Düzenleyici değişken nedir? Moderatör etki nasıl yorumlanır?
Güncelleme tarihi: 11 Eyl
Düzenleyici değişken, bağımsız değişken ile bağımlı değişken arasındaki ilişkinin hangi koşullarda güçlendiğini, zayıfladığını veya yön değiştirdiğini açıklayan değişkendir. İngilizcede “moderator variable” olarak adlandırıldığı için Türkçe çalışmalarda moderatör değişken ifadesi de kullanılmaktadır.
Örneğin iş stresi arttıkça iş doyumu azalabilir. Ancak bu ilişki bütün çalışanlarda aynı güçte olmayabilir. Algılanan yönetici desteği yüksek olan çalışanlarda stres ile iş doyumu arasındaki olumsuz ilişki daha zayıfsa yönetici desteği düzenleyici değişken olarak değerlendirilebilir.
Burada araştırılan soru yalnızca “Yönetici desteği iş doyumunu etkiliyor mu?” değildir. Asıl soru şudur:
İş stresinin iş doyumuyla ilişkisi, yönetici desteğinin düzeyine göre değişiyor mu?
Düzenleyicilik analizinin temelini bu koşullu ilişki oluşturur. Bu yazıda düzenleyici değişkenin ne olduğunu, etkileşim teriminin ne anlama geldiğini, kategorik ve sürekli düzenleyicilerin nasıl yorumlandığını ve düzenleyici değişken ile aracı değişken arasındaki farkı açıklayacağız.
Düzenleyici değişken nedir?
Düzenleyici değişken, bir bağımsız değişkenin bağımlı değişken üzerindeki etkisinin veya bu iki değişken arasındaki ilişkinin hangi koşullarda farklılaştığını gösterir.
Basit bir düzenleyicilik modelinde üç temel değişken bulunur:
X: Bağımsız değişken veya yordayıcı
Y: Bağımlı değişken veya sonuç
W: Düzenleyici değişken
Düzenleyici değişkenin rolü, X ile Y arasındaki ilişkinin W’nin farklı değerlerinde aynı olup olmadığını açıklamaktır.
Örneğin:
X: Günlük çalışma süresi
Y: Sınav başarısı
W: Akademik motivasyon
Çalışma süresi ile sınav başarısı arasındaki ilişki, akademik motivasyonu düşük ve yüksek öğrencilerde farklıysa motivasyon bu ilişkide düzenleyici rol oynuyor olabilir.
Düzenleyici değişken, ilişkinin gücünü değiştirebilir. Çalışma süresinin başarıyla ilişkisi yüksek motivasyonda daha güçlü, düşük motivasyonda daha zayıf olabilir. Bazı durumlarda ilişkinin yönü de değişebilir.
Düzenleyicilik etkisi ne demektir?
Düzenleyicilik etkisi, X değişkeninin Y üzerindeki etkisinin W değişkeninin düzeyine bağlı olarak değişmesidir. Bu nedenle düzenleyicilik, “koşullu etki” olarak da düşünülebilir.
Basit doğrusal regresyonda X’in Y üzerindeki etkisinin herkes veya bütün koşullar için aynı olduğu varsayılır. Düzenleyicilik modelinde ise X’in etkisinin W’ye göre değişebileceği kabul edilir.
Örneğin fiziksel aktivite ile stres arasındaki ilişki sosyal desteğe göre incelenebilir:
Sosyal desteği düşük kişilerde fiziksel aktivite ile stres arasında zayıf bir ilişki bulunabilir.
Sosyal desteği orta düzeyde olanlarda ilişki daha belirgin olabilir.
Sosyal desteği yüksek kişilerde fiziksel aktivitenin stresle olumsuz ilişkisi daha güçlü olabilir.
Bu durumda fiziksel aktivitenin stresle ilişkisi, sosyal desteğin düzeyine göre farklılaşmaktadır.
Ancak yalnızca farklı gruplarda ayrı ayrı anlamlı veya anlamsız sonuçlar elde etmek, düzenleyicilik etkisini kanıtlamaz. Düzenleyicilik hakkında karar verebilmek için ilişkiler arasındaki farkın doğrudan etkileşim terimiyle test edilmesi gerekir.
Düzenleyici etki hangi modelle test edilir?
