Aracılık ve düzenleyicilik analizlerinde hangi yöntem kullanılır?
Güncelleme tarihi: 6 gün önce
Aracılık ve düzenleyicilik analizlerinde yöntem seçimi, araştırmada sınanmak istenen ilişkiye göre yapılır. Aracılıkta bir değişken üzerinden geçen dolaylı etki, düzenleyicilikte ise iki değişken arasındaki ilişkinin başka bir değişkene göre farklılaşması incelenir. Bu nedenle iki yaklaşımda aynı katsayıya veya aynı çıktı tablosuna bakılmaz. Analize başlamadan önce araştırma sorusunun hangi ilişkiyi tarif ettiği açıkça belirlenmelidir.
Bu alanda kafa karıştıran konulardan biri, Sobel testi, bootstrap, regresyon ve Hayes PROCESS’in aynı tür seçenekler gibi sunulmasıdır. Oysa bunların modeldeki görevleri farklıdır. Regresyon ilişkileri tahmin etmek için kullanılan bir analiz yaklaşımı, bootstrap belirsizliği değerlendirmeye yarayan bir yeniden örnekleme yöntemi, PROCESS ise çeşitli modelleri uygulamayı kolaylaştıran bir araçtır. Bu yazıda söz konusu ayrımları açıklayarak araştırma modelinden uygun analiz yaklaşımına nasıl geçileceğini ele alacağız.
Aracılık ve düzenleyicilik analizlerinde önce araştırma sorusunu ve değişkenlerin rollerini belirleyin
Bir değişkenin aracı veya düzenleyici olması, değişkenin adından anlaşılmaz. Sosyal destek, motivasyon veya iş doyumu farklı araştırmalarda farklı roller üstlenebilir. Bu rolü belirleyen, araştırmacının kuramsal gerekçesi ve değişkenler arasında öngördüğü ilişkidir. Aynı veri setinde farklı modeller deneyerek anlamlı çıkan sonuca göre değişkenin rolünü belirlemek, araştırmanın açıklayıcılığını zayıflatır.
Örneğin iş yükünün uyku kalitesini bozduğu ve uyku kalitesindeki bozulmanın tükenmişlikle ilişkili olduğu bir süreç araştırılabilir. Bu durumda uyku kalitesi aracı değişken olarak ele alınır. Başka bir araştırmada ise iş yükü ile tükenmişlik arasındaki ilişkinin yönetici desteği yüksek çalışanlarda daha zayıf olup olmadığı incelenebilir. Bu ikinci soruda yönetici desteğine düzenleyici rol verilmiştir.
Araştırma sorusu | Modelde incelenen ilişki | Temel değerlendirme |
İş yükünün tükenmişlikle ilişkisinde uyku kalitesinin aracı rolü var mı? | İş yükü → uyku kalitesi → tükenmişlik | Dolaylı etki |
İş yükü ile tükenmişlik arasındaki ilişki yönetici desteğine göre değişiyor mu? | İş yükü × yönetici desteği → tükenmişlik | Etkileşim |
Yaş dikkate alındığında iş yükü ile tükenmişlik ilişkili mi? | Yaşın kovaryat olarak modele eklenmesi | Yaşa göre düzeltilmiş ilişki |
Üçüncü örnekte yaşın modele eklenmesi, onun aracı veya düzenleyici olarak incelendiği anlamına gelmez. Kontrol değişkeni eklemek, dolaylı bir yol tanımlamak ve etkileşim kurmak farklı işlemlerdir. Bu nedenle önce hangi ilişkinin araştırıldığına karar verilmelidir. Araştırma soruları ile değişkenlerin rolleri henüz netleşmediyse araştırma yöntemi danışmanlığı kapsamında sunulan desteği inceleyebilirsiniz.
Aracılık analizinde hangi sonuç değerlendirilir?
