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
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:
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.
| Metoda | SEab | z | p | 95% CI dla ab |
|---|---|---|---|---|
| Test Sobela | 0.145 | 1.92 | .054 | [−0.005, 0.563] |
| Test Aroiana | 0.150 | 1.86 | .062 | [−0.015, 0.573] |
| Test Goodmana | 0.140 | 1.99 | .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?
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:
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 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
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()).
- 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/
- 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
Analiza mediacji krok po kroku
Hipoteza, ścieżki a, b, c′, efekt pośredni z bootstrapem, PROCESS w SPSS, lavaan w R, dwa mediatory, moc i gotowy opis APA – na jednym przykładzie.
Czytaj →PoradnikBadanie pilotażowe: po co, ile osób, co sprawdzić
Pilotaż a pretest, ile osób zbadać, co sprawdzić w danych i dlaczego nie liczyć mocy z efektu z pilotażu. Z symulacją, kodem R i wzorem opisu.
Czytaj →PoradnikJak opisać wyniki w stylu APA – gotowe zdania
18 gotowych zdań APA – od testu t po mediację i moderację – z liczbami z jednego badania i kodem R, który pozwala sprawdzić każdą wartość.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- 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
- 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
- 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
- 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
- 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}}