Analiza mediacji (efekty pośrednie)
Testuj efekty pośrednie z bootstrapowymi przedziałami ufności — i otrzymaj zdanie APA przygotowane do edycji.
Ta strona jest tłumaczeniem zrecenzowanego angielskiego oryginału. Zobacz oryginał (EN)
analiza mediacjiCzym jest
Analiza mediacji pyta, jak dochodzi do efektu — czy zmienna X wpływa na wynik Y przez trzecią zmienną M. Ścieżka od X przez M do Y to efekt pośredni (mediowany); pozostała ścieżka od X do Y to efekt bezpośredni. Współczesne podejście testuje efekt pośredni (iloczyn a×b) bezpośrednio za pomocą bootstrapu, który buduje przedział ufności z tysięcy prób, zamiast zakładać, że efekt pośredni ma rozkład normalny. Jeśli ten przedział ufności wyklucza zero, efekt pośredni jest istotny. Zastąpiło to starszą procedurę kroków przyczynowych Barona i Kenny'ego (1986) oraz test Sobela, które obecnie uchodzą za mało mocne i oparte na założeniach, jakie dane rzadko spełniają.
Kiedy stosować
- Masz teorię o mechanizmie — dlaczego lub jak X wpływa na Y.
- Chcesz testować efekt pośredni, a nie tylko efekt całkowity.
- Raportujesz mediator, a recenzent oczekuje bootstrapowych przedziałów.
- Chcesz efekty bezpośredni, pośredni i całkowity w jednej analizie.
Kiedy nie stosować
- Twoje dane są przekrojowe, a zamierzasz stawiać mocne tezy przyczynowe — mediacja nie dowodzi przyczynowości bez solidnego planu badania.
- Nie masz teoretycznego powodu dla mediatora — łowienie mediatorów zawyża fałszywe odkrycia.
Założenia
- Uzasadniona kolejność przyczynowa: X poprzedza M, a M poprzedza Y, najlepiej z założenia badania.
- Brak istotnych pominiętych zmiennych zakłócających relację M–Y.
- Liniowe relacje między zmiennymi (chyba że modelujesz inaczej).
- Odpowiednia wielkość próby dla stabilnych bootstrapowych przedziałów.
Progi i wartości graniczne
| Criterion | Rule of thumb | Source |
|---|---|---|
| Efekt pośredni (a×b) | Istotny, jeśli bootstrapowy CI wyklucza 0 | Preacher & Hayes (2008) |
| Próby bootstrapowe | ≥ 5 000 zalecane | Hayes (2018) |
| Przedział ufności | Bias-corrected lub percentylowy 95% CI | Preacher & Hayes (2008) |
Jak raportować w APA
Efekt pośredni X na Y przez M był istotny, ab = .XX, SE = .XX, 95% bootstrapowy CI [.XX, .XX] (5 000 prób), przy czym przedział wykluczał zero. Efekt bezpośredni także pozostał istotny, c′ = .XX, p = .0X, więc swój udział mają zarówno ścieżka bezpośrednia, jak i pośrednia (mediacja komplementarna w typologii Zhao, Lyncha i Chena, 2010).
Jak liczy to Explonia
Explonia testuje efekty pośrednie w przeglądarce z bootstrapowymi przedziałami ufności, więc nie musisz zakładać, że efekt pośredni jest normalny. Wybierasz predyktor, mediator i wynik, a Explonia raportuje efekty bezpośredni, pośredni i całkowity z ich przedziałami oraz odnotowuje, czy efekt pośredni jest istotny. Przygotowuje zdanie APA — łącznie ze szczegółami bootstrapu — do przejrzenia i edycji. Eksport do R lub SPSS (.sav) jest dostępny w płatnych planach.
Najczęściej zadawane pytania
Czy używać testu Sobela czy bootstrapu dla mediacji?
Bootstrap jest preferowany. Test Sobela zakłada, że efekt pośredni ma rozkład normalny, co zwykle nie jest prawdą; bootstrap nie czyni takiego założenia (Preacher & Hayes, 2008).
Czy nadal potrzebuję kroków przyczynowych Barona i Kenny'ego?
Nie. Podejście kroków przyczynowych Barona i Kenny'ego (1986) — w tym wymóg, by X istotnie przewidywał Y przed testowaniem mediacji — uchodzi dziś za przestarzałe i mało mocne. Współczesna praktyka testuje efekt pośredni bezpośrednio bootstrapowym przedziałem ufności, a efekt może być mediowany nawet wtedy, gdy całkowity efekt X–Y nie jest istotny. Cytuj Barona i Kenny'ego dla kontekstu historycznego, a nie jako metodę testowania.
Co oznacza, że bootstrapowy CI wyklucza zero?
Jeśli 95% przedział ufności dla efektu pośredniego nie zawiera zera, efekt pośredni jest statystycznie istotny — dowód, że X wpływa na Y przez mediator.
Jaka jest różnica między mediacją częściową a pełną?
Te etykiety pochodzą z czasów podejścia przyczynowych kroków (causal steps) i dziś odradza się ich używania. To, czy efekt bezpośredni c′ pozostaje istotny, zależy od wielkości próby, więc ten sam mediator może wyglądać na "pełny" w małej próbie i na "częściowy" w dużej. Raportuj efekt pośredni z jego bootstrapowym przedziałem ufności, a jeśli potrzebujesz etykiety, użyj typologii Zhao, Lyncha i Chena (2010): mediacja komplementarna, konkurencyjna albo wyłącznie pośrednia (indirect-only). Zobacz mediacja pełna i częściowa.
Czy mogę wnioskować o przyczynowości z analizy mediacji?
Nie z samych danych przekrojowych. Mediacja opisuje hipotetyczną ścieżkę; tezy przyczynowe wymagają planu badania (takiego jak podłużny lub eksperymentalny), który je wspiera.
Last updated: listopad 2026
Policz Mediation na własnych danych
Zbierz lub wgraj swoje dane, wykonaj analizę w przeglądarce i uzyskaj gotowy akapit APA, który możesz edytować. Start za darmo. Bez karty.
Zacznij za darmo