Basit aracılık modelinde X’in M ile ilişkisi a yolu, M’nin X kontrol edildiğinde Y ile ilişkisi b yolu olarak gösterilir. Sürekli değişkenlerle kurulan standart doğrusal modelde bu iki katsayının çarpımı, yani a × b, dolaylı etkiyi verir. X’in M modele alınmışken Y ile ilişkisi doğrudan etki olarak adlandırılır. Aracılık hipotezinin değerlendirilmesinde temel odak, dolaylı etkinin tahmini ve güven aralığıdır.
Yalnızca X’in katsayısının aracı değişken eklendikten sonra küçülmesi yeterli değildir. Doğrudan etkinin anlamsız hâle gelmesi de tek başına aracılık kanıtı sayılmaz. Dolaylı etki doğrudan değerlendirilmelidir. Bu yaklaşımın gerekçesi ve güven aralığı yöntemleri Preacher ve Hayes’in çalışmasında ayrıntılı olarak açıklanmaktadır.
Aracılık analizinde bootstrap neden kullanılır?
Dolaylı etki iki katsayının çarpımından oluştuğu için örnekleme dağılımı simetrik olmayabilir. Bootstrap, gözlenen veriden yerine koyarak tekrar örneklemler oluşturur ve her örneklemde dolaylı etkiyi yeniden hesaplar. Böylece dolaylı etkinin belirsizliği için bir güven aralığı elde edilir. Yaygın olarak kullanılan iki taraflı %95 güven aralığının sıfırı içermemesi, dolaylı etkinin sıfırdan farklı olduğuna ilişkin istatistiksel kanıt olarak değerlendirilir.
Bootstrap yalnızca ham veriler normal dağılmadığında başvurulan bir yöntem değildir. Buradaki temel mesele, dolaylı etki tahmininin örnekleme dağılımıdır. Öte yandan bootstrap, çok küçük veya temsil gücü zayıf bir örneklemi yeterli hâle getirmez. Yeniden örnekleme sayısını artırmak da araştırmaya yeni katılımcılar eklemekle aynı şey değildir.
Örneğin dolaylı etki −0,12 ve bootstrap güven aralığı [−0,21; −0,05] bulunmuş olsun. Bu varsayımsal sonuçta güven aralığı sıfırı içermediği için negatif dolaylı etkiye ilişkin kanıt vardır. Aralık [−0,21; 0,03] olsaydı aynı güven düzeyinde dolaylı etkinin sıfırdan farklı olduğu söylenemezdi. Her iki durumda da katsayının anlamı, değişkenlerin puan yönleri ve araştırma deseni dikkate alınarak açıklanmalıdır.
Sobel testi ve Baron–Kenny yaklaşımı nasıl değerlendirilmelidir?
Sobel testi, dolaylı etkiyi yaklaşık normal dağılıma dayanan bir test istatistiğiyle değerlendirir. Bu nedenle koşulu yalnızca “anketteki değişkenler normal dağılmalıdır” şeklinde açıklamak doğru değildir. Dolaylı etkinin dağılımı, özellikle küçük örneklemlerde bu yaklaşıma uygun olmayabilir. Ham veriler mevcut olduğunda bootstrap güven aralıkları önemli bir alternatif sunar; Preacher ve Leonardelli’nin yöntem açıklaması da bu ayrımı ele almaktadır.
Baron ve Kenny’nin aşamalı yaklaşımı ise belirli regresyon ilişkilerinin anlamlılığına bakarak aracılığı değerlendiren tarihsel bir çerçevedir. Ancak dolaylı etkinin incelenmesi için yalnızca bu adımların sağlanmasına odaklanmak yeterli değildir. X ile Y arasındaki toplam etkinin anlamlı olmaması, dolaylı etkinin mutlaka sıfır olduğu anlamına gelmez. Doğrudan ve dolaylı yolların farklı yönlerde olması gibi durumlarda toplam etki küçük kalabilir.
Bu nedenle aracılık raporunu yalnızca “tam aracılık” veya “kısmi aracılık” etiketleri üzerine kurmamak gerekir. Doğrudan ve dolaylı etki tahminleri güven aralıklarıyla birlikte sunulmalıdır. Doğrudan etkinin p değerinin 0,05’in üzerine çıkması, bu etkinin kesin olarak ortadan kalktığını göstermez. Sonuç, örneklemden elde edilen tahminin belirsizliği dikkate alınarak yorumlanmalıdır.
