Słownik metodologiczny · Mediacja i moderacja

Podejście Barona i Kenny’ego – cztery kroki mediacji i dlaczego dziś się ich nie stosuje

Cztery kroki Barona i Kenny’ego przez lata były standardem analizy mediacji. Pokazujemy, jak działają, dlaczego mają małą moc i odrzucają mediację przy nieistotnym efekcie całkowitym oraz co raportować zamiast nich.

Strona główna / Słownik / Podejście Barona i Kenny’ego
W skrócie: Podejście Barona i Kenny’ego to procedura czterech kroków: istotny efekt całkowity c, istotne ścieżki a i b oraz osłabienie efektu X po dodaniu mediatora. Nie testuje wprost efektu pośredniego, ma małą moc i odrzuca mediację, gdy efekt całkowity jest nieistotny. Zamiast kroków oszacuj efekt pośredni ab z bootstrapowym przedziałem ufności.

Co to jest podejście Barona i Kenny’ego?

Podejście Barona i Kenny’ego (ang. causal steps approach, metoda kroków przyczynowych) to klasyczna procedura sprawdzania mediacji: o tym, czy zmienna M pośredniczy w związku X z Y, wnioskuje się z serii testów istotności w trzech regresjach liniowych. Procedurę spopularyzował artykuł Barona i Kenny’ego (1986) o różnicy między zmienną moderującą a pośredniczącą. Fritz i MacKinnon (2007) naliczyli prawie 8000 jego cytowań, a w przejrzanych przez nich artykułach z dwóch czasopism psychologicznych (lata 2000–2003) kroki przyczynowe stosowano w 70.9% badań mediacji, bootstrapu zaś nie użyto ani razu.

Dziś podejście to ma głównie wartość dydaktyczną. Dobrze porządkuje logikę mediacji, ale jako test statystyczny ma poważne wady. Współczesne zalecenie brzmi: oszacuj efekt pośredni ab i podaj jego bootstrapowy przedział ufności, a kroki traktuj co najwyżej jako opis kolejnych regresji.

Cztery kroki Barona i Kenny’ego

Procedura opiera się na trzech równaniach, w których X to zmienna niezależna, M – mediator, a Y – zmienna zależna:

Y = i1 + cX + e1
M = i2 + aX + e2
Y = i3 + c′X + bM + e3
  1. Krok 1: X istotnie wiąże się z Y – istotny efekt całkowity c.
  2. Krok 2: X istotnie wiąże się z mediatorem – istotna ścieżka a.
  3. Krok 3: mediator istotnie wiąże się z Y przy kontroli X – istotna ścieżka b.
  4. Krok 4: po dodaniu mediatora efekt X słabnie, czyli |c′| < |c|. Gdy efekt bezpośredni c′ staje się nieistotny, mówi się o mediacji całkowitej, gdy pozostaje istotny – o mediacji częściowej.

Mediację uznaje się za wykazaną, gdy spełnione są wszystkie cztery warunki – w takiej postaci kroki opisują Fritz i MacKinnon (2007). MacKinnon i in. (2002) zwracają uwagę, że Baron i Kenny – w odróżnieniu od wcześniejszej wersji Judda i Kenny’ego – uznawali za realistyczną także mediację częściową. Zauważ jednak, że żaden krok nie testuje wprost efektu pośredniego: w zestawieniu MacKinnona i in. (2002) podejście to nie daje ani oszacowania ab, ani jego błędu standardowego.

Przykład: cztery kroki w praktyce

Przyjmijmy, że 120 studentów (dane symulowane) wypełniło skalę wsparcia społecznego (1–7; M = 5.09, SD = 1.07), skalę poczucia własnej skuteczności (10–40; M = 28.41, SD = 4.63) i skalę zaangażowania w naukę (0–6; M = 3.32, SD = 1.11). Hipoteza: wsparcie wiąże się z większym zaangażowaniem, bo wzmacnia poczucie własnej skuteczności. Rysunek 1 pokazuje wyniki kolejnych kroków.

