Mediatie en moderatie - college PDF

Preview

Summary

college...

Description

Mediatie en moderatie Hiervan geenslides van Hardyns, enkel in boek p. 307 -333 + oefeningen kennen. Hierbij is het vooral belangrijk om een situatie van mediatie en moderatie te kunnen herkennen en een output ervan te kunnen interpreteren. Pagina 307 – 308 is dus niet te kennen. Les De Buck 1. Moderatie Situatie waarin een moderator-variabele de conditie specificeert waaronder een gegeven onafhankelijke variabele samenhangt met een afhankelijke variabele. Moderatie impliceert een situatie waarbij introductie van een moderator variabele de richting en/of de sterkte wijzigt van de samenhang tussen de 2 variabelen. Er zijn verschillende moderatie effecten mogelijk : -

Versterkend effect : Toename van de moderator variabele leidt tot een toename van het effect van de onafhankelijke variabele op de afhankelijke variabele. Buffer-effect : Toename van de moderator variabele leidt naar een afzwakking van het effect van de onafhankelijke variabele op de afhankelijke variabele. Antagonistisch effect : Toename van de moderator variabele leidt naar een omkering van het effect van de onafhankelijke op de afhankelijke variabele.

Er wordt ook wel gesproken van interactie. Het betekent dat twee variabelen een gecombineerd effect hebben op de afhankelijke variabele. Er wordt gekeken naar een interactie-effect tussen de onafhankelijke en de moderator variabele en of dit effect statistisch significant de afhankelijke variabele kan verklaren.

-

Interpreteren output moderatie (p. 313 – 316 volledige output) o Eerst zien we een model summary  Hier zien we de regressiecoëfficiënten, alsook de statistische significantie van de interactie-term. o Vervolgens zien we de conditional effects  Hiermee kunnen we het moderatie-effect te interpreteren.  De output toont het resultaat van 3 modellen  Moderatie-effect laag  Moderatie-effect gemiddeld  Moderatie-effect hoog  Hierbij moet je dan kijken of het moderatie-effect statistisch significant is. Wanneer dit het geval is, dan kunnen we besluiten dat in dat geval de samenhang tussen de afhankelijke en onafhankelijke variabele zal optreden bij respondenten met lage/gemiddelde/hoge niveaus van moderatie-variabele. o Vervolgens zie je Johnson Neyman significance  Hierbij zien we verschillende waarden van de moderator variabele. Hiervan worden dan de regressiecoëfficiënten berekend en de statistische significantie voor de samenhang tussen de afhankelijke en onafhankelijke variabele.  Men kan hiermee de drempel van de statistische significantie bepalen. o Tot slot krijg je ook data for visualising the coditional effect of the focal predictor  Dit zijn de gegevens om de interactie-effecten te plotten.

2. Mediatie Situatie waarin het effect van een onafhankelijke variabele op een afhankelijke variabele het best kan verklaard worden door een mediator variabele. De mediator variabele medieert de samenhang tussen de onafhankelijke en afhankelijke variabele waarbij de onafhankelijke variabele een effect heeft op de mediator variabele die zelf een effect heeft op de afhankelijke variabele. De samenhang tussen de onafhankelijke en afhankelijke variabele is dus indirect.

Opgelet : we spreken in dit geval niet meer van een afhankelijke en een onafhankelijke variabele. We spreken van exogene en endogene variabelen. -

Exogeen = Variabele in het model dat geen expliciete oorzaken heeft. Dit betekent dat er geen pijlen in aankomen. In de tekening is dat X. Endogeen = Variabele in het model die beïnvloed worden door andere variabelen in het model. Er komen dus pijlen aan. In de tekening is dit Y.

Er zijn wel een aantal assumpties waar we mee moeten rekening houden. -

Alle variabelen zijn gemeten op een continue meetschaal = Variabelen kunnen allerlei tussenwaarden aannemen (dus bv. Ook kommagetallen) Alle variabelen volgen een normaalverdeling De errortermen zijn onderling niet gerelateerd aan elkaar, ze zijn onafhankelijk van elkaar De samenhang tussen de variabelen is lineair

Op de tekening zien we ook verschillende paden -

Pad A : Hoe de onafhankelijke variabele samenhangt met de mediator Pad B : Hoe de mediator samenhangt met de afhankelijke variabele Pad C : initiële samenhang X en Y, zonder de mediator. Pad C’ : Kijkt hoe de onafhankelijke variabele in de eerste plaats direct samenhangt met de afhankelijke variabele. Met andere woorden, wanneer de mediator mee in rekening wordt gebracht.