Düzenleyicilik analizinde hangi yöntem kullanılır?
Düzenleyicilik hipotezi, uygun regresyon modeline bağımsız değişken ile düzenleyicinin etkileşimi eklenerek sınanabilir. Sürekli bağımlı değişken içeren basit doğrusal modelde X, W ve X × W birlikte yer alır. Temel soru, etkileşim katsayısının sıfırdan farklı olup olmadığıdır. Düzenleyicinin kendi katsayısının anlamlı olması, onun düzenleyici rolünün desteklendiği anlamına gelmez.
Etkileşim değerlendirildikten sonra ilişkinin hangi yönde değiştiğini açıklamak için koşullu etkiler incelenebilir. Sürekli düzenleyicide belirli değerlerde basit eğimler ve uygun olduğunda Johnson–Neyman sonuçları kullanılabilir. Kategorik düzenleyicide ise grupların eğimleri ve aralarındaki farklar değerlendirilir. Kavramsal ayrıntılar için düzenleyici değişken nedir? yazımıza geçebilirsiniz.
Bir grupta ilişkinin anlamlı, diğerinde anlamsız bulunması tek başına düzenleyicilik kanıtı değildir. Bu iki sonucun birbirinden anlamlı biçimde farklı olup olmadığı ayrıca test edilmelidir. Sürekli düzenleyiciyi keyfî biçimde iki gruba ayırmak da bilgi kaybına yol açabilir. Bu nedenle analiz, mümkün olduğunda değişkenin özgün ölçüm yapısı korunarak kurulmalıdır.
Hayes PROCESS hangi aşamada kullanılır?
Hayes PROCESS, tanımlanan aracılık ve düzenleyicilik modellerini uygulamayı ve ilgili sonuçları elde etmeyi kolaylaştırır. Tek düzenleyicili basit moderasyon modeli için Model 1, tek aracılı basit aracılık modeli için Model 4 kullanılabilir. Ancak model numarası araştırma sorusunun yerine geçmez. Değişkenlerin hangi alanlara yerleştirileceği ve hangi yolların sınanacağı önceden belirlenmelidir.
Araştırma modeli | PROCESS örneği | Öncelikle incelenecek sonuç |
Tek aracılı basit aracılık | Model 4 | Dolaylı etki ve güven aralığı |
Tek düzenleyicili basit düzenleyicilik | Model 1 | Etkileşim katsayısı ve koşullu etkiler |
Dolaylı etkinin bir koşula göre değişmesi | Düzenlenen yola uygun koşullu süreç modeli | Koşullu dolaylı etkiler ve bunların değişimine ilişkin test |
Tablodaki eşleştirmeler basit modeller için yol gösterir. Birden fazla aracı, seri ilişkiler veya farklı yollarda etkileşimler bulunduğunda daha ayrıntılı model tanımlaması gerekir. Model seçimi yalnızca veri setindeki değişken sayısına bakılarak yapılmamalıdır. Model 1’in uygulaması için Hayes PROCESS ile düzenleyici değişken analizi rehberimizi kullanabilirsiniz.
PROCESS mi, klasik regresyon mu, yapısal eşitlik modellemesi mi?
Gözlenen toplam veya alt boyut puanlarıyla kurulan basit bir düzenleyicilik modeli, klasik regresyonla da PROCESS ile de tahmin edilebilir. PROCESS’in kolaylığı, koşullu etkiler ve ilgili ek sonuçların elde edilmesindedir. Aynı veri, model, kodlama ve standart hata yöntemi kullanıldığında bu iki yaklaşımın aynı regresyon modelini temsil etmesi beklenir. Etkileşimin elle nasıl oluşturulduğunu görmek için SPSS ile düzenleyici değişken analizi yazımızı inceleyebilirsiniz.
