elson, M. (2022). That’s a lot to process! Pitfalls of popular path models. Advances in Methods and Practices in Psychological Science, 5(2), Article 25152459221095827. https://doi.org/10.1177/25152459221095827 ● Otwarty dostęp
Wright, S. (1934). The method of path coefficients. The Annals of Mathematical Statistics, 5(3), 161–215. https://doi.org/10.1214/aoms/1177732676 ● Otwarty dostęp

Cytowania BibTeX

@article{baron1986moderator, author={Baron, Reuben M. and Kenny, David A.}, title={{The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations}}, journal={Journal of Personality and Social Psychology}, year={1986}, volume={51}, number={6}, pages={1173--1182}, doi={10.1037/0022-3514.51.6.1173}}

@article{bernerth2016critical, author={Bernerth, Jeremy B. and Aguinis, Herman}, title={{A critical review and best-practice recommendations for control variable usage}}, journal={Personnel Psychology}, year={2016}, volume={69}, number={1}, pages={229--283}, doi={10.1111/peps.12103}}

@article{edwards2007methods, author={Edwards, Jeffrey R. and Lambert, Lisa Schurer}, title={{Methods for integrating moderation and mediation: A general analytical framework using moderated path analysis}}, journal={Psychological Methods}, year={2007}, volume={12}, number={1}, pages={1--22}, doi={10.1037/1082-989x.12.1.1}}

@book{hayes2022introduction, author={Hayes, Andrew F.}, title={{Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.)}}, year={2022}, publisher={Guilford Press}, url={https://www.guilford.com/books/Introduction-to-Mediation-Moderation-and-Conditional-Process-Analysis/Andrew-Hayes/9781462549030}}

@article{maccallum1992model, author={MacCallum, Robert C. and Roznowski, Mary and Necowitz, Lawrence B.}, title={{Model modifications in covariance structure analysis: The problem of capitalization on chance}}, journal={Psychological Bulletin}, year={1992}, volume={111}, number={3}, pages={490--504}, doi={10.1037/0033-2909.111.3.490}}

@article{maxwell2007bias, author={Maxwell, Scott E. and Cole, David A.}, title={{Bias in cross-sectional analyses of longitudinal mediation}}, journal={Psychological Methods}, year={2007}, volume={12}, number={1}, pages={23--44}, doi={10.1037/1082-989x.12.1.23}}

@article{mcdonald2002principles, author={McDonald, Roderick P. and Ho, Moon-Ho Ringo}, title={{Principles and practice in reporting structural equation analyses}}, journal={Psychological Methods}, year={2002}, volume={7}, number={1}, pages={64--82}, doi={10.1037/1082-989x.7.1.64}}

@article{rohrer2018thinking, author={Rohrer, Julia M.}, title={{Thinking clearly about correlations and causation: Graphical causal models for observational data}}, journal={Advances in Methods and Practices in Psychological Science}, year={2018}, volume={1}, number={1}, pages={27--42}, doi={10.1177/2515245917745629}}

@article{rohrer2022process, author={Rohrer, Julia M. and Hünermund, Paul and Arslan, Ruben C. and Elson, Malte}, title={{That’s a lot to process! Pitfalls of popular path models}}, journal={Advances in Methods and Practices in Psychological Science}, year={2022}, volume={5}, number={2}, eid={25152459221095827}, doi={10.1177/25152459221095827}}

@article{wright1934method, author={Wright, Sewall}, title={{The method of path coefficients}}, journal={The Annals of Mathematical Statistics}, year={1934}, volume={5}, number={3}, pages={161--215}, doi={10.1214/aoms/1177732676}}

Model badawczy – jak narysować i opisać schemat hipotez