Cztery kroki Barona i Kenny’ego na przykładzie: krok 1 niespełniony (c = 0.135, p = .156), krok 2 spełniony (a = 1.464, p < .001), krok 3 spełniony (b = 0.092, p < .001), krok 4 spełniony (c′ = −0.001); efekt pośredni ab = 0.135, 95% CI [0.054, 0.246]
Rysunek 1. Cztery kroki Barona i Kenny’ego dla tych samych danych. W każdym panelu pogrubiona strzałka to testowana ścieżka, szara – ścieżka obecna w modelu, a kropkowana ramka – zmienna pominięta w danej regresji. Współczynniki niestandaryzowane. Obliczenia: R (dane symulowane).

Według procedury analiza kończy się na kroku 1: efekt całkowity jest nieistotny, c = 0.135, t(118) = 1.43, p = .156, więc „nie ma czego mediować”. Tymczasem obie ścieżki są wyraźnie istotne: a = 1.464, t(118) = 3.93, p < .001, oraz b = 0.092, t(117) = 4.25, p < .001. Efekt pośredni wynosi ab = 1.464 × 0.092 = 0.135, a jego bootstrapowy 95% przedział ufności [0.054, 0.246] nie obejmuje zera.

Efekt bezpośredni jest praktycznie zerowy (c′ = −0.001), więc cały efekt całkowity to tutaj efekt pośredni. Ta sama wielkość 0.135 testowana jako c jest nieistotna, a testowana jako ab – istotna. Kenny i Judd (2014) opisują to jako anomalię mocy: w modelu bez efektu bezpośredniego test efektu całkowitego może mieć dramatycznie mniejszą moc niż test efektu pośredniego.

Dlaczego cztery kroki nie są już zalecane?

  • Brak testu efektu pośredniego. Wniosek o mediacji wynika z kilku osobnych decyzji „istotny/nieistotny”, a nie z oszacowania ab z przedziałem ufności.
  • Mała moc. W symulacji MacKinnona i in. (2002) podejście Barona i Kenny’ego wykrywało małe efekty pośrednie przy N = 1000 tylko w 10.6% replikacji, a średnie przy N = 200 – w 52%. Najwięcej błędów II rodzaju powodował wymóg istotnego efektu całkowitego. Według Fritza i MacKinnona (2007) przy małych ścieżkach (a = b = 0.14) i braku efektu bezpośredniego do mocy .80 potrzeba aż 20 886 osób, podczas gdy testowi łącznej istotności a i b wystarcza 530, a bootstrapowi percentylowemu – 558.
  • Wymóg istotnego c. Shrout i Bolger (2002) argumentują, że testowanie związku X–Y nie powinno być warunkiem, gdy spodziewamy się małego efektu albo możliwej supresji. Rucker i in. (2011) idą dalej: koncentrowanie się na istotności związku X–Y przed dodaniem mediatora i po nim jest nieuzasadnione, a uwagę należy przenieść na wielkość i istotność efektu pośredniego.
  • Mediacja niespójna. Gdy efekt pośredni i bezpośredni mają przeciwne znaki, mogą się znosić i efekt całkowity bywa bliski zera. MacKinnon i in. (2002) zauważają, że warunek istotnego c wyklucza takie modele z góry (zob. supresja).
  • Moc zależy od efektu bezpośredniego. Im większe c′, tym łatwiej spełnić krok 1 – choć c′ nie mówi nic o mediacji. MacKinnon i in. (2002) odnotowali, że moc podejścia Barona i Kenny’ego rosła wraz z efektem bezpośrednim.

Małą moc czterech kroków i jej zależność od efektu bezpośredniego dobrze widać w symulacji na rysunku 2. Ścieżki a i b wynoszą w niej 0.26 – to wartość w przybliżeniu w połowie między małym a średnim efektem w konwencji Fritza i MacKinnona (2007).

Krzywe mocy czterech metod dla efektu pośredniego przy a = b = 0.26: bootstrap i test łącznej istotności przekraczają moc .80 przy około 160–200 osobach, test Sobela nieco później, a cztery kroki Barona i Kenny’ego przy c′ = 0 osiągają tylko .28 przy N = 500
Rysunek 2. Odsetek symulowanych badań (2000 na każdą liczebność), w których metoda wykryła efekt pośredni przy a = b = 0.26. Lewy panel: brak efektu bezpośredniego; prawy: mały efekt bezpośredni (c′ = 0.14). Bootstrap: 1000 prób w każdym badaniu. Przerywana linia – moc .80. Obliczenia: R (dane symulowane).