Yapısal eşitlik modellemesi ise ölçme modelinin ve değişkenler arasındaki yapısal ilişkilerin birlikte değerlendirilmesi gerektiğinde gündeme gelebilir. Özellikle yapılar maddelerle temsil edilen gizil değişkenler olarak ele alınacaksa, toplam puanlarla yapılan analizden farklı bir model kurulmuş olur. Her araştırmanın daha karmaşık bir yöntemle analiz edilmesi gerekmez. Seçim, araştırma amacına, ölçme yaklaşımına ve verinin özelliklerine dayanmalıdır.
Veri yapısı analiz seçimini nasıl etkiler?
Aynı araştırma sorusu, farklı veri yapılarında farklı tahmin yöntemleri gerektirebilir. Sonuç değişkeninin sürekli, ikili veya sayım biçiminde olması kullanılacak regresyon ailesini etkiler. Katılımcılardan tekrarlı ölçüm alınması ya da kişilerin okul ve kurumlar içinde kümelenmesi de bağımsızlık açısından önemlidir. Standart bir modelin menüde bulunması, bütün veri yapılarına uygun olduğu anlamına gelmez.
Örneklem büyüklüğü için de bütün aracılık ve düzenleyicilik modellerine uygulanabilecek tek bir sayı yoktur. Beklenen dolaylı etki veya etkileşim büyüklüğü, ölçümlerin güvenirliği, grup dağılımı ve eksik veri miktarı birlikte düşünülmelidir. Güç analizi, sınanacak asıl hipoteze göre planlanmalıdır. Örneğin basit bir korelasyonu tespit etmeye yeterli örneklem, küçük bir etkileşimi tespit etmek için yetersiz kalabilir.
Kesitsel verilerle aracılık analizi yapılabilir mi?
Kesitsel verilerle bir aracılık modeli tahmin edilebilir; ancak elde edilen dolaylı etki, sürecin zaman içinde gerçekten bu sırayla gerçekleştiğini kanıtlamaz. X, M ve Y aynı zamanda ölçüldüğünde değişkenlerin zaman sıralaması veriden doğrudan gösterilemez. Ters yönlü ilişkiler ve ölçülmemiş ortak nedenler de mümkün olabilir. Kesitsel aracılık tahminlerinin boylamsal süreçleri yanıltıcı biçimde temsil edebileceği, Maxwell ve Cole’un çalışmasında gösterilmiştir.
Benzer bir temkin düzenleyicilik analizinde de gereklidir. Anlamlı etkileşim bulunması, gözlenen ilişkinin farklı koşullarda değiştiğini gösterebilir. Bunun neden gerçekleştiği ve nedensel bir etkiyi temsil edip etmediği araştırma deseniyle birlikte değerlendirilmelidir. Bu nedenle yorumlama dili, yalnızca p değerine göre değil verinin nasıl toplandığına göre kurulmalıdır.
Analiz desteği alırken hangi bilgileri paylaşmalısınız?
Uygun analizin belirlenebilmesi için yalnızca “aracılık testi istiyorum” veya “PROCESS yapılacak” demek yeterli olmayabilir. Araştırma sorusu, modeldeki değişkenlerin rolleri, ölçüm biçimleri ve veri toplama düzeni birlikte paylaşılmalıdır. Ayrıca örneklem büyüklüğü, kullanılan ölçekler ve varsa danışman ya da hakem talepleri belirtilmelidir. Bu bilgiler, ihtiyaç duyulan analizin kapsamını belirlemeyi kolaylaştırır.
Model kurulumu, dolaylı etki veya etkileşim analizi ve sonuçların akademik biçimde raporlanması için istatistiksel analiz danışmanlığı hizmetimizi inceleyebilirsiniz. Elinizde tamamlanmış çıktılar varsa öncelikle bunların araştırma modeline uygunluğu değerlendirilebilir. Bu durumda analiz kontrolü ve istatistiksel revizyon hizmeti ilgili bir başlangıç noktasıdır. Çalışmanızın kısa açıklaması ve mevcut dosyalarınızla birlikte danışmanlık talebinizi iletebilirsiniz.
