Hayes PROCESS Model 29Koşullu aracılık (a: W · b: V · c′: V,W)

Model 29'da W birinci aşamayı, V ikinci aşamayı düzenler; doğrudan yol ise iki düzenleyiciye birden bağlıdır. Hem dolaylı hem doğrudan etki W ile V'nin birlikte belirlediği koşullu değerlerdir.

Kesikli kırmızı oklar düzenleyici etkiyi, düz oklar regresyon yollarını gösterir.

Model neyi sınar, ne zaman kullanılır?

Model 29, iki aşamalı moderasyonu doğrudan yolun her iki düzenleyiciyle koşullanmasıyla birleştirir. Aracı denklemi Model 7'deki gibidir: X, W ve X·W (a₃). Sonuç denkleminde W ve V'nin ana etkileri, X·V (c′₄), X·W (c′₅) ve M·V (b₂) terimleri birlikte bulunur. Koşullu doğrudan etki c′₁ + c′₄V + c′₅W, koşullu dolaylı etki (a₁ + a₃W)·(b₁ + b₂V) biçimindedir. Doğrudan yolda iki düzenleyici toplamsal çalışır; X·W·V gibi üçlü bir terim yoktur.

Model 28 doğrudan yolu yalnız V'ye, Model 22 yalnız W'ye bağlar; Model 29 her iki düzenleyicinin de mekanizma dışındaki ilişkiyi değiştirdiği bir kuram gerektirir. Bu genişlik maliyetsiz değildir: sonuç denklemine eklenen her çarpım, özellikle X ile M yüksek ilişkiliyse, katsayıların kararlılığını düşürür. Dolaylı etkinin W'ye göre değişimi V'nin düzeyine bağlı olduğundan sabit tek bir moderasyonlu aracılık indeksi yoktur; PROCESS çıktısı bunun yerine a₃·b₂ için moderasyonlu moderasyonlu aracılık indeksini ve V düzeylerinde W'ye göre koşullu indeksleri raporlar. Model iki moderatör içerdiği için PROCESS 4 ve 5'te numarasıyla çalıştırılabilir.

İstatistiksel gösterim

M = i + a₁X + a₂W + a₃(X·W)

Y = i + c′₁X + c′₂V + c′₃W + c′₄(X·V) + c′₅(X·W) + b₁M + b₂(M·V)

Koşullu dolaylı etki (X → M → Y): (a₁ + a₃W) · (b₁ + b₂V)

Koşullu doğrudan etki: c′₁ + c′₄V + c′₅W

Katsayı adları denklem sırasına göre verilmiştir. PROCESS çıktısındaki adlandırma sırası farklılaşabilse de temsil edilen yol yapısı aynıdır. Dolaylı etkiler bootstrap güven aralıkları üzerinden değerlendirilir.

Eczacılık araştırmasından bir örnek

Toplum eczanelerinde kronik ilaç kullanan hastalarla yürütülen bir çalışmada, eczacının verdiği ilaç danışmanlığının kapsamı (X) hastanın ilaca uyumunu (Y) artırıyor gibi görünüyor. Önerilen mekanizma hastanın tedavisine ilişkin bilgisidir (M). Danışmanlığın bilgiye dönüşmesi hastanın sağlık okuryazarlığına (W) bağlı: okuryazarlığı düşük hastalar aynı açıklamadan daha az bilgi edinebilir.

Hastanın kullandığı ilaç sayısı (V) ikinci aşamada rol oynuyor: çoklu ilaç kullanan bir hastada bilginin düzenli kullanıma dönüşmesi, karmaşık doz şeması nedeniyle zorlaşabilir. Araştırmacı ayrıca danışmanlığın bilgiden bağımsız etkisinin, örneğin hatırlatma kartı veya haftalık ilaç kutusu gibi pratik desteklerin, hem okuryazarlığa hem ilaç sayısına göre değişeceğini öngörüyor. Doğrudan yolun iki düzenleyiciye birden bağlanması Model 29'u gerektirir.

SPSS PROCESS komutu

process y=uyum /x=danisma /m=bilgi /w=okuryaz /z=ilacsay /model=29 /center=1 /plot=1 /boot=5000 /seed=2026 .

Diyagramdaki V, PROCESS 4 ve 5'te /z= ile girilir; birinci aşamanın düzenleyicisi W ise /w= ile kalır. Bu modelde iki harf de doğrudan yolda bulunduğundan çıktıdaki koşullu doğrudan etki tablosu W ve Z sütunlarının bileşimlerini listeler. Varsayılan koşul değerleri W ve Z'nin 16., 50. ve 84. yüzdelikleridir; ilaç sayısı gibi kesikli ve çarpık bir değişkende bu yüzdeliklerin hangi ilaç sayılarına denk geldiği raporda ayrıca belirtilmelidir. center=1 ile çarpımlara giren değişkenler ortalamadan merkezlenir; plot=1 etkileşim grafikleri için değer tablosu üretir.

Çıktıda nereye bakılır?

