Analiza mediacji – jak badać efekt pośredni pomiędzy zmiennymi?

Regresja może odpowiedzieć na pytanie:

Czy X jest związane z Y?

Analiza mediacji idzie krok dalej i pyta:

Czy związek pomiędzy X i Y przebiega częściowo przez trzecią zmienną M?

Zmiennej M przypisujemy w takim modelu rolę mediatora.

Przykład

Załóżmy:

X – stres zawodowy

M – jakość snu

Y – jakość życia.

Hipoteza może zakładać, że większy stres jest związany z gorszą jakością snu, a gorsza jakość snu z niższą jakością życia.

Schemat:

stres → jakość snu → jakość życia.

Analiza mediacji pozwala oszacować efekt pośredni odpowiadający takiej ścieżce.

Podstawowe ścieżki

W prostym modelu mediacji często oznacza się:

a – związek X z M,

b – związek M z Y po uwzględnieniu X,

c – efekt całkowity X na Y w odpowiednim modelu,

c’ – efekt bezpośredni X na Y po uwzględnieniu M.

Efekt pośredni można przedstawić jako:

a × b.

Efekt całkowity

W prostym liniowym modelu bez dodatkowych komplikacji:

c = c’ + ab.

Czyli całkowity związek X z Y można rozłożyć na:

  • efekt bezpośredni,
  • efekt pośredni przez mediator.

Czy X musi najpierw być istotnie związane z Y?

Historycznie popularne podejście etapowe wymagało wykazania istotnego efektu całkowitego.

Współczesna analiza mediacji nie wymaga mechanicznie, aby efekt całkowity c był istotny statystycznie przed testowaniem efektu pośredniego.

Najważniejszym obiektem zainteresowania jest bezpośrednie oszacowanie efektu pośredniego i jego niepewności.

Bootstrap w analizie mediacji

Rozkład iloczynu:

a × b

nie musi być normalny.

Dlatego bardzo popularną metodą oceny niepewności efektu pośredniego jest bootstrap.

Polega on na wielokrotnym losowaniu prób z zastępowaniem z danych i ponownym obliczaniu efektu.

Na tej podstawie można uzyskać bootstrapowy przedział ufności.

Przykład wyniku

Załóżmy:

efekt pośredni = −0,18

95% bootstrap CI: −0,29 do −0,09.

Przedział nie obejmuje 0.

Wynik wskazuje na statystycznie wykrywalny efekt pośredni w przyjętym modelu.

Czy należy pisać „pełna” i „częściowa mediacja”?

Dawniej często stosowano określenia:

  • full mediation,
  • partial mediation.

Współcześnie znacznie bardziej informacyjne jest przedstawienie:

  • efektu bezpośredniego,
  • efektu pośredniego,
  • efektu całkowitego,
  • przedziałów ufności.

Proste etykiety mogą nadmiernie upraszczać rzeczywisty mechanizm.

Mediacja a moderacja

To dwa różne pytania.

Mediacja: poprzez jaki mechanizm X jest związane z Y?

Moderacja: kiedy lub dla kogo związek X–Y jest silniejszy albo słabszy?

Mediacja dotyczy efektu pośredniego.

Moderacja dotyczy interakcji.

Czy mediacja dowodzi mechanizmu przyczynowego?

Nie automatycznie.

To jeden z najważniejszych problemów interpretacyjnych.

Jeżeli wszystkie zmienne zostały zmierzone jednocześnie w badaniu przekrojowym, sam model statystyczny nie dowodzi, że:

X powoduje M, a następnie M powoduje Y.

Alternatywne kierunki zależności mogą być równie możliwe.

Znaczenie kolejności czasowej

Silniejsze podstawy do interpretacji mechanizmu daje projekt, w którym:

  • X poprzedza M,
  • M poprzedza Y,
  • uwzględniono istotne czynniki zakłócające,
  • projekt umożliwia odpowiednie wnioskowanie przyczynowe.