Gdy efektu bezpośredniego nie ma, cztery kroki wykrywają mediację przy N = 200 tylko w około 13% badań, a przy N = 500 – w 28%. Bootstrap i test łącznej istotności osiągają w tych samych warunkach odpowiednio 87.9% i 88.9% już przy N = 200. Wystarczy dodać mały efekt bezpośredni, a moc czterech kroków przy N = 200 rośnie do 72.3% – choć efekt pośredni pozostaje ten sam.

Co robić zamiast czterech kroków?

  1. Oszacuj efekt pośredni ab i jego bootstrapowy przedział ufności (percentylowy, kilka tysięcy prób). Bootstrap nie zakłada normalności rozkładu ab, a Shrout i Bolger (2002) zalecają go przy małych i średnich próbach, bo wykrywa asymetrię rozkładu efektu pośredniego. Szczegóły – w haśle bootstrap w SEM.
  2. Podaj wszystkie ścieżki: a, b, c′ i c z przedziałami ufności. Regresje z kroków są nadal przydatne – jako opis modelu, a nie jako sito, które decyduje, czy wolno analizować dalej.
  3. Jako uzupełnienie możesz użyć testu łącznej istotności ścieżek a i b – ma wielokrotnie większą moc niż cztery kroki. Test Sobela traktuj jako metodę historyczną.
  4. Nie wyciągaj wniosków przyczynowych z samego modelu: kolejność X → M → Y musi wynikać z teorii i schematu badania, a ścieżkę b mogą zniekształcać zmienne zakłócające.

Pełną procedurę – od przygotowania danych, przez PROCESS i lavaan, po tabelę wyników – opisujemy w poradniku analiza mediacji krok po kroku.

Jak opisać wynik w pracy (APA)

Nie pisz „spełniono trzy z czterech warunków Barona i Kenny’ego”. Opisz model, metodę testowania efektu pośredniego i wszystkie efekty. Wzór dla przykładu:

Aby sprawdzić, czy poczucie własnej skuteczności pośredniczy w związku wsparcia społecznego z zaangażowaniem w naukę, oszacowano model mediacji z jednym mediatorem (regresja MNK, N = 120). Efekt pośredni oceniono na podstawie percentylowego 95% przedziału ufności bootstrap (5000 prób). Wyższe wsparcie wiązało się z wyższym poczuciem własnej skuteczności, a = 1.464, SE = 0.373, p < .001, a poczucie własnej skuteczności – przy kontroli wsparcia – z większym zaangażowaniem, b = 0.092, SE = 0.022, p < .001. Efekt pośredni był istotny, ab = 0.135, 95% CI [0.054, 0.246]. Efekt całkowity wsparcia nie był istotny, c = 0.135, SE = 0.094, p = .156, podobnie jak efekt bezpośredni, c′ = −0.001, SE = 0.094, p = .994.

Jeśli promotor wymaga kroków Barona i Kenny’ego, pokaż trzy regresje w tabeli, ale wniosek o mediacji oprzyj na przedziale ufności dla ab i krótko to uzasadnij. Wzór tabeli znajdziesz w haśle tabela mediacji w APA.

Przykład reprodukowalny

Przykład w R

Kod tworzy dane z przykładu, wykonuje trzy regresje odpowiadające czterem krokom i liczy efekt pośredni z bootstrapowym przedziałem ufności. Liczby w tekście i na rysunku 1 pochodzą z tego kodu (obliczenia trwają kilka sekund).

Cztery kroki i bootstrap efektu pośredniego

Dane wejściowe: 120 studentów (dane symulowane, set.seed(144)): wsparcie społeczne (1–7), poczucie własnej skuteczności (10–40), zaangażowanie w naukę (0–6).

Co odczytać: wiersze c, a, b i c_prim (c′): współczynnik, błąd standardowy, t i p; na końcu efekt pośredni ab i granice percentylowego 95% przedziału ufności.