-

Interpreteren output p. 330 – 334 o Het eerste gedeelte van de output geeft ons het nummer van het model dat wordt geanalyseerd, de namen van de 3 variabelen in het model en de steekproefgrootte o Vervolgens wordt het model summary gegeven. Hieronder vind je de resultaten van de lineaire regressie van de mediator op de onafhankelijke variabele. (Pad A)  Hier kunnen we zien of het effect van de onafhankelijke variabele op de mediator variabele significant is en welke richting deze aanneemt.  We vinden R² hier ook terug, namelijk onder R-sq. Dit geeft weer hoeveel variabiliteit in de mediator kan verklaard worden door de onafhankelijke variabele. o Daarna vinden we terug een model summary , maar deze keer van de lineaire regressie van de afhankelijke variabele op de onafhankelijke variabele.  Hier kunnen we zien of de onafhankelijke variabele statistisch significant samenhangt met de afhankelijke variabele onder controle van de mediator variabele. ( pad B)  Ook hier vinden we R² terug onder R-sq. o Vervolgens krijgen we het total effect model. Het totale effect is het effect van de onafhankelijke variabele op de afhankelijke wanneer de mediator variabele niet is opgenomen in het statistisch model. Dit is de initiële samenhang (pad C).  Verder vinden we hier of het effect statistisch significant is en welke richting deze aanneemt.  Ook R² vinden we hier. o Vervolgens komt het belangrijkste deel van de output, namelijk het total direct and indirect effects of x on y.  Het toont de resultaten van de indirecte effecten van de onafhankelijke variabele op de afhankelijke variabele.  Eerst krijgen we nog een keer het totale effect (zie hierboven)  Vervolgens krijgen we het directe effect, dus wanneer de mediator in het model wordt toegevoegd. (Pad c’)  Vervolgens wordt het indirecte effect gegeven van X op Y. opletten hierbij want het getal 0 mag niet in het betrouwbaarheidsinterval vallen (LLCI – ULCI). Wanneer dit wel het geval is, dan betekent dit dat er geen effect is. o Vervolgens vinden we nog een aantal effectparameters. Hier wordt aangeraden om te kijken naar het betrouwbaarheidsinterval. Daar mag namelijk de waarde 0 niet tussenvallen, want anders is er geen effect. Wanneer dit niet het geval is, dan kan je besluiten dat er sprake is van mediatie.

Oefeningen -

Taak 1

Zie Ufora voor de output. o We hebben hier te maken met een situatie van moderatie = Moderatie impliceert een situatie waarbij introductie van een moderator variabele de richting en/of de sterkte wijzigt van de samenhang tussen de 2 variabelen. o We moeten hierbij nagaan of de relatie tussen aantrekkelijkheid en steun aan partner wordt gemodereerd door gender. o Stap 1 : Teken het conceptuele model

Aantrekkelijkheid

Steun aan partner

Gender

o Stap 2 : Leg in eigen woorden uit wat bedoeld wordt met ‘ deze relatie wordt gemodereerd door de variabele gender’  Dit wil zeggen dat de variabele gender ervoor zorgt dat de richting en/of de sterkte wijzigt van de samenhang tussen aantrekkelijkheid en de steun aan partner. o Stap 3 : moderatietoets uitvoeren  Zie Ufora voor Output. o Stap 4 : vat de resultaten samen  Eerst zien we een model summary  Hier zien we de regressiecoëfficiënten, alsook de statistische significantie van de interactie-term.  We zien dat de interactieterm statistisch significant is o B = 0,105; p-waarde = 0,0002 ; het getal 0 valt niet in het betrouwbaarheidsinterval o Concreet wil dit zeggen dat de relatie tussen aantrekkelijkheid en steun aan partner wordt gemodereerd door gender.  Vervolgens zien we de conditional effects o Hiermee kunnen we het moderatie-effect te interpreteren. o De output toont het resultaat van 3 modellen  Moderatie-effect laag  Moderatie-effect gemiddeld  Moderatie-effect hoog



o In dit geval toont de output 2 modellen : 1 voor mannen (- 0,5) en 1 voor vrouwen (0,5).  Hieruit blijkt dat er een statistische significantie is bij zowel mannen als vrouwen. Bij mannen zien we b= - 0,0598 met een p-waarde van 0,0034. Het getal 0 valt niet in het betrouwbaarheidsinterval. Hieruit kunnen we besluiten dat er een negatief verband is. Dit wil zeggen dat als een man aantrekkelijker is, hij minder steun krijgt van zijn partner. Bij vrouwen zien we b = 0,0455 met een pwaarde van 0,0202. Het getal 0 valt niet in het betrouwbaarheidsinterval. We hebben hier te maken met een positief verband. Dit wil zeggen dat als een vrouw aantrekkelijker is, ze meer steun krijgt van haar partner. Tot slot krijg je ook data for visualising the coditional effect of the focal predictor o Dit zijn de gegevens om de interactie-effecten te plotten.