Samo narysowanie strzałek w diagramie nie tworzy przyczynowości.

Mediacja w badaniu przekrojowym

Można oszacować statystyczny efekt pośredni, ale opis powinien być ostrożny.

Lepiej pisać:

„wyniki były zgodne z zakładanym modelem pośrednim”

niż:

„udowodniono, że M powoduje wpływ X na Y”.

Kowariaty w modelu

Do modelu mediacji można wprowadzić dodatkowe zmienne.

Powinny być jednak dobrane na podstawie:

  • teorii,
  • projektu badania,
  • wiedzy o potencjalnych czynnikach zakłócających.

Automatyczne dodawanie wszystkich dostępnych zmiennych nie gwarantuje poprawnej kontroli confoundingu.

Mediacja równoległa

Możemy analizować więcej niż jeden mediator.

Przykład:

stres → sen → jakość życia,

stres → aktywność fizyczna → jakość życia.

Oba mediatory można analizować w modelu równoległym, jeżeli odpowiada to hipotezie badawczej.

Mediacja szeregowa

Możliwy jest również model:

X → M1 → M2 → Y.

Przykład:

stres → zaburzenia snu → zmęczenie → jakość życia.

Takie modele wymagają jednak jeszcze mocniejszego uzasadnienia teoretycznego i odpowiedniego projektu.

Wielkość próby

Efekty pośrednie mogą być stosunkowo małe.

Dlatego analiza mediacji wymaga odpowiedniej mocy statystycznej.

Nie należy zakładać, że próba wystarczająca do wykrycia dużej korelacji będzie automatycznie wystarczająca do precyzyjnego oszacowania efektu pośredniego.

Jak opisać wynik?

Przykład:

„Stwierdzono ujemny efekt pośredni stresu na jakość życia poprzez jakość snu (ab = −0,18; 95% bootstrap CI: −0,29 do −0,09). Wyniki były zgodne z hipotezą zakładającą pośredniczącą rolę jakości snu.”

W badaniu obserwacyjnym warto unikać nadmiernie przyczynowego języka.

Mediacja w SPSS

Analizę można przeprowadzić poprzez odpowiednie modele regresji, a często wykorzystywanym rozwiązaniem jest również makro PROCESS.

Niezależnie od programu najważniejsze są:

  • poprawny model,
  • właściwe kodowanie,
  • bootstrap CI,
  • diagnostyka danych,
  • ostrożna interpretacja.

Najczęstsze błędy

Należą do nich:

  • traktowanie mediacji jako dowodu przyczynowego,
  • wymaganie istotnego c jako warunku analizy,
  • interpretowanie tylko pojedynczych wartości p dla ścieżek,
  • brak bootstrap CI dla efektu pośredniego,
  • mylenie mediacji z moderacją,
  • budowanie złożonych modeli bez uzasadnienia teoretycznego.

FAQ

Co to jest mediator?
Zmienna znajdująca się w modelu na ścieżce pośredniej pomiędzy X i Y.

Co oznacza efekt pośredni?
W prostym modelu jest to efekt odpowiadający iloczynowi ścieżek a i b.

Czy efekt całkowity musi być istotny?
Nie jest to bezwzględny warunek testowania efektu pośredniego.

Dlaczego stosuje się bootstrap?
Pozwala oszacować niepewność efektu pośredniego bez prostego założenia normalności rozkładu iloczynu współczynników.

Czy mediacja i moderacja to to samo?
Nie. Moderacja dotyczy interakcji, a mediacja efektu pośredniego.

Potrzebujesz analizy mediacji?

Pomagamy przygotować modele mediacyjne, bootstrapowe przedziały ufności, analizę regresji i prawidłową interpretację do pracy lub publikacji.

statystyka@statystyka.org.pl
tel. 692 809 254

Źródło i więcej informacji: Kurs metodologia i statystyka – analiza mediacji dostęp 07.09.2026r.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *

Time limit is exhausted. Please reload CAPTCHA.