R
# Dane symulowane: wsparcie społeczne (1–7), poczucie własnej skuteczności (10–40)
# i zaangażowanie w naukę (0–6) u 120 studentów
set.seed(144)
n <- 120
wsparcie <- pmin(pmax(round(rnorm(n, 5.2, 1.1), 1), 1), 7)
z_wsp <- (wsparcie - 5.2) / 1.1
samoskutecznosc <- pmin(pmax(round(29 + 4.5 * (0.30 * z_wsp + rnorm(n, sd = sqrt(0.91)))), 10), 40)
z_sam <- (samoskutecznosc - 29) / 4.5
zaangazowanie <- pmin(pmax(round(3.4 + 1.1 * (0.30 * z_sam + rnorm(n, sd = 0.95)), 2), 0), 6)
dane <- data.frame(wsparcie, samoskutecznosc, zaangazowanie)
round(sapply(dane, function(x) c(M = mean(x), SD = sd(x))), 2)

# Cztery kroki Barona i Kenny'ego = trzy regresje
krok1 <- lm(zaangazowanie ~ wsparcie, data = dane)                     # krok 1: efekt całkowity c
krok2 <- lm(samoskutecznosc ~ wsparcie, data = dane)                   # krok 2: ścieżka a
krok3 <- lm(zaangazowanie ~ wsparcie + samoskutecznosc, data = dane)   # kroki 3–4: ścieżka b i c'
kroki <- rbind(c      = coef(summary(krok1))["wsparcie", ],
               a      = coef(summary(krok2))["wsparcie", ],
               b      = coef(summary(krok3))["samoskutecznosc", ],
               c_prim = coef(summary(krok3))["wsparcie", ])
round(kroki, 3)

# To, czego kroki nie testują: efekt pośredni ab z bootstrapowym 95% CI (5000 prób)
ab <- coef(krok2)["wsparcie"] * coef(krok3)["samoskutecznosc"]
set.seed(2026)
ab_boot <- replicate(5000, {
  d <- dane[sample(nrow(dane), replace = TRUE), ]
  coef(lm(samoskutecznosc ~ wsparcie, d))["wsparcie"] *
    coef(lm(zaangazowanie ~ wsparcie + samoskutecznosc, d))["samoskutecznosc"]
})
round(c(ab = unname(ab), quantile(ab_boot, c(.025, .975))), 3)
Wynik w R
   wsparcie samoskutecznosc zaangazowanie
M      5.09           28.41          3.32
SD     1.07            4.63          1.11
       Estimate Std. Error t value Pr(>|t|)
c         0.135      0.094   1.428    0.156
a         1.464      0.373   3.927    0.000
b         0.092      0.022   4.247    0.000
c_prim   -0.001      0.094  -0.007    0.994
   ab  2.5% 97.5%
0.135 0.054 0.246

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje bazowe); rysunki przygotowano w pakiecie ggplot2. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze błędy

  • Przerwanie analizy, bo efekt całkowity jest nieistotny. Jak w przykładzie: istotny efekt pośredni może współistnieć z nieistotnym c (Kenny i Judd, 2014).
  • Brak przedziału ufności dla ab. Sam układ istotnych i nieistotnych współczynników nie jest testem mediacji.
  • „Mediacja całkowita”, bo c′ stało się nieistotne. Istotność c′ zależy od liczebności próby; opisuj wielkość c′ i ab.
  • Planowanie liczebności pod cztery kroki – albo bez planu. Przy ścieżkach a = b = 0.26 test łącznej istotności potrzebuje 159 osób do mocy .80, a bootstrap percentylowy 162 (Fritz i MacKinnon, 2007). Zobacz poradnik o doborze liczebności próby.
  • Język przyczynowy przy danych przekrojowych. Pisz „efekt pośredni był istotny” i „wyniki są zgodne z hipotezą mediacyjną”, a nie „wsparcie zwiększa zaangażowanie przez samoskuteczność”.

Najczęstsze pytania

Na czym polega metoda Barona i Kenny’ego?

To cztery kroki oparte na trzech regresjach: (1) X istotnie wiąże się z Y (efekt całkowity c), (2) X istotnie wiąże się z mediatorem (ścieżka a), (3) mediator istotnie wiąże się z Y przy kontroli X (ścieżka b), (4) efekt X na Y słabnie po dodaniu mediatora (|c′| < |c|). Mediację uznaje się za wykazaną, gdy spełnione są wszystkie warunki.

Czy można badać mediację, gdy efekt całkowity jest nieistotny?