-

Taak 2 Zie Ufora voor de Output o We hebben hier te maken met een situatie van moderatie = Moderatie impliceert een situatie waarbij introductie van een moderator variabele de richting en/of de sterkte wijzigt van de samenhang tussen de 2 variabelen. o Hierbij moeten we nagaan of de samenhang tussen aantrekkelijkheid en voldoening in een relatie onder pasgehuwden wordt gemodereerd door de variabele gender. o Vat de resultaten samen en interpreteer  Eerst zien we een model summary  Hier zien we de regressiecoëfficiënten, alsook de statistische significantie van de interactie-term.  We zien dat de interactieterm NIET statistisch significant is, want deze heeft een p-waarde van 0,3737. Hieruit moeten we dus besluiten dat er geen moderatie is tussen aantrekkelijkheid en voldoening in een relatie.

-

Taak 3

Zie op Ufora voor output. o We hebben hier een situatie van mediatie = Situatie waarin het effect van een onafhankelijke variabele op een afhankelijke variabele het best kan verklaard worden door een mediator variabele. De mediator variabele medieert de samenhang tussen de onafhankelijke en afhankelijke variabele waarbij de onafhankelijke variabele een effect heeft op de mediator variabele die zelf een effect heeft op de afhankelijke variabele. De samenhang tussen de onafhankelijke en afhankelijke variabele is dus indirect. o Hier moeten we nagaan of leeftijd een invloed heeft op het verspreiden van roddels en of dat deze samenhang wordt gemedieerd door aantrekkelijkheid. o Interpretatie Output  Model summary: Hieronder vind je de resultaten van de lineaire regressie van de mediator op de onafhankelijke variabele.  Hier kunnen we zien of het effect van de onafhankelijke variabele op de mediator variabele significant is en welke richting deze aanneemt. o We zien in dit geval een statistisch significant effect van de moderator op leeftijd. We zien een negatieve samenhang (b = - 0,0266) die statistisch significant is ( p-waarde = 0,0004). o Dit betekent dat wanneer leeftijd stijgt, de waarden op aantrekkelijkheid zullen dalen.  Daarna vinden we terug een model summary , maar deze keer van de lineaire regressie van de afhankelijke variabele op de onafhankelijke variabele.  Hier kunnen we zien of de onafhankelijke variabele statistisch significant samenhangt met de afhankelijke variabele onder controle van de mediator variabele. o Hier zien we een significant effect van de mediator op de afhankelijke variabele (b= 0,4546 en p= 0,0006 ; 0 niet in betrouwbaarheidsinterval) . Dit is pad B. o Verder kunnen we ook zien dat het pad c’ niet significant is ( b = -0,113 met p = 0,2060)



Vervolgens krijgen we het total effect model. Het totale effect is het effect van de onafhankelijke variabele op de afhankelijke wanneer de mediator variabele niet is opgenomen in het statistisch model. Dit is de initiële samenhang.  Verder vinden we hier of het effect statistisch significant is en welke richting deze aanneemt.  Hieruit kunnen we besluiten dat pad C een negatieve statistische samenhang heeft. (b= -0,0234 ; p = 0,0093 ; 0 valt niet in betrouwbaarheidsinterval)



Vervolgens komt het belangrijkste deel van de output, namelijk het total direct and indirect effects of x on y.  Het toont de resultaten van de indirecte effecten van de onafhankelijke variabele op de afhankelijke variabele.  Eerst zien we het totale effect (pad C) : we zagen hierbij negatieve statistische samenhang (zie hierboven)  Vervolgens zien we het directe effect (pad c’) : niet significant (b= -0,0113 ; p = 0,2060)  Tot slot zien we het indirecte effect van x op y via mediator: De schatting van dit effect is b= - 0,0121. Het getal 0 valt niet in het betrouwbaarheidsinterval. Hieruit kunnen we besluiten dat er wel degelijk een effect is en dat de mediator aantrekkelijkheid werkelijk de samenhang tussen leeftijd en neiging medieert.

Rapportage : Jongere vrouwen hebben een grotere neiging om te roddelen en dat kan worden toegeschreven aan een hogere aantrekkingskracht....