Koşullu aracılık — karma moderasyon
Hayes PROCESS Model 30Koşullu aracılık (a: W,Z · b: V · c′: V)
Model 30'da W ve Z X→M yolunu toplamsal olarak, V ise M→Y yolunu ve doğrudan yolu düzenler. Üç düzenleyici gerektirdiği için PROCESS 3'ten bu yana hazır model olarak sunulmaz.
model=30 olarak çalıştırılamaz. Aynı yapı aşağıdaki regresyon denklemleriyle kurulabilir.Model neyi sınar, ne zaman kullanılır?
Model 30'da düzenleyiciler aşamalara göre ayrılır. Birinci aşamada W ve Z, X·W (a₄) ve X·Z (a₅) terimleriyle X→M yolunu birbirinden bağımsız biçimde koşullar; W·Z çarpımı yoktur. İkinