Słownik metodologiczny · Mediacja i moderacja

Test Aroiana – wzór, porównanie z testami Sobela i Goodmana i kiedy wyniki się różnią

Test Aroiana to test efektu pośredniego, który pod pierwiastkiem we wzorze Sobela dodaje iloczyn kwadratów błędów standardowych obu ścieżek. Pokazujemy, skąd ten składnik się bierze, porównujemy trzy wzory na tych samych danych i wyjaśniamy, dlaczego i tak warto sięgnąć po bootstrap.

Strona główna / Słownik / Test Aroiana
W skrócie: Test Aroiana sprawdza istotność efektu pośredniego tak jak test Sobela, ale z błędem standardowym √(b²SEa² + a²SEb² + SEa²SEb²). Dodatkowy składnik czyni test ostrożniejszym i ma znaczenie głównie w małych próbach, przy słabych ścieżkach. Test nadal zakłada normalność rozkładu ab, dlatego podstawą wniosku powinien być bootstrapowy przedział ufności.

Co to jest test Aroiana?

Test Aroiana (ang. Aroian test, test drugiego rzędu) to wariant testu Sobela (Sobel, 1982) dla efektu pośredniego w analizie mediacji. Tak jak test Sobela dzieli oszacowanie ab przez jego błąd standardowy i porównuje wynik z rozkładem normalnym, ale pod pierwiastkiem dodaje składnik SEa²SEb². MacKinnon i in. (2002) nazywają go testem drugiego rzędu i wiążą ze wzorem z pracy Aroiana o rozkładzie iloczynu dwóch zmiennych o rozkładzie normalnym.

Jeśli spotkasz w literaturze zapis „Aroian (1944)”, chodzi o tę samą pracę: MacKinnon i in. (2002) podają rok 1944, ale artykuł ukazał się w 18. tomie The Annals of Mathematical Statistics w 1947 roku (Aroian, 1947). Dziś test Aroiana ma głównie znaczenie historyczne – dzieli z testem Sobela założenie normalności rozkładu ab, więc i tu podstawą wniosku powinien być bootstrapowy przedział ufności.

Wzór i skąd bierze się dodatkowy składnik

SEab = √(b²SEa² + a²SEb² + SEa²SEb²)
z = ab / SEab

Symbole są takie jak w teście Sobela: a i SEa pochodzą z regresji mediatora na X, a b i SEb – z regresji Y na X i mediator. Skąd trzeci składnik? Dla dwóch niezależnych zmiennych dokładna wariancja iloczynu to suma trzech członów: kwadrat średniej pierwszej zmiennej razy wariancja drugiej, kwadrat średniej drugiej razy wariancja pierwszej oraz iloczyn obu wariancji. Wzór Sobela jest przybliżeniem pierwszego rzędu i pomija ostatni człon; test Aroiana go zachowuje – MacKinnon i in. (2002) opisują ten błąd standardowy jako dokładny, oparty na rozwinięciu Taylora pierwszego i drugiego rzędu.

Goodman (1960) zauważył, że przybliżony wzór daje wariancję mniejszą od dokładnej, a trafność przybliżenia zależy od sumy odwrotności kwadratów współczynników zmienności obu zmiennych. Odwrotność współczynnika zmienności oszacowania to po prostu jego statystyka z (np. za = a/SEa), dlatego różnicę między testami da się zapisać jednym wzorem:

SEAroian / SESobel = √(1 + 1 / (za² + zb²))

Dodatkowy składnik waży więc tym więcej, im słabiej oszacowane są ścieżki. Gdy obie ścieżki mają z = 1.96, czyli leżą na granicy istotności, błąd standardowy Aroiana jest o 6.3% większy niż Sobela; przy z = 4 – już tylko o 1.6%. Statystykę każdego z trzech testów można też zapisać jako zazb / √(za² + zb² + k), gdzie k = 0 w teście Sobela, 1 w teście Aroiana i −1 w teście Goodmana. Test Aroiana jest zatem zawsze najostrożniejszy z tej trójki.

Przykład: trzy wzory na tych samych danych

W badaniu pilotażowym 40 osób (dane symulowane) podało tygodniową liczbę godzin aktywności fizycznej (M = 5.48, SD = 2.84), oceniło jakość swojego snu (1–10; M = 6.68, SD = 1.77) i wypełniło wskaźnik samopoczucia WHO-5 (0–25; M = 15.00, SD = 4.47). Obie ścieżki są istotne: a = 0.261, SE = 0.092, t(38) = 2.84, p = .007, oraz b = 1.068, SE = 0.408, t(37) = 2.62, p = .013. Efekt pośredni wynosi ab = 0.279: każda dodatkowa godzina ruchu w tygodniu wiąże się – przez lepszy sen – z samopoczuciem wyższym o niecałe 0.3 punktu.

