Słownik metodologiczny · Ludzie statystyki

Reuben M. Baron (1936–2023) i David A. Kenny – autorzy rozróżnienia moderatora i mediatora

Reuben M. Baron i David A. Kenny w 1986 r. rozdzielili moderatory i mediatory oraz podali kroki analizy mediacji – w jednej z najczęściej cytowanych prac psychologii. Przedstawiamy ich drogi, historię dwukrotnie odrzuconego artykułu i porównanie kroków z bootstrapem efektu pośredniego na prawdziwych danych eksperymentalnych w R.

Strona główna / Słownik / Reuben M. Baron i David A. Kenny
W skrócie: Reuben M. Baron (1936–2023) i David A. Kenny – psychologowie społeczni z University of Connecticut, autorzy artykułu z 1986 r. o rozróżnieniu zmiennych moderujących i pośredniczących. Zaproponowane tam kroki analizy mediacji stały się standardem, a dziś zastępuje je ocena efektu pośredniego z bootstrapem.

Kim byli Reuben M. Baron i David A. Kenny?

Reuben M. Baron (1936–2023) urodził się 1 sierpnia 1936 r. w Brooklynie. Ukończył Brooklyn College, doktorat z psychologii zrobił na New York University. Był psychologiem społecznym na University of Connecticut (UConn), gdzie został profesorem emeritus. Zajmował się percepcją i poznaniem społecznym i opublikował ponad sto artykułów; był też krytykiem sztuki. Zmarł w czerwcu 2023 r. w wieku 86 lat (Silow-Carroll, 2023).

David A. Kenny doktoryzował się z psychologii społecznej na Northwestern University w 1972 r. (University of Connecticut, b.d.). Pracował na Harvardzie, a w 1978 r. przeniósł się do Connecticut (Kenny, 2024). Dziś jest profesorem emeritus UConn. Bada percepcję interpersonalną – czy trafnie oceniamy innych i czy wiemy, co inni myślą o nas – oraz analizę danych z par osób (diad).

Najważniejsze pomysły

  • Moderator a mediator (1986). W „Journal of Personality and Social Psychology” Baron i Kenny (1986) rozdzielili dwa pojęcia, które wcześniej często mieszano. Moderator zmienia siłę lub kierunek związku X z Y – to pytanie „kiedy i dla kogo?”. Mediator jest ogniwem pośrednim: X wpływa na M, a M na Y – to pytanie „jak i dlaczego?”. Podali też procedury analityczne dla obu przypadków.
  • Kroki mediacji. Najbardziej znany fragment pracy to zestaw warunków sprawdzanych trzema regresjami: X przewiduje Y (efekt całkowity c), X przewiduje M (a), M przewiduje Y przy kontroli X (b), a efekt bezpośredni c′ maleje. Opisujemy je w haśle podejście Barona i Kenny’ego.
  • Analiza procesu (1981). Pięć lat wcześniej Judd i Kenny (1981) opisali w „Evaluation Review” szacowanie mediacji w ewaluacji programów i sprawdzanie, czy oddziaływanie zmienia sam proces pośredniczący – to pytanie bliskie późniejszej moderowanej mediacji.
  • Dane z par. Kenny jest współautorem podręcznika Dyadic Data Analysis (2006, z D. A. Kashy i W. L. Cookiem) o analizie danych z par; w praktyce takie dane analizuje się często w modelu APIM. Kenny dostał m.in. Nagrodę im. Donalda T. Campbella (2006) i pierwszą nagrodę SPSP za innowację metodologiczną (2013) (University of Connecticut, b.d.).

Ciekawostka

Najczęściej cytowany artykuł o mediacji dwa razy odrzucono. Kenny (2024) opisuje na swojej stronie, że Baron usłyszał jego referat o analizie mediacyjnej jeszcze na Harvardzie i po przenosinach Kenny’ego do Connecticut w 1978 r. chciał napisać z nim wspólny tekst. Kenny był sceptyczny, ale Baron nie ustępował.

Gotowy artykuł odrzuciły kolejno „American Psychologist” i „Journal of Personality and Social Psychology”. Gdy redakcję JPSP objął Harry Reis, autorzy złożyli tekst ponownie. Dwóch recenzentów chciało go odrzucić, jeden zalecił poprawki, jeden przyjęcie – a Reis artykuł opublikował (Kenny, 2024).