Tak. Efekt pośredni może być istotny mimo nieistotnego związku X z Y – zwłaszcza w małych próbach albo gdy efekt bezpośredni ma przeciwny znak. Kenny i Judd (2014) pokazali, że test efektu całkowitego może mieć znacznie mniejszą moc niż test efektu pośredniego. Oceniaj więc ab i jego przedział ufności.

Dlaczego podejście Barona i Kenny’ego ma małą moc?

Bo wymaga jednocześnie kilku istotnych wyników, w tym istotnego efektu całkowitego, który przy braku efektu bezpośredniego bywa mały. Według Fritza i MacKinnona (2007) przy małych ścieżkach (a = b = 0.14) i c′ = 0 cztery kroki wymagają 20 886 osób do mocy .80, a test łącznej istotności a i b – 530.

Co stosować zamiast kroków Barona i Kenny’ego?

Oszacuj efekt pośredni ab i jego bootstrapowy (percentylowy) 95% przedział ufności, np. w makrze PROCESS (model 4) albo w pakiecie lavaan. Podaj też ścieżki a, b, c′ i c. Jeśli przedział dla ab nie obejmuje zera, efekt pośredni jest istotny.

Czym jest mediacja całkowita i częściowa według Barona i Kenny’ego?

Mediacja całkowita oznacza, że po dodaniu mediatora efekt bezpośredni c′ staje się nieistotny, a częściowa – że maleje, ale pozostaje istotny. Ten podział zależy od liczebności próby, dlatego lepiej opisywać wielkość c′ i ab z przedziałami ufności (zob. mediacja całkowita).

Jak zrobić kroki Barona i Kenny’ego w SPSS?

Wykonaj trzy regresje liniowe (Analiza → Regresja → Liniowa): Y na X, M na X oraz Y na X i M. Same regresje nie dają jednak testu efektu pośredniego, dlatego w SPSS lepiej użyć makra PROCESS (model 4), które podaje bootstrapowy przedział ufności dla ab.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. 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
  2. Fritz, M. S., & MacKinnon, D. P. (2007). Required sample size to detect the mediated effect. Psychological Science, 18(3), 233–239. https://doi.org/10.1111/j.1467-9280.2007.01882.x ● Otwarty dostęp: pełny tekst
  3. Kenny, D. A., & Judd, C. M. (2014). Power anomalies in testing mediation. Psychological Science, 25(2), 334–339. https://doi.org/10.1177/0956797613502676
  4. 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 ● Otwarty dostęp: pełny tekst
  5. Rucker, D. D., Preacher, K. J., Tormala, Z. L., & Petty, R. E. (2011). Mediation analysis in social psychology: Current practices and new recommendations. Social and Personality Psychology Compass, 5(6), 359–371. https://doi.org/10.1111/j.1751-9004.2011.00355.x
  6. Shrout, P. E., & Bolger, N. (2002). Mediation in experimental and nonexperimental studies: New procedures and recommendations. Psychological Methods, 7(4), 422–445. https://doi.org/10.1037/1082-989x.7.4.422

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{fritz2007required, author={Fritz, Matthew S. and MacKinnon, David P.}, title={{Required sample size to detect the mediated effect}}, journal={Psychological Science}, year={2007}, volume={18}, number={3}, pages={233--239}, doi={10.1111/j.1467-9280.2007.01882.x}}
@article{kenny2014power, author={Kenny, David A. and Judd, Charles M.}, title={{Power anomalies in testing mediation}}, journal={Psychological Science}, year={2014}, volume={25}, number={2}, pages={334--339}, doi={10.1177/0956797613502676}}
@article{mackinnon2002comparison, 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{rucker2011mediation, author={Rucker, Derek D. and Preacher, Kristopher J. and Tormala, Zakary L. and Petty, Richard E.}, title={{Mediation analysis in social psychology: Current practices and new recommendations}}, journal={Social and Personality Psychology Compass}, year={2011}, volume={5}, number={6}, pages={359--371}, doi={10.1111/j.1751-9004.2011.00355.x}}
@article{shrout2002mediation, author={Shrout, Patrick E. and Bolger, Niall}, title={{Mediation in experimental and nonexperimental studies: New procedures and recommendations}}, journal={Psychological Methods}, year={2002}, volume={7}, number={4}, pages={422--445}, doi={10.1037/1082-989x.7.4.422}}
R