Co oznacza Efekt bezpośredni (analiza mediacji)?
Zastosowanie, warunki i dobre praktyki
Efekt bezpośredni c′ jest związkiem X z Y po warunkowym uwzględnieniu mediatora M i pozostałych zmiennych w równaniu. Nie oznacza automatycznie „pozostałej przyczynowości”, ponieważ jego interpretacja zależy od poprawności modelu, kolejności pomiaru i braku niekontrolowanych zakłóceń. Powinien być raportowany obok efektu pośredniego, całkowitego i ich przedziałów.
Najważniejsze zastosowanie: Interpretuj razem z efektem pośrednim i założeniami przyczynowymi.
Jak poprawnie stosować i interpretować hasło „Efekt bezpośredni (analiza mediacji)”?
W odniesieniu do pojęcia „Efekt bezpośredni (analiza mediacji)” należy przed analizą określić role X, mediatora M i wyniku Y oraz uzasadnić ich kolejność czasową. W odniesieniu do hasła „Efekt bezpośredni (analiza mediacji)” najważniejszym parametrem jest efekt pośredni, zwykle iloczyn ścieżek a i b, a nie sama zmiana istotności efektu bezpośredniego. Przy ocenie hasła „Efekt bezpośredni (analiza mediacji)” model powinien uwzględniać czynniki zakłócające właściwe dla każdej ścieżki, a nie dowolny zestaw dostępnych kowariat.
Ocena pojęcia „Efekt bezpośredni (analiza mediacji)” wymaga przedziału ufności dla efektu pośredniego, najczęściej wyznaczonego bootstrapem, oraz analizy wrażliwości na alternatywną kolejność i pominięte zmienne. W analizie dotyczącej hasła „Efekt bezpośredni (analiza mediacji)” dane przekrojowe zwykle nie pozwalają potwierdzić mechanizmu czasowego. Dla interpretacji hasła „Efekt bezpośredni (analiza mediacji)” w modelach nieliniowych rozkład efektu na część bezpośrednią i pośrednią zależy od skali, więc proste odejmowanie współczynników może mylić.
Co trzeba opisać w raporcie?
Raport dotyczący „Efekt bezpośredni (analiza mediacji)” powinien podać ścieżki a i b, efekt pośredni z przedziałem ufności, efekt bezpośredni oraz całkowity, jeśli ma jednoznaczne znaczenie w modelu. W odniesieniu do hasła „Efekt bezpośredni (analiza mediacji)” trzeba opisać liczbę replikacji bootstrapu, kowariaty, kolejność pomiarów i status analizy jako potwierdzającej lub eksploracyjnej.
Zakres raportowania dla hasła „Efekt bezpośredni (analiza mediacji)”: c′ = …, 95% CI […]; podaj także ab oraz efekt całkowity.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Po dodaniu mediatora wpływ X na Y maleje z 0,40 do 0,18; 0,18 jest efektem bezpośrednim warunkowym.
Jak ją zinterpretować: Współczynnik c′ opisuje pozostałą relację X z Y po uwzględnieniu mediatora w tym konkretnym modelu. Nie jest dowodem na osobny mechanizm i powinien być czytany razem z efektem pośrednim oraz ograniczeniami projektu.
Najczęstsza pułapka i granica interpretacji
Efekt bezpośredni nie musi oznaczać mechanizmu niewyjaśnionego; mogą istnieć pominięte mediatory.
Wynik dotyczący „Efekt bezpośredni (analiza mediacji)” opisuje zgodność danych z określonym modelem pośredniczenia, lecz sam nie dowodzi mechanizmu przyczynowego. W analizie dotyczącej hasła „Efekt bezpośredni (analiza mediacji)” etykieta „pełna” albo „częściowa” nie zastępuje wielkości i niepewności efektów.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Preacher i Hayes, 2008).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować
Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.
Czytaj →PoradnikRegresja logistyczna: założenia, interpretacja i raportowanie modelu
Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.
Czytaj →PoradnikModelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40, 879–891. https://doi.org/10.3758/BRM.40.3.879
- MacKinnon, D. P., Lockwood, C. M., Hoffman, J. M., West, S. G., & Sheets, V. (2002). A comparison of methods to test mediation and other intervening variable effects. Psychological Methods, 7(1), 83–104. https://doi.org/10.1037/1082-989X.7.1.83
- Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
- Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600–2606. https://doi.org/10.1073/pnas.1708274114
- Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
- Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
Cytowania BibTeX
@article{preacher2008mediation, author={Preacher, Kristopher J. and Hayes, Andrew F.}, title={Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models}, journal={Behavior Research Methods}, year={2008}, volume={40}, pages={879--891}, doi={10.3758/BRM.40.3.879}}@article{mackinnon2002mediation, author={MacKinnon, David P. and Lockwood, Chondra M. and Hoffman, Jeanne M. and West, Stephen G. and Sheets, Virgil}, title={A comparison of methods to test mediation and other intervening variable effects}, journal={Psychological Methods}, year={2002}, volume={7}, number={1}, pages={83--104}, doi={10.1037/1082-989X.7.1.83}}@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}@article{nosek2018preregistration, author={Nosek, Brian A. and Ebersole, Charles R. and DeHaven, Alexander C. and Mellor, David T.}, title={The preregistration revolution}, journal={Proceedings of the National Academy of Sciences}, year={2018}, volume={115}, number={11}, pages={2600--2606}, doi={10.1073/pnas.1708274114}}@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}