Przykład na prawdziwych danych

Zbiór Tal.Or z pakietu psych to – według pliku pomocy – dane z badania 2 Tal-Or i in. (2010). 123 osoby czytały artykuł o spodziewanym niedoborze cukru; manipulowano tym, czy tekst ukazał się na pierwszej stronie gazety, czy w jej środku (X). Mierzono domniemany wpływ mediów na innych (M, średnia z dwóch pozycji) i deklarowaną reakcję, np. zakupy na zapas (Y, średnia z czterech pozycji). Średnia M wyniosła 5.38 w grupie „środek gazety” i 5.85 w grupie „pierwsza strona”, a średnia Y – 3.25 i 3.75.

Kroki Barona i Kenny’ego. Efekt całkowity c = 0.496 (p = .077) – pierwszy krok nie jest spełniony, więc według ścisłej procedury analizę należałoby zakończyć. Pozostałe ścieżki: a = 0.477 (p = .045), b = 0.506 (p < .001), a efekt bezpośredni c′ = 0.254 (p = .322).

Efekt pośredni. Iloczyn ab = 0.241 równa się różnicy c − c′. Test Sobela daje z = 1.89, p = .059 i przedział [−0.010; 0.492]. Bootstrap percentylowy z 5000 prób (ziarno 1986) daje 95% CI [0.006; 0.522] – zero leży tuż poza przedziałem, a tylko 2.3% bootstrapowych wartości ab jest nie większych od zera. Kroki dają więc „brak mediacji”, a bootstrap – efekt pośredni różny od zera; dolna granica leży jednak blisko zera.

Na rysunku

Oś czasu w dwóch pasach od 1930 do 2030. Pas Reubena M. Barona: 1936 urodził się w Brooklynie; 1986 artykuł w JPSP z Kennym; 2023 zmarł. Pas Davida A. Kenny’ego: 1972 doktorat na Northwestern; 1978 przenosi się do Connecticut; 1981 artykuł „Process analysis” z Juddem; 1986 artykuł w JPSP z Baronem; 2006 podręcznik „Dyadic Data Analysis” i Nagroda Campbella; 2013 nagroda SPSP za innowację metodologiczną. Rodzaj zdarzenia oznacza kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja, trójkąt – wyróżnienie
Rysunek 1. Oś czasu: Reuben M. Baron (1936–2023) i David A. Kenny. Lata według nekrologu Barona (Silow-Carroll, 2023), strony University of Connecticut (b.d.), Kenny’ego (2024) oraz dat publikacji. Rysunek: R, pakiet ggplot2.

Co widać. Drogi obu badaczy spotykają się w Connecticut pod koniec lat 70.

Na co uważać. Na osi nie ma lat studiów Barona ani jego przyjścia do UConn – cytowane źródła ich nie podają.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Reubena M. Barona (1936–2023) i Davida A. Kenny’ego. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja, wyróżnienie).
Dwa panele. A: wykres rozrzutu deklarowanej reakcji (oś pionowa, od 1 do 7) względem domniemanego wpływu mediów (oś pozioma, od 1 do 7); niebieskie kółka to osoby z grupy „artykuł w środku gazety”, pomarańczowe trójkąty – z grupy „artykuł na pierwszej stronie”; dwie równoległe rosnące proste z modelu Y ~ X + M: ciągła niebieska i przerywana pomarańczowa, położona nieco wyżej; tytuł: b = 0.506, c′ = 0.254. B: histogram 5000 bootstrapowych wartości efektu pośredniego ab, lekko prawoskośny, z wierzchołkiem około 0.24; przerywana czarna krzywa normalna z testu Sobela; pomarańczowe pionowe linie przy 0.006 i 0.522 to granice przedziału bootstrapowego, szara linia przy zerze; podtytuł: 95% bootstrap [0.006; 0.522], 95% Sobel [−0.010; 0.492]
Rysunek 2. Mediacja w danych Tal-Or i in. (2010, badanie 2; psych::Tal.Or, N = 123): dane z prostymi z modelu Y ~ X + M (A) oraz rozkład bootstrapowy efektu pośredniego na tle rozkładu normalnego zakładanego przez test Sobela (B). Bootstrap: 5000 prób, set.seed(1986); punkty w panelu A lekko rozsunięte (set.seed(2010)). Obliczenia i rysunek: R, pakiety boot, ggplot2 i patchwork.