Składniki pierwszego rzędu sumują się do 0.02103, a składnik drugiego rzędu wynosi 0.00141, czyli 6.7% tej sumy. Tabela pokazuje wyniki trzech testów i – dla porównania – bootstrapu.

Test Sobela, Aroiana i Goodmana oraz bootstrap dla tego samego efektu pośredniego
MetodaSEabzp95% CI dla ab
Test Sobela0.1451.92.054[−0.005, 0.563]
Test Aroiana0.1501.86.062[−0.015, 0.573]
Test Goodmana0.1401.99.046[0.005, 0.554]
Bootstrap percentylowy (5000 prób)–––[0.079, 0.557]

Błąd standardowy Aroiana jest o 3.3% większy niż Sobela, a Goodmana o 3.4% mniejszy. Tak mała różnica wystarcza jednak, by przy granicznym wyniku zmienić decyzję: p = .062 w teście Aroiana, .054 w teście Sobela i .046 w teście Goodmana. Wszystkie trzy przedziały są symetryczne wokół 0.279. Bootstrapowy przedział [0.079, 0.557] jest asymetryczny i wyraźnie nie obejmuje zera – zgodnie z tym, że obie ścieżki są istotne (zob. test łącznej istotności).

Kiedy test Aroiana różni się od testu Sobela?

Krzywe stosunku błędu standardowego Aroiana i Goodmana do błędu Sobela w zależności od statystyki z obu ścieżek: przy z = 1.96 Aroian daje błąd o 6.3% większy, Goodman o 6.7% mniejszy; w przykładzie z N = 40 różnice wynoszą +3.3% i −3.4%, a przy silnych ścieżkach znikają
Rysunek 1. Błąd standardowy efektu pośredniego według wzorów Aroiana (niebieska krzywa) i Goodmana (czerwona krzywa) w stosunku do wzoru Sobela, gdy obie ścieżki mają tę samą statystykę z. Szary obszar – obie ścieżki nieistotne. Kółka – przykład z tekstu, zaznaczony przy z dającym tę samą sumę za² + zb² = 14.91. Obliczenia: R (krzywe ze wzoru, przykład – dane symulowane).

Statystyka z ścieżki rośnie z pierwiastkiem z liczebności próby, więc krzywe z rysunku 1 czyta się tak: w dużych próbach i przy silnych ścieżkach trzy wzory dają praktycznie ten sam wynik, a różnią się w małych próbach i przy słabych ścieżkach – czyli dokładnie wtedy, gdy decyzja jest niepewna. W symulacji MacKinnona i in. (2002) przy zerowym efekcie i N = 50 błąd standardowy Aroiana wynosił średnio 0.0348 przy rzeczywistym odchyleniu standardowym ab równym 0.0224, a wzór Sobela – 0.0264. Przy średnich efektach i tej samej liczebności wszystkie trzy wzory były bliskie wartości rzeczywistej. Skutkiem jest mniejsza moc: przy małych ścieżkach i N = 500 test Aroiana wykrył efekt w 52.6% replikacji, a test Sobela w 56.2%.

Ważniejsze jest jednak to, czego dodatkowy składnik nie zmienia. Test nadal zakłada, że ab ma rozkład normalny, i nadal buduje symetryczny przedział ufności. Tymczasem sam Aroian (1947) pokazał, że rozkład iloczynu dwóch zmiennych o rozkładzie normalnym zbliża się do normalnego dopiero wtedy, gdy stosunki ich średnich do odchyleń standardowych są duże. MacKinnon i in. (2004) potwierdzili w symulacji, że przedziały oparte na rozkładzie normalnym są niezrównoważone, a dokładniejsze wyniki dają metody resamplingu. Dlatego lepszy wzór na wariancję nie zastąpi bootstrapu, który odtwarza z danych cały, asymetryczny rozkład efektu pośredniego.

Jak opisać wynik w pracy (APA)

Test Aroiana podawaj najwyżej jako uzupełnienie – np. dla porównania z wcześniejszymi badaniami – i zawsze z informacją, na której metodzie opierasz wniosek. Wzór dla przykładu:

Efekt pośredni aktywności fizycznej na samopoczucie przez jakość snu wyniósł ab = 0.279 (a = 0.261, SE = 0.092, p = .007; b = 1.068, SE = 0.408, p = .013). Dla porównania z wcześniejszymi badaniami obliczono test Aroiana, w którym efekt pośredni nie był istotny, SE = 0.150, z = 1.86, p = .062. Wniosek oparto jednak na percentylowym 95% przedziale ufności bootstrap (5000 prób), który nie obejmował zera, 95% CI [0.079, 0.557]; ze względu na małą próbę pilotażową (N = 40) wynik należy traktować ostrożnie.