M tablosunda Int_1 (X·W) satırı: a₃, danışmanlığın bilgiye etkisinin okuryazarlığa göre değişimi.
Y tablosunda üç çarpım terimi bulunur; “Product terms key” bölümü hangi Int satırının X·W, X·Z ve M·Z olduğunu gösterir. Y için yazdırılan “Test(s) of highest order unconditional interaction(s)” bölümü çarpımların R2-chng katkılarını verir.
Koşullu doğrudan etki tablosu (“Conditional direct effects of X on Y”): okuryazarlık ve ilaç sayısı bileşimlerinde doğrudan etki, yani c′₁ + c′₄V + c′₅W ifadesinin sayısal karşılığı.
“Conditional indirect effects of X on Y” tablosu aynı bileşimlerde Effect, BootSE, BootLLCI ve BootULCI verir. Ardından gelen “Index of moderated moderated mediation” ve “Indices of conditional moderated mediation by W” bölümleri, okuryazarlığın dolaylı etkiyi düzenleme gücünün ilaç sayısına göre değişip değişmediğini sınar. Dolaylı ve doğrudan etki tabloları aynı satırlarda okunursa, hangi hasta profilinde etkinin bilgi üzerinden, hangisinde bilgi dışı yollarla taşındığı karşılaştırılabilir.

Komşu modellerden farkı

Model 28: Doğrudan yolu yalnız V düzenler; X·W terimi Y denklemine girmez.
Model 22: Doğrudan yolu yalnız W düzenler.
Model 21: Doğrudan yol koşulsuzdur.
Model 59: Tek düzenleyici W birinci aşamayı, ikinci aşamayı ve doğrudan yolu birlikte düzenler.

Raporlama örneği

Eczacı danışmanlığının ilaç uyumu üzerindeki etkisinde hasta bilgisinin aracılığı, birinci aşamada sağlık okuryazarlığının, ikinci aşamada ilaç sayısının, doğrudan yolda ise her ikisinin düzenleyici rolüyle PROCESS (sürüm [ ]) Model 29 ve 5000 bootstrap örneklemiyle incelenmiştir. Danışmanlık × okuryazarlık etkileşimi aracı denkleminde b = [ ], %95 GA [ , ]; bilgi × ilaç sayısı etkileşimi b = [ ], %95 GA [ , ] olarak bulunmuştur. Doğrudan yoldaki danışmanlık × okuryazarlık (b = [ ], %95 GA [ , ]) ve danışmanlık × ilaç sayısı (b = [ ], %95 GA [ , ]) etkileşimleri de raporlanmıştır. Moderasyonlu moderasyonlu aracılık indeksi [ ] (%95 BootGA [ , ]) olarak hesaplanmıştır. Düşük okuryazarlık ve yüksek ilaç sayısı bileşiminde koşullu dolaylı etki [ ] (%95 BootGA [ , ]), koşullu doğrudan etki [ ] (%95 GA [ , ]) olarak hesaplanmıştır.

Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.

Sık yapılan hatalar

İlaç sayısını /w= ile, okuryazarlığı /z= ile girmek. PROCESS 4 ve 5'te Model 29'un W'si birinci aşamayı düzenler; harflerin yer değiştirmesi farklı bir model kurar.
Doğrudan yoldaki X·W ile aracı denklemindeki X·W katsayılarını aynı etkileşim gibi yorumlamak; biri danışmanlık–bilgi, öteki danışmanlık–uyum ilişkisinin okuryazarlığa göre değişimidir.
Koşullu doğrudan etkinin bazı bileşimlerde sıfırdan farklı, bazılarında farksız çıkmasına dayanarak hasta gruplarını kısmi ve tam aracılık etiketleriyle sınıflamak.
Doğrudan yol için yalnız bir düzenleyiciye dair gerekçe varken ikisini birden c′'ye eklemek. Gereksiz çarpımlar b₂ ve c′ katsayılarının tahmin hassasiyetini düşürür; gerekçe tek düzenleyiciye dayanıyorsa Model 22 veya 28 daha uygundur.

Literatürden örnek

Doğrulanmış yayın örneği

Cen, W. C., Liang, J., Zhang, X. H., Yan, W. J., & Qian, J. (2025). The influence of left-behind experiences on depression in single-parent adolescents: the mediating role of family satisfaction and the moderating effects of exercise frequency. Frontiers in Pediatrics, 13, 1573630.

Çalışmanın bulgusu: Tek ebeveynli ve geride bırakılma deneyimi olan 23.523 Çinli ergenden oluşan çok geniş örneklemde, geride bırakılma deneyimlerinin depresyonla ilişkisi aile memnuniyeti üzerinden işlemektedir: aile memnuniyeti aracılığıyla geçen dolaylı etki anlamlıdır (0.261, Boot SE = 0.032; %95 güven aralığı sıfırı dışlamaktadır). Aile memnuniyetinin depresyonla bağlantısı egzersiz sıklığına göre değişmektedir (etkileşim β = 0.043, t = 3.787, p < .001); ayrılık yaşının düzenleyici etkisi ise anlamlı bulunmamıştır (p > .05).

Model seçimi ve değişken rolleri: Tam metinde 'we used Model 29 of the PROCESS macro to examine the moderating effects of exercise frequency and separation age' ifadesi teyit edildi; X = geride bırakılma deneyimi, M = aile memnuniyeti, Y = depresyon.

DOI kaydını aç

Mod İstatistik bu aşamada size katkı sağlar

Literatürdeki örnek çalışma modelin mantığını gösterir; kendi verinizde doğru Hayes modelini seçmek için hipotez, değişken rolleri, örneklem yapısı ve raporlama beklentisi birlikte değerlendirilmelidir.

WhatsApp ile iletişime geç İletişim formuna git

İlişkili modeller

Model 4 - Basit / paralel aracılıkmoderatörsüz temel hali Model 21 - Çifte moderasyonlu aracılık (W ve V)c′ moderasyonsuz eşi

Model 28 Model 30