Co widać. W panelu A obie proste mają to samo nachylenie b, a pionowa odległość między nimi to efekt bezpośredni c′ – niewielki w porównaniu z rozrzutem punktów. W panelu B histogram jest lekko przesunięty w prawo względem krzywej normalnej (skośność 0.27), dlatego przedział bootstrapowy jest niesymetryczny i nie obejmuje zera, a symetryczny przedział Sobela – obejmuje.

Na co uważać. Manipulowano tylko X; związek M z Y mogą zakłócać trzecie zmienne. Bootstrap tego nie naprawia.

Podpis do pracy:

Rysunek 2. Deklarowana reakcja na wiadomość prasową w zależności od domniemanego wpływu mediów w dwóch warunkach eksperymentu (A) i rozkład 5000 bootstrapowych oszacowań efektu pośredniego (B). Uwaga. Dane: Tal-Or i in. (2010), badanie 2, N = 123; ab = 0.241, 95% CI [0.006; 0.522] (bootstrap percentylowy).

Gdzie spotkasz Barona i Kenny’ego w swojej pracy

Gdy hipoteza brzmi „X działa przez M” albo „związek X z Y zależy od W”:

Spory, mity i trudne strony

  • Kroki czy efekt pośredni? Sam Kenny (2024) wskazuje dwie słabości procedury kroków: zakłada ona, że analizę zaczyna się od efektu X na Y, a właściwą miarą mediacji jest efekt pośredni, nie seria testów. Według Kenny’ego symulacje zespołu D. P. MacKinnona z 2002 r. pokazały małą moc kroków; później upowszechnił się bootstrap.
  • Kogo cytować? Kenny (2024) zaleca jako źródło kroków raczej pracę Judda i Kenny’ego (1981), bo była wcześniejsza i wprost wymieniała założenia przyczynowe; z wersji z 1986 r. omówienie zakłóceń wypadło przy skracaniu.
  • Kto był pierwszy? Według Kenny’ego (2024) pojęcie zmiennej pośredniczącej („elaboracja typu M”) wprowadziła grupa Paula Lazarsfelda z Columbii, a trzystopniową procedurę opisano już w książce H. Hymana Survey Analysis z 1955 r.; wcześniej o efektach pośrednich w analizie ścieżek pisał Sewall Wright.
  • Liczba cytowań. Źródła podają różne liczby, zależnie od daty i bazy: profil Kenny’ego na stronie UConn – ponad 55 tys., nekrolog Barona z 2023 r. – ponad 120 tys. (University of Connecticut, b.d.; Silow-Carroll, 2023).
Przykład reprodukowalny

Mediacja: kroki i bootstrap w R

Kod wczytuje dane Tal-Or i in. (2010), liczy trzy regresje kroków Barona i Kenny’ego, efekt pośredni z testem Sobela i z bootstrapem percentylowym, a potem rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Losowanie: bootstrap z set.seed(1986) (5000 prób) i rozsunięcie punktów na wykresie z set.seed(2010).

1. Kroki mediacji, test Sobela i bootstrap: rysunek 2

Dane wejściowe: data(Tal.Or, package = "psych") – badanie 2 z pracy Tal-Or i in. (2010), N = 123: warunek eksperymentalny (cond), domniemany wpływ mediów (pmi) i deklarowana reakcja (reaction).

Co odczytać: średnie w grupach; współczynniki c, a, b, c′ z błędami i p; ab z błędem Sobela, z, p i przedziałem; przedział bootstrapowy, odsetek prób z ab ≤ 0 i skośność rozkładu bootstrapowego.

Kod R rysunku 2
# Baron i Kenny: kroki mediacji vs efekt pośredni z bootstrapem (psych::Tal.Or – Tal-Or i in., 2010, badanie 2)
suppressPackageStartupMessages({library(ggplot2); library(patchwork); library(boot)})
kol <- c(niskie = "#0072B2", wysokie = "#D55E00", boot = "#56B4E9", sobel = "#000000")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
data(Tal.Or, package = "psych")
# cond – artykuł na pierwszej stronie (1) albo w środku gazety (0); pmi – domniemany wpływ mediów na innych;
# reaction – deklarowana reakcja na wiadomość o niedoborze cukru (np. zakupy na zapas)
d <- Tal.Or[, c("cond", "pmi", "reaction")]
c(N = nrow(d), braki = sum(is.na(d)))
round(aggregate(cbind(pmi, reaction) ~ cond, data = d, FUN = mean), 3)