Basit bir düzenleyicilik modeli aşağıdaki regresyon denklemiyle gösterilebilir:
Y = b₀ + b₁X + b₂W + b₃(X × W) + e
Denklemde:
b₀: Sabit terim
b₁: X’in koşullu etkisi
b₂: W’nin koşullu etkisi
b₃: X ile W arasındaki etkileşim
e: Hata terimi
Modeldeki en önemli katsayı b₃, yani X × W etkileşim teriminin katsayısıdır. Bu katsayı X’in Y üzerindeki etkisinin W’ye göre değişip değişmediğini gösterir.
Etkileşim terimi istatistiksel olarak anlamlıysa düzenleyicilik etkisine ilişkin kanıt elde edilir. Ancak karar yalnızca p değerine bakılarak tamamlanmamalıdır. Katsayının işareti, büyüklüğü, güven aralığı ve ilişkinin W’nin farklı düzeylerinde nasıl değiştiği birlikte incelenmelidir.
Etkileşim terimi ne anlama gelir?
Etkileşim terimi, bağımsız değişken ile düzenleyici değişkenin çarpımından oluşur:
X × W
Bu terimin anlamlı olması, X’in Y üzerindeki eğiminin W’nin değerlerine göre değiştiğini gösterir.
Örneğin:
Y = 20 − 0,50X + 0,30W + 0,20(X × W)
Bu modelde X’in Y üzerindeki koşullu etkisi şu şekilde hesaplanır:
X’in Y üzerindeki etkisi = −0,50 + 0,20W
Dolayısıyla W değiştikçe X’in etkisi de değişmektedir. W bir birim arttığında X’in Y üzerindeki eğimi 0,20 birim değişir.
Buradaki 0,20 katsayısı doğrudan “düzenleyici değişken Y’yi 0,20 artırmaktadır” biçiminde yorumlanmaz. Katsayı, X ile Y arasındaki ilişkinin W’deki bir birimlik artışla nasıl değiştiğini gösterir.
Düzenleyici değişken sürekli olabilir mi?
Düzenleyici değişken hem sürekli hem kategorik olabilir.
Yaş, gelir, motivasyon, sosyal destek ve deneyim süresi gibi değişkenler sürekli düzenleyici olarak kullanılabilir. Cinsiyet, deney ve kontrol grubu, eğitim türü veya belirli bir koşulun bulunup bulunmaması gibi değişkenler ise kategorik düzenleyici olabilir. Sürekli bir düzenleyici kullanıldığında değişkeni yalnızca grafiği kolaylaştırmak amacıyla düşük ve yüksek biçiminde iki gruba ayırmak genellikle önerilmez. Sürekli değişkeni keyfî biçimde kategorilere ayırmak bilgi kaybına ve analiz gücünün azalmasına yol açabilir. Sürekli düzenleyici modelde sürekli olarak tutulabilir; sonuçları açıklamak için belirli anlamlı değerlerde koşullu etkiler hesaplanabilir.
Kategorik düzenleyici değişken nasıl yorumlanır?
Düzenleyici değişken iki kategoriden oluşuyorsa X ile Y arasındaki eğimlerin gruplar arasında farklılaşıp farklılaşmadığı incelenir.
Örneğin:
X: İş stresi
Y: İş doyumu
W: Uzaktan çalışma durumu
0 = Ofisten çalışanlar
1 = Uzaktan çalışanlar
Etkileşim terimi anlamlıysa iş stresi ile iş doyumu arasındaki ilişkinin iki çalışma biçiminde farklı olduğu söylenebilir. Daha sonra her grup için X’in koşullu etkisi ayrı ayrı incelenir.
Düzenleyici değişken üç veya daha fazla kategoriden oluşuyorsa uygun gösterge değişkenlerinin oluşturulması ve referans grubun açıkça belirtilmesi gerekir. Elde edilen katsayılar seçilen referans kategoriye göre yorumlanır.
Kategorik değişkenlerin sayısal kodlara sahip olması, bu sayıların gerçek bir büyüklük veya sıralama anlamı taşıdığı anlamına gelmez. Örneğin grupların 1, 2 ve 3 olarak kodlanması, aralarında eşit aralık bulunduğunu göstermez.
Sürekli düzenleyici değişken nasıl yorumlanır?
Sürekli bir düzenleyici değişkende X’in Y üzerindeki etkisi, W’nin farklı değerlerinde hesaplanır. Bu amaçla sıklıkla düzenleyicinin:
Ortalamanın bir standart sapma altındaki değeri
Ortalama değeri
Ortalamanın bir standart sapma üzerindeki değeri
kullanılır.