Ścieżki i efekty zbierz w tabeli według wzoru z hasła tabela mediacji w APA, a całą analizę – od PROCESS po lavaan – przeprowadzisz według poradnika analiza mediacji krok po kroku.

Przykład reprodukowalny

Przykład w R

Kod tworzy dane z pilotażu, liczy błąd standardowy efektu pośredniego według trzech wzorów, pokazuje względną wielkość składnika drugiego rzędu i wyznacza percentylowy przedział bootstrap. Liczby w tekście i tabeli pochodzą z tego kodu.

Sobel, Aroian i Goodman na tych samych danych

Dane wejściowe: 40 osób (dane symulowane, set.seed(2001)): aktywność fizyczna (godz./tydz.), jakość snu (1–10), samopoczucie WHO-5 (0–25).

Co odczytać: składniki v1 (pierwszego rzędu) i v2 (drugiego rzędu), tabelę z SE, z, p i granicami przedziałów dla trzech wzorów, stosunek v2_do_v1 = 1/(za² + zb²) oraz percentylowy 95% CI z bootstrapu.

R
# Dane symulowane: badanie pilotażowe, N = 40 – aktywność fizyczna (godz./tydz.),
# jakość snu (samoocena 1–10) i samopoczucie (wskaźnik WHO-5, 0–25)
set.seed(2001)
n <- 40
aktywnosc <- pmin(pmax(round(rgamma(n, shape = 4, scale = 1.2), 1), 0), 15)
z_akt <- (aktywnosc - 4.8) / 2.4
sen <- pmin(pmax(round(6.2 + 1.6 * (0.40 * z_akt + rnorm(n, sd = 0.92))), 1), 10)
z_sen <- (sen - 6.2) / 1.6
samopoczucie <- pmin(pmax(round(14 + 4.5 * (0.10 * z_akt + 0.38 * z_sen + rnorm(n, sd = 0.9))), 0), 25)
dane <- data.frame(aktywnosc, sen, samopoczucie)
round(sapply(dane, function(x) c(M = mean(x), SD = sd(x))), 2)

# Ścieżki a i b z dwóch regresji
m_a <- lm(sen ~ aktywnosc, data = dane)
m_b <- lm(samopoczucie ~ aktywnosc + sen, data = dane)
a <- unname(coef(m_a)["aktywnosc"]); se_a <- coef(summary(m_a))["aktywnosc", "Std. Error"]
b <- unname(coef(m_b)["sen"]);       se_b <- coef(summary(m_b))["sen", "Std. Error"]
ab <- a * b

# Trzy wzory na błąd standardowy efektu pośredniego
v1 <- b^2 * se_a^2 + a^2 * se_b^2       # składniki pierwszego rzędu (Sobel)
v2 <- se_a^2 * se_b^2                   # składnik drugiego rzędu
round(c(a = a, se_a = se_a, b = b, se_b = se_b, ab = ab, v1 = v1, v2 = v2), 5)
se <- c(Sobel = sqrt(v1), Aroian = sqrt(v1 + v2), Goodman = sqrt(v1 - v2))
round(data.frame(SE = se, z = ab / se, p = 2 * pnorm(-abs(ab / se)),
                 dolna = ab - qnorm(.975) * se, gorna = ab + qnorm(.975) * se), 4)

# Względna wielkość składnika drugiego rzędu: v2 / v1 = 1 / (z_a^2 + z_b^2)
round(c(z_a = a / se_a, z_b = b / se_b, v2_do_v1 = v2 / v1), 4)

# Percentylowy przedział bootstrap (5000 prób) – zalecana metoda
set.seed(2026)
ab_boot <- replicate(5000, {
  d <- dane[sample(nrow(dane), replace = TRUE), ]
  coef(lm(sen ~ aktywnosc, d))[2] * coef(lm(samopoczucie ~ aktywnosc + sen, d))[3]
})
round(quantile(ab_boot, c(.025, .975)), 3)
Wynik w R
   aktywnosc  sen samopoczucie
M       5.48 6.68        15.00
SD      2.84 1.77         4.47
      a    se_a       b    se_b      ab      v1      v2
0.26133 0.09205 1.06796 0.40798 0.27909 0.02103 0.00141
            SE      z      p   dolna  gorna
Sobel   0.1450 1.9245 0.0543 -0.0051 0.5633
Aroian  0.1498 1.8630 0.0625 -0.0145 0.5727
Goodman 0.1401 1.9924 0.0463  0.0045 0.5536
     z_a      z_b v2_do_v1
  2.8390   2.6177   0.0671
 2.5% 97.5%
0.079 0.557 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje bazowe); rysunek 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