# 1. Kroki Barona i Kenny'ego: trzy regresje
m_c <- lm(reaction ~ cond, data = d)          # krok 1: X -> Y (efekt całkowity c)
m_a <- lm(pmi ~ cond, data = d)               # krok 2: X -> M (ścieżka a)
m_b <- lm(reaction ~ cond + pmi, data = d)    # kroki 3 i 4: M -> Y przy kontroli X (b), efekt bezpośredni c'
kroki <- rbind(c = summary(m_c)$coef["cond", ], a = summary(m_a)$coef["cond", ],
               b = summary(m_b)$coef["pmi", ], c_prim = summary(m_b)$coef["cond", ])
round(kroki, 3)

# 2. Efekt pośredni ab i test Sobela (błąd standardowy z metody delta)
a <- coef(m_a)[["cond"]]; b <- coef(m_b)[["pmi"]]
se_a <- summary(m_a)$coef["cond", 2]; se_b <- summary(m_b)$coef["pmi", 2]
ab <- a * b
se_sobel <- sqrt(b^2 * se_a^2 + a^2 * se_b^2)
round(c(ab = ab, c_minus_cprim = coef(m_c)[["cond"]] - coef(m_b)[["cond"]], se_sobel = se_sobel,
        z = ab / se_sobel, p_sobel = 2 * pnorm(-abs(ab / se_sobel)),
        dolna_sobel = ab - 1.96 * se_sobel, gorna_sobel = ab + 1.96 * se_sobel), 3)

# 3. Bootstrap percentylowy efektu pośredniego (5000 prób losowanych ze zwracaniem)
ab_fun <- function(dane, i) {
  x <- dane[i, ]
  coef(lm(pmi ~ cond, data = x))[["cond"]] * coef(lm(reaction ~ cond + pmi, data = x))[["pmi"]]
}
set.seed(1986)
bt <- boot(d, ab_fun, R = 5000)
ci <- quantile(bt$t[, 1], c(0.025, 0.975))
skos <- mean((bt$t[, 1] - mean(bt$t[, 1]))^3) / sd(bt$t[, 1])^3
round(c(ab = bt$t0, dolna_boot = ci[[1]], gorna_boot = ci[[2]],
        odsetek_ab_ponizej_0 = mean(bt$t[, 1] <= 0), skosnosc_boot = skos), 3)

# Rysunek: A – dane i dwie równoległe proste z modelu Y ~ X + M; B – rozkład bootstrapowy ab vs normalny Sobela
d$warunek <- factor(d$cond, levels = 0:1, labels = c("artykuł w środku gazety", "artykuł na pierwszej stronie"))
linie <- data.frame(warunek = factor(levels(d$warunek), levels = levels(d$warunek)),
                    wyraz_wolny = coef(m_b)[["(Intercept)"]] + c(0, coef(m_b)[["cond"]]), nachylenie = b)
set.seed(2010)                                   # tylko do rozsunięcia punktów (jitter), nie wpływa na wyniki
pA <- ggplot(d, aes(pmi, reaction, colour = warunek, shape = warunek)) +
  geom_jitter(width = 0.08, height = 0.08, size = 2, alpha = 0.75) +
  geom_abline(data = linie, aes(intercept = wyraz_wolny, slope = nachylenie, colour = warunek, linetype = warunek),
              linewidth = 1) +
  scale_colour_manual(values = unname(kol[c("niskie", "wysokie")]), name = NULL) +
  scale_shape_manual(values = c(16, 17), name = NULL) +
  scale_linetype_manual(values = c("solid", "22"), name = NULL) +
  labs(title = sprintf("A. Model Y ~ X + M: b = %.3f, c' = %.3f", b, coef(m_b)[["cond"]]),
       x = "Domniemany wpływ mediów na innych (M)", y = "Deklarowana reakcja (Y)") +
  motyw + guides(colour = guide_legend(ncol = 1), shape = guide_legend(ncol = 1), linetype = guide_legend(ncol = 1))
siatka <- data.frame(ab = seq(min(bt$t[, 1]), max(bt$t[, 1]), length.out = 300))
siatka$gestosc <- dnorm(siatka$ab, ab, se_sobel)
pB <- ggplot(data.frame(ab = bt$t[, 1]), aes(ab)) +
  geom_histogram(aes(y = after_stat(density)), bins = 50, fill = kol[["boot"]], colour = "white") +
  geom_line(data = siatka, aes(ab, gestosc), colour = kol[["sobel"]], linewidth = 0.9, linetype = "22") +
  geom_vline(xintercept = 0, colour = "grey40") +
  geom_vline(xintercept = ci, colour = kol[["wysokie"]], linewidth = 0.8) +
  labs(title = "B. Efekt pośredni ab: 5000 prób bootstrapowych",
       subtitle = sprintf("95%% bootstrap: [%.3f; %.3f]; 95%% Sobel: [%.3f; %.3f]",
                          ci[[1]], ci[[2]], ab - 1.96 * se_sobel, ab + 1.96 * se_sobel),
       x = "ab (słupki: bootstrap; linia: rozkład normalny Sobela)", y = "Gęstość") +
  motyw
p2 <- pA + pB + plot_layout(widths = c(1, 1.1))
p2
Wynik w R
    N braki 
  123     0 
  cond   pmi reaction
1    0 5.377    3.250
2    1 5.853    3.746
       Estimate Std. Error t value Pr(>|t|)
c         0.496      0.278   1.786    0.077
a         0.477      0.236   2.022    0.045
b         0.506      0.097   5.219    0.000
c_prim    0.254      0.256   0.994    0.322
           ab c_minus_cprim      se_sobel             z       p_sobel 
        0.241         0.241         0.128         1.885         0.059 
  dolna_sobel   gorna_sobel 
       -0.010         0.492 
                  ab           dolna_boot           gorna_boot 
               0.241                0.006                0.522 
odsetek_ab_ponizej_0        skosnosc_boot 
               0.023                0.273 

