Prejsť na obsah
Metóda

Mediačná analýza (nepriame efekty)

Testuj nepriame efekty pomocou bootstrapových intervalov spoľahlivosti — a dostaneš pripravenú APA vetu na úpravu.

Táto stránka je prekladom recenzovaného anglického originálu. Zobraziť originál (EN)

mediačná analýza

Čo to je

Mediačná analýza sa pýta, ako efekt vzniká — či premenná X ovplyvňuje výsledok Y cez tretiu premennú M. Dráha z X do M do Y je nepriamy (mediovaný) efekt; zvyšná dráha z X do Y je priamy efekt. Moderný prístup testuje nepriamy efekt (súčin a×b) priamo pomocou bootstrappingu, ktorý zostaví interval spoľahlivosti z tisícok prevzoriek namiesto predpokladu, že nepriamy efekt má normálne rozdelenie. Ak tento interval spoľahlivosti vylučuje nulu, nepriamy efekt je významný. Toto nahradilo staršiu procedúru kauzálnych krokov Barona a Kennyho (1986) a Sobelov test, ktoré sa dnes považujú za málo silné a závislé od predpokladov, ktoré dáta zriedka spĺňajú.

Kedy ho použiť

  • Máš teóriu o mechanizme — prečo alebo ako X ovplyvňuje Y.
  • Chceš testovať nepriamy efekt, nielen celkový efekt.
  • Reportuješ mediátor a recenzent očakáva bootstrapové intervaly.
  • Chceš priame, nepriame a celkové efekty v jednej analýze.

Kedy ho nepoužiť

  • Tvoje dáta sú prierezové a chceš robiť silné kauzálne tvrdenia — mediácia bez kvalitného dizajnu nedokazuje kauzalitu.
  • Nemáš teoretický dôvod pre mediátor — hľadanie mediátorov naslepo nafukuje falošné pozitíva.

Predpoklady

  • Obhájiteľné kauzálne poradie: X predchádza M a M predchádza Y, ideálne dizajnom.
  • Žiadne dôležité vynechané konfundery vzťahu M–Y.
  • Lineárne vzťahy medzi premennými (pokiaľ nemodeluješ inak).
  • Primeraná veľkosť vzorky pre stabilné bootstrapové intervaly.

Prahy a medzné hodnoty

CriterionRule of thumbSource
Nepriamy efekt (a×b)Významný, ak bootstrapové CI vylučuje 0Preacher & Hayes (2008)
Bootstrapové prevzorky≥ 5,000 odporúčanéHayes (2018)
Interval spoľahlivostiBias-corrected alebo percentilové 95% CIPreacher & Hayes (2008)

Ako to reportovať v APA

Šablóna APA — skopírujte a upravte

Nepriamy efekt X na Y cez M bol významný, ab = .XX, SE = .XX, 95% bootstrap CI [.XX, .XX] (5,000 prevzoriek), pričom interval vylučoval nulu. Priamy efekt zostal tiež významný, c′ = .XX, p = .0X, takže prispieva priama aj nepriama dráha (komplementárna mediácia v typológii Zhaa, Lyncha a Chena, 2010).

Ako to počíta Explonia

Explonia testuje nepriame efekty v prehliadači pomocou bootstrapových intervalov spoľahlivosti, takže nemusíš predpokladať, že nepriamy efekt je normálny. Vyberieš prediktor, mediátor a výsledok a Explonia reportuje priame, nepriame a celkové efekty s ich intervalmi a poznamená, či je nepriamy efekt významný. Pripraví APA vetu — vrátane detailov bootstrapu — na tvoju kontrolu a úpravu. Export do R alebo SPSS (.sav) je dostupný v platených plánoch.

Results verified against R (lavaan)

Často kladené otázky

Mám pre mediáciu použiť Sobelov test alebo bootstrapping?

Bootstrapping je preferovaný. Sobelov test predpokladá, že nepriamy efekt má normálne rozdelenie, čo zvyčajne nemá; bootstrapping takýto predpoklad nerobí (Preacher & Hayes, 2008).

Potrebujem ešte kauzálne kroky Barona a Kennyho?

Nie. Prístup kauzálnych krokov Barona a Kennyho (1986) — vrátane požiadavky, aby X významne predpovedalo Y pred testovaním mediácie — sa dnes považuje za zastaraný a málo silný. Moderná prax testuje nepriamy efekt priamo bootstrapovým intervalom spoľahlivosti a efekt môže byť mediovaný aj vtedy, keď celkový efekt X–Y nie je významný. Cituj Barona a Kennyho pre historický kontext, nie ako svoju testovaciu metódu.

Čo znamená, ak bootstrapové CI vylučuje nulu?

Ak 95% interval spoľahlivosti pre nepriamy efekt neobsahuje nulu, nepriamy efekt je štatisticky významný — dôkaz, že X ovplyvňuje Y cez mediátor.

Aký je rozdiel medzi čiastočnou a úplnou mediáciou?

Tieto označenia pochádzajú z obdobia kauzálnych krokov a dnes sa neodporúčajú. To, či priamy efekt c′ zostane významný, závisí od veľkosti vzorky, takže ten istý mediátor môže v malej vzorke vyzerať ako "úplný" a vo veľkej ako "čiastočný". Reportuj nepriamy efekt s jeho bootstrapovým intervalom spoľahlivosti a ak potrebuješ označenie, použi typológiu Zhaa, Lyncha a Chena (2010): komplementárna, kompetitívna alebo iba nepriama (indirect-only) mediácia. Pozri úplná vs. čiastočná mediácia.

Môžem z mediačnej analýzy tvrdiť kauzalitu?

Nie zo samotných prierezových dát. Mediácia opisuje hypotetickú dráhu; kauzálne tvrdenia potrebujú dizajn (napríklad longitudinálny alebo experimentálny), ktorý ich podporuje.

Last updated: november 2026

Spustite Mediácia na vlastných dátach

Zozbierajte alebo nahrajte svoje dáta, spustite analýzu v prehliadači a získajte návrh odseku APA, ktorý môžete upraviť. Začnite zadarmo. Bez karty.

Začať zadarmo