  • Traktowanie testu Aroiana jako „poprawki na małą próbę”. Większy błąd standardowy czyni test ostrożniejszym, ale nie rozwiązuje problemu asymetrii rozkładu ab.
  • Brak informacji, który wzór zastosowano. Kalkulatory internetowe często podają wyniki trzech testów naraz; w pracy napisz wprost, który wynik raportujesz.
  • Wybór wzoru po zobaczeniu wyników. W przykładzie wystarczy zmienić wzór, by p przeszło z .062 na .046 – raportowanie „wygodnego” wariantu to p-hacking.
  • Sam wynik testu bez ab i przedziału ufności. Podawaj wielkość efektu pośredniego i jego bootstrapowy 95% CI.
  • Wnioski z małej próby pilotażowej bez zastrzeżeń. W pilotażu każdy z trzech testów ma małą moc, a oszacowanie ab jest bardzo nieprecyzyjne.

Najczęstsze pytania

Jaki jest wzór na test Aroiana?

SEab = √(b²SEa² + a²SEb² + SEa²SEb²), a statystyka testu to z = ab / SEab. Wartość p odczytuje się z rozkładu normalnego. Od testu Sobela różni się tylko ostatnim składnikiem pod pierwiastkiem.

Czym różni się test Aroiana od testu Sobela?

Test Aroiana dodaje do wariancji efektu pośredniego iloczyn SEa²SEb², więc jego błąd standardowy jest zawsze nieco większy, a z – mniejsze. Różnica zależy tylko od statystyk z obu ścieżek: przy z = 1.96 dla obu ścieżek błąd standardowy rośnie o 6.3%, przy z = 4 – o 1.6%.

Kiedy test Aroiana daje inny wynik niż test Sobela?

Głównie w małych próbach i przy słabych ścieżkach, gdy wynik leży blisko progu istotności. W przykładzie z tej strony (N = 40) test Sobela dał p = .054, a test Aroiana p = .062. W dużych próbach oba testy dają praktycznie ten sam wynik.

Który test wybrać: Sobela, Aroiana czy Goodmana?

Żadnego jako głównej metody. Wszystkie trzy zakładają, że efekt pośredni ma rozkład normalny, choć zwykle jest on asymetryczny. Wniosek opieraj na percentylowym przedziale bootstrap, a jeśli podajesz któryś z tych testów, wybierz go przed analizą i napisz, który wzór zastosowano.

Dlaczego w literaturze pojawia się Aroian (1944), a w bibliografii 1947?

To ta sama praca o rozkładzie iloczynu dwóch zmiennych o rozkładzie normalnym. MacKinnon i in. (2002) cytują ją z rokiem 1944, ale ukazała się w 18. tomie The Annals of Mathematical Statistics w 1947 roku. W bibliografii podawaj rok 1947 i DOI artykułu.

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. Aroian, L. A. (1947). The probability function of the product of two normally distributed variables. The Annals of Mathematical Statistics, 18(2), 265–271. https://doi.org/10.1214/aoms/1177730442 ● Otwarty dostęp
  2. Goodman, L. A. (1960). On the exact variance of products. Journal of the American Statistical Association, 55(292), 708–713. https://doi.org/10.1080/01621459.1960.10483369
  3. MacKinnon, D. P., Lockwood, C. M., & Williams, J. (2004). Confidence limits for the indirect effect: Distribution of the product and resampling methods. Multivariate Behavioral Research, 39(1), 99–128. https://doi.org/10.1207/s15327906mbr3901_4 ● Otwarty dostęp
  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. Sobel, M. E. (1982). Asymptotic confidence intervals for indirect effects in structural equation models. Sociological Methodology, 13, 290–312. https://doi.org/10.2307/270723

Cytowania BibTeX

@article{aroian1947probability, author={Aroian, Leo A.}, title={{The probability function of the product of two normally distributed variables}}, journal={The Annals of Mathematical Statistics}, year={1947}, volume={18}, number={2}, pages={265--271}, doi={10.1214/aoms/1177730442}}
@article{goodman1960exact, author={Goodman, Leo A.}, title={{On the exact variance of products}}, journal={Journal of the American Statistical Association}, year={1960}, volume={55}, number={292}, pages={708--713}, doi={10.1080/01621459.1960.10483369}}
@article{mackinnon2004confidence, author={MacKinnon, David P. and Lockwood, Chondra M. and Williams, Jason}, title={{Confidence limits for the indirect effect: Distribution of the product and resampling methods}}, journal={Multivariate Behavioral Research}, year={2004}, volume={39}, number={1}, pages={99--128}, doi={10.1207/s15327906mbr3901_4}}
@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{sobel1982asymptotic, author={Sobel, Michael E.}, title={{Asymptotic confidence intervals for indirect effects in structural equation models}}, journal={Sociological Methodology}, year={1982}, volume={13}, pages={290--312}, doi={10.2307/270723}}
R