2. Oś czasu: rysunek 1

Dane wejściowe: zdarzenia z latami według cytowanych źródeł, wpisane ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: Reuben M. Baron (1936–2023) i David A. Kenny – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1936, 1986, 2023,
          1972, 1978, 1981, 1986, 2006, 2013),
  osoba = c(rep("Reuben M. Baron", 3), rep("David A. Kenny", 6)),
  opis = c("urodził się\nw Brooklynie", "artykuł w JPSP\n(z Kennym)", "zmarł",
           "doktorat\n(Northwestern)", "przenosi się\ndo Connecticut", "„Process analysis”\n(z Juddem)",
           "artykuł w JPSP\n(z Baronem)", "„Dyadic Data Analysis”;\nNagroda Campbella", "nagroda SPSP\nza innowację metodologiczną"),
  rodzaj = c("życie", "publikacja", "życie",
             "praca", "praca", "publikacja", "publikacja", "wyróżnienie", "wyróżnienie"),
  poziom = c(0.5, -0.5, 0.5,
             0.5, -0.5, 0.5, -0.5, 0.5, -0.5),          # wysokość etykiety (+ nad osią, − pod)
  wyrownanie = c(0.5, 0.5, 0.5,
                 1, 1, 0, 0, 0.5, 0.5))                    # rozsunięcie bliskich etykiet
zdarzenia$etykieta <- paste0(zdarzenia$rok, "\n", zdarzenia$opis)
zdarzenia$osoba <- factor(zdarzenia$osoba, levels = c("Reuben M. Baron", "David A. Kenny"))
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23, "wyróżnienie" = 24)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00", "wyróżnienie" = "#009E73")   # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
  geom_segment(aes(xend = rok, y = 0, yend = poziom), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.8, colour = "black") +
  geom_text(aes(y = poziom + 0.06 * sign(poziom), label = etykieta, vjust = ifelse(poziom > 0, 0, 1), hjust = wyrownanie),
            size = 3.1, lineheight = 0.88) +
  facet_wrap(~ osoba, ncol = 1) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1930, 2030), breaks = seq(1930, 2030, by = 10)) +
  scale_y_continuous(limits = c(-1.6, 1.6)) +
  labs(x = NULL, y = NULL) +
  theme_minimal(base_size = 13) +
  theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
        strip.text = element_text(face = "bold", hjust = 0), legend.position = "bottom")
p1

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (regresje – funkcja lm() z pakietu stats; bootstrap – pakiet boot; dane – pakiet psych; rysunki – pakiety ggplot2 i patchwork). 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. boot (wersja 1.3-32): Canty, A., & Ripley, B. (2025). boot: Bootstrap functions [R package]. https://doi.org/10.32614/CRAN.package.boot
  3. psych (wersja 2.6.5): Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research [R package]. Northwestern University. https://CRAN.R-project.org/package=psych
  4. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  5. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim byli Reuben Baron i David Kenny?