Bunlar çoğu zaman düşük, orta ve yüksek düzeyler olarak adlandırılır. Ancak bu değerlerin mutlaka örneklemdeki bütün katılımcılar için doğal veya kuramsal eşikler olmadığı unutulmamalıdır.
Düzenleyicinin anlamlı ve yorumlanabilir başka değerleri varsa bunlar tercih edilebilir. Örneğin yaş için 25, 40 ve 55; eğitim süresi için belirli sınıf veya yıl değerleri kuramsal bakımdan daha anlaşılır olabilir.
Amaç, W’yi yapay biçimde gruplara ayırmak değil, X’in etkisinin W boyunca nasıl değiştiğini açıklamaktır.
Basit eğimler analizi nedir?
Etkileşim terimi anlamlı bulunduğunda düzenleyiciliğin hangi yönde gerçekleştiğini anlamak için basit eğimler incelenir.
Basit eğimler analizi, X’in Y üzerindeki etkisini W’nin seçilen değerlerinde ayrı ayrı hesaplar. Böylece ilişki:
W düşükken anlamlı mı?
W orta düzeydeyken anlamlı mı?
W yüksekken anlamlı mı?
Etkinin yönü veya büyüklüğü nasıl değişiyor?
soruları cevaplanabilir.
Örneğin sosyal desteğin düzenleyici olduğu bir modelde şu sonuçlar elde edilebilir:
Düşük sosyal destek: b = −0,15, p = 0,180
Orta sosyal destek: b = −0,35, p = 0,002
Yüksek sosyal destek: b = −0,55, p < 0,001
Bu bulgular, X ile Y arasındaki olumsuz ilişkinin sosyal destek yükseldikçe güçlendiğini gösterebilir. Ancak örnekteki değerler yalnızca anlatım amacıyla verilmiştir; gerçek yorum katsayılar, güven aralıkları ve değişkenlerin kodlanma biçimi dikkate alınarak yapılmalıdır.
Johnson–Neyman yöntemi nedir?
Sürekli düzenleyici değişkenlerde yalnızca düşük, orta ve yüksek değerleri incelemek ilişkinin bütününü göstermeyebilir. Johnson–Neyman yöntemi, X’in Y üzerindeki koşullu etkisinin W’nin hangi değerlerinde istatistiksel olarak anlamlı olduğunu belirler. Örneğin X’in Y üzerindeki etkisinin W değeri 3,40’ın üzerinde anlamlı olduğu bulunabilir. Bu sonuç, düzenleyicinin gözlenen değer aralığıyla birlikte değerlendirilmelidir. Johnson–Neyman sınırı veri aralığının dışında kalıyorsa pratik açıdan anlamlı olmayabilir. Ayrıca bu yöntem etkileşimin önemini tek başına belirlemez; etkileşim katsayısı ve koşullu etkilerle birlikte yorumlanır.
Düzenleyicilik grafiği nasıl yorumlanır?
Düzenleyicilik etkisi çoğunlukla bir etkileşim grafiğiyle gösterilir. Grafikte yatay eksende bağımsız değişken, dikey eksende bağımlı değişken ve ayrı çizgilerle düzenleyicinin farklı düzeyleri bulunur. Çizgilerin eğimleri birbirinden farklıysa X ile Y arasındaki ilişkinin W’ye göre değiştiği görülebilir. Çizgiler birbirine yaklaşabilir, uzaklaşabilir veya kesişebilir. Ancak yalnızca grafiğe bakarak istatistiksel anlamlılık kararı verilmez. Grafikte küçük görünen bir fark anlamlı olabilir; belirgin görünen bir fark ise örneklem büyüklüğü ve belirsizlik nedeniyle anlamlı olmayabilir. Karar etkileşim katsayısı ve güven aralığına dayanmalıdır. Grafik hazırlanırken yalnızca gözlenen veri aralığındaki değerler gösterilmeli ve eksenler ilişkinin görünümünü abartacak biçimde daraltılmamalıdır.
Merkezileştirme neden yapılır?
Sürekli değişkenlerin ortalamadan merkezileştirilmesi, her değerden değişkenin ortalamasının çıkarılmasıyla yapılır:
X merkezî = X − X̄
Merkezileştirme, modeldeki sıfır değerini daha anlamlı hâle getirebilir. X ve W’nin sıfır değeri ölçekte gerçekçi değilse ana etki katsayılarını yorumlamak güç olabilir. Merkezileştirme sonrasında sıfır, değişkenin ortalama düzeyini temsil eder.
Merkezileştirme ayrıca etkileşim terimi ile onu oluşturan değişkenler arasındaki zorunlu olmayan çoklu bağlantıyı azaltabilir. Ancak merkezileştirme:
Etkileşim katsayısının anlamlılığını kendiliğinden değiştirmez.
Zayıf bir modeli güçlü hâle getirmez.
Aykırı değerleri düzeltmez.
Düzenleyicilik etkisi oluşturmaz.
Çoklu bağlantı sorunlarının tamamını çözmez.
Bu nedenle “Düzenleyicilik analizi yapabilmek için bütün değişkenler mutlaka standartlaştırılmalıdır” biçiminde genel bir kural doğru değildir. Kullanılan yazılımın merkezileştirme ayarları ve katsayıların nasıl yorumlanacağı açıkça belirtilmelidir.
Ana etkiler nasıl yorumlanır?
Etkileşim terimi bulunan bir modelde X ve W katsayıları koşullu ana etkilerdir.
X’in katsayısı, W = 0 olduğunda X’in Y üzerindeki etkisini gösterir. W’nin katsayısı ise X = 0 olduğunda W’nin Y üzerindeki etkisini gösterir. Değişkenler merkezileştirilmişse sıfır genellikle ortalama düzeyi temsil eder. Merkezileştirilmemiş bir yaş değişkeninde sıfır yaş örneklem açısından anlamsız olabilir. Bu nedenle katsayıların yorumu değişkenlerin nasıl kodlandığına bağlıdır. Etkileşim anlamlı olduğunda “X’in ana etkisi anlamsızdır, dolayısıyla X’in Y üzerinde etkisi yoktur” demek çoğu zaman hatalıdır. X’in etkisi W’nin değerine göre değişmektedir ve koşullu etkiler incelenmelidir.
Düzenleyici değişken ile aracı değişken arasındaki fark nedir?
Aracı ve düzenleyici değişken birbirinden farklı araştırma sorularına cevap verir.
Aracı değişken, X’in Y’yi hangi süreç veya mekanizma üzerinden etkilediğini açıklamaya çalışır:
X → M → Y
Düzenleyici değişken ise X ile Y arasındaki ilişkinin hangi koşullarda veya kimlerde değiştiğini inceler:
X × W → Y
Örneğin iş stresi tükenmişliği artırıyor ve bu artış uyku kalitesindeki bozulma üzerinden gerçekleşiyorsa uyku kalitesi aracı değişken olabilir. İş stresi ile tükenmişlik arasındaki ilişki sosyal sosyal destek düzeyine göre farklılaşıyorsa sosyal destek düzenleyici değişken olabilir. Bir değişkenin kuramsal gerekçe olmadan yalnızca analiz sonucuna bakılarak aracı veya düzenleyici ilan edilmesi doğru değildir. Değişkenin modeldeki rolü araştırmanın kuramsal çerçevesi ve zaman sıralaması dikkate alınarak önceden açıklanmalıdır. Bu iki kavramı birlikte karşılaştırmak için aracılık ve düzenleyicilik sorularım için hangi testi seçmeliyim? yazımızı inceleyebilirsiniz.
Düzenleyici değişken analizi nasıl yapılır?
Düzenleyicilik analizi doğrusal regresyon çerçevesinde etkileşim terimi eklenerek yapılabilir. SPSS’te değişkenlerin gerekli dönüşümleri ve çarpım terimi oluşturularak hiyerarşik regresyon modeli kurulabilir. Hayes PROCESS eklentisi de koşullu etkileri, basit eğimleri, güven aralıklarını ve etkileşim grafiği için gerekli değerleri elde etmeyi kolaylaştırır.
Bu sayfada kavram ve yorumlama üzerinde duruyoruz. Uygulama adımları için şu iki rehberi kullanabilirsiniz:
Hangi yöntemin kullanılacağı araştırma modeline, değişkenlerin yapısına ve araştırma sorusuna göre belirlenmelidir. PROCESS’in menüde çalışması veya çıktı üretmesi, kurulan modelin kuramsal olarak doğru olduğu anlamına gelmez.
Düzenleyicilik etkisi nedensellik gösterir mi?
Düzenleyicilik analizinde anlamlı bir etkileşim bulunması, tek başına nedensellik göstermez. Özellikle kesitsel ve gözlemsel araştırmalarda elde edilen sonuçlar değişkenler arasındaki koşullu ilişkiyi gösterir.
Nedensel yorum yapabilmek için araştırma deseni, zaman sıralaması, değişkenlerin ölçümü, olası karıştırıcılar ve alternatif açıklamalar değerlendirilmelidir.
Bu nedenle kesitsel bir çalışmada “W, X’in Y üzerindeki etkisini artırmaktadır” yerine şu tür bir ifade daha temkinli olabilir:
“X ile Y arasındaki ilişkinin W düzeyine göre farklılaştığı belirlenmiştir.”
Kullanılacak dil araştırma desenine uygun olmalıdır.
Düzenleyicilik analizinde sık yapılan hatalar
Düzenleyici değişken analizinde karşılaşılan başlıca hatalar şunlardır:
Kuramsal gerekçe olmadan çok sayıda moderatör denemek
Gruplardan birinde sonuç anlamlı, diğerinde anlamsız olduğu için düzenleyicilik bulunduğunu söylemek
Etkileşim terimini modele eklemeden yalnızca alt grup analizleri yapmak
Etkileşim katsayısı yerine yalnızca X veya W’nin ana etkisine bakmak
Sürekli moderatörü gereksiz biçimde düşük ve yüksek gruplara ayırmak
Merkezileştirmenin etkileşim oluşturduğunu düşünmek
Etkileşim anlamlıyken koşullu etkileri incelememek
Yalnızca grafiğe bakarak anlamlılık kararı vermek
Referans grubunu ve değişken kodlarını açıklamamak
Johnson–Neyman sınırını gözlenen veri aralığından bağımsız yorumlamak
Çok sayıda model deneyip yalnızca anlamlı sonucu raporlamak
Kesitsel veriden nedensel sonuç çıkarmak
Örneklem büyüklüğünü etkileşim etkisini dikkate almadan belirlemek
Etkileşim etkileri çoğu zaman ana etkilerden daha güç tespit edilir. Bu nedenle örneklem büyüklüğü araştırma başlamadan önce kurulacak moderasyon modeli dikkate alınarak planlanmalıdır.
Düzenleyici değişken analizi nasıl raporlanır?
Raporlamada yalnızca “moderatör etki anlamlı bulundu” demek yeterli değildir. En azından modelin değişkenleri, etkileşim katsayısı, standart hata, test değeri, p değeri ve güven aralığı sunulmalıdır.
Örnek bir raporlama biçimi şöyledir:
“X ile W arasındaki etkileşim teriminin Y üzerindeki etkisi istatistiksel olarak anlamlı bulunmuştur (b = 0,18, SH = 0,06, t = 3,00, p = 0,003, %95 GA [0,06; 0,30]). Koşullu etkiler incelendiğinde X ile Y arasındaki ilişkinin W düşük düzeydeyken daha zayıf, yüksek düzeydeyken daha güçlü olduğu görülmüştür.”
Bu örnekteki sayılar yalnızca gösterim amacıyla verilmiştir. Gerçek raporda kullanılan model, değişkenlerin merkezileştirilip merkezileştirilmediği, kategorik değişkenlerin referans grupları ve koşullu etkilerin hangi değerlerde hesaplandığı açıklanmalıdır.
Düzenleyicilik modelinin kurulması, PROCESS çıktılarının yorumlanması ve sonuçların akademik biçimde raporlanması için SPSS analizi hizmetimizin kapsamını inceleyebilirsiniz. Analiziniz tamamlandı ancak etkileşim katsayısı, basit eğimler, Johnson–Neyman sonuçları veya grafik hakkında emin değilseniz analiz kontrolü ve istatistiksel revizyon hizmetimiz kapsamında mevcut çıktılarınızın araştırma modeliyle uyumunu değerlendirebiliriz.
Sonuç
Düzenleyici değişken, bağımsız değişken ile bağımlı değişken arasındaki ilişkinin hangi koşullarda veya hangi gruplarda değiştiğini gösterir. Düzenleyicilik etkisi regresyon modeline eklenen X × W etkileşim terimi üzerinden test edilir.
Anlamlı bir etkileşim bulunduğunda yalnızca p değerine bakmak yeterli değildir. Etkileşim katsayısının yönü, güven aralığı, koşullu etkiler, basit eğimler ve gerekiyorsa Johnson–Neyman sonuçları birlikte değerlendirilmelidir.
Düzenleyici değişkenin sürekli veya kategorik olması yorumlama biçimini etkiler. Ancak her iki durumda da değişkenin modele neden moderatör olarak eklendiği kuramsal olarak açıklanmalı ve gözlemsel araştırmalarda nedensel ifadelerden kaçınılmalıdır.
