Co oznacza Test Aroiana?
Zastosowanie, warunki i dobre praktyki
Test Aroiana jest wariantem testu delty dla iloczynu ab, uwzględniającym dodatkowy składnik wariancji ścieżek. Nadal opiera się na przybliżeniu normalnym, które słabo oddaje asymetryczny rozkład efektu pośredniego, szczególnie w małych próbach. Może mieć wartość historyczną lub pomocniczą, lecz głównym wynikiem powinien być bootstrapowy przedział ab.
Najważniejsze zastosowanie: Stosuj test Aroiana historycznie do efektu pośredniego, uwzględniając w błędzie standardowym dodatkowy iloczyn wariancji ścieżek.
Jak to się oblicza i co oznaczają symbole?
Test Aroiana dodaje iloczyn wariancji ścieżek do mianownika testu efektu pośredniego. Nadal opiera się na przybliżeniu normalnym i nie zastępuje bootstrapowej oceny asymetrycznego rozkładu ab.
Jak poprawnie stosować i interpretować hasło „Test Aroiana”?
W odniesieniu do pojęcia „Test Aroiana” należy przed analizą określić role X, mediatora M i wyniku Y oraz uzasadnić ich kolejność czasową. W odniesieniu do hasła „Test Aroiana” najważniejszym parametrem jest efekt pośredni, zwykle iloczyn ścieżek a i b, a nie sama zmiana istotności efektu bezpośredniego. Przy ocenie hasła „Test Aroiana” model powinien uwzględniać czynniki zakłócające właściwe dla każdej ścieżki, a nie dowolny zestaw dostępnych kowariat.
Ocena pojęcia „Test Aroiana” wymaga przedziału ufności dla efektu pośredniego, najczęściej wyznaczonego bootstrapem, oraz analizy wrażliwości na alternatywną kolejność i pominięte zmienne. W analizie dotyczącej hasła „Test Aroiana” dane przekrojowe zwykle nie pozwalają potwierdzić mechanizmu czasowego. Dla interpretacji hasła „Test Aroiana” 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 „Test Aroiana” 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 „Test Aroiana” trzeba opisać liczbę replikacji bootstrapu, kowariaty, kolejność pomiarów i status analizy jako potwierdzającej lub eksploracyjnej.
Zakres raportowania dla hasła „Test Aroiana”: Jeśli użyty, podaj z i p; lepiej raportuj ab z bootstrap CI.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Dla a = .31 i b = .42 test Aroiana uwzględnił dodatkowy iloczyn wariancji ścieżek w mianowniku; bootstrapowy przedział dla ab był jednak głównym wynikiem.
Jak ją zinterpretować: Wynik stanowi normalne przybliżenie testu iloczynu ab z dodatkowym składnikiem wariancji. Ze względu na asymetrię efektu pośredniego większą wagę należy nadać bootstrapowemu przedziałowi niż samej wartości z.
Najczęstsza pułapka i granica interpretacji
Dodatkowy składnik wariancji nie usuwa problemu nienormalnego rozkładu iloczynu ab.
Wynik dotyczący „Test Aroiana” opisuje zgodność danych z określonym modelem pośredniczenia, lecz sam nie dowodzi mechanizmu przyczynowego. W analizie dotyczącej hasła „Test Aroiana” 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}}