Psychologami społecznymi z University of Connecticut. Baron (1936–2023) urodził się w Brooklynie, doktoryzował się na New York University i badał percepcję oraz poznanie społeczne. Kenny zrobił doktorat na Northwestern University w 1972 r., pracował na Harvardzie, a od 1978 r. w Connecticut; zajmuje się percepcją interpersonalną i analizą danych z par. Razem napisali artykuł z 1986 r. o moderatorach i mediatorach.

Czy kroki Barona i Kenny’ego są jeszcze zalecane?

Raczej nie jako jedyny test. Sam Kenny wskazuje, że procedura niepotrzebnie wymaga istotnego efektu X na Y i że właściwą miarą mediacji jest efekt pośredni ab, dziś oceniany zwykle przedziałem bootstrapowym. W przykładzie na danych Tal-Or i in. pierwszy krok nie jest spełniony (p = .077), a bootstrapowy przedział ab [0.006; 0.522] nie obejmuje zera.

Jak w skrócie odróżnić moderatora od mediatora według Barona i Kenny’ego?

Moderator odpowiada na pytanie „kiedy i dla kogo?” – zmienia siłę lub kierunek związku X z Y i bada się go interakcją. Mediator odpowiada na pytanie „jak i dlaczego?” – leży na drodze od X do Y, więc X wpływa na M, a M na Y. Ta sama zmienna może pełnić różne role w różnych hipotezach; decyduje teoria, nie dane.

Dlaczego artykuł Barona i Kenny’ego był dwa razy odrzucony?

Kenny opisał na swojej stronie, że tekst odrzuciły kolejno „American Psychologist” i „Journal of Personality and Social Psychology”. Autorzy złożyli go ponownie, gdy redaktorem JPSP został Harry Reis; recenzje były podzielone, a Reis artykuł opublikował po skróceniu części o założeniach. Przyczyn wcześniejszych odmów Kenny nie streszcza.

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. Judd, C. M., & Kenny, D. A. (1981). Process analysis: Estimating mediation in treatment evaluations. Evaluation Review, 5(5), 602–619. https://doi.org/10.1177/0193841x8100500502
  3. Kenny, D. A. (2024). Mediation history. davidakenny.net. https://davidakenny.net/cm/MediationHistory.html ● Otwarty dostęp
  4. Silow-Carroll, A. (2023). Reuben Baron, Jewish co-author of the most widely cited paper in the history of psychology, dies at 86. Jewish Telegraphic Agency. https://www.jta.org/2023/06/27/obituaries/reuben-baron-jewish-co-author-of-the-most-widely-cited-paper-in-the-history-of-psychology-dies-at-86 ● Otwarty dostęp
  5. Tal-Or, N., Cohen, J., Tsfati, Y., & Gunther, A. C. (2010). Testing causal direction in the influence of presumed media influence. Communication Research, 37(6), 801–824. https://doi.org/10.1177/0093650210362684
  6. University of Connecticut, Department of Psychological Sciences. (b.d.). David A. Kenny. Pobrano 20 listopada 2026 z https://psychology.uconn.edu/person/david-a-kenny ● 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{judd1981process, author={Judd, Charles M. and Kenny, David A.}, title={{Process analysis: Estimating mediation in treatment evaluations}}, journal={Evaluation Review}, year={1981}, volume={5}, number={5}, pages={602--619}, doi={10.1177/0193841x8100500502}}
@misc{kenny2024mediationhistory, author={Kenny, David A.}, title={{Mediation history}}, howpublished={davidakenny.net}, year={2024}, url={https://davidakenny.net/cm/MediationHistory.html}}
@misc{silowcarroll2023reuben, author={Silow-Carroll, Andrew}, title={{Reuben Baron, Jewish co-author of the most widely cited paper in the history of psychology, dies at 86}}, howpublished={Jewish Telegraphic Agency}, year={2023}, url={https://www.jta.org/2023/06/27/obituaries/reuben-baron-jewish-co-author-of-the-most-widely-cited-paper-in-the-history-of-psychology-dies-at-86}}
@article{talor2010testing, author={Tal-Or, Nurit and Cohen, Jonathan and Tsfati, Yariv and Gunther, Albert C.}, title={{Testing causal direction in the influence of presumed media influence}}, journal={Communication Research}, year={2010}, volume={37}, number={6}, pages={801--824}, doi={10.1177/0093650210362684}}
@misc{uconnkennydavid, author={{University of Connecticut, Department of Psychological Sciences}}, title={{David A. Kenny}}, url={https://psychology.uconn.edu/person/david-a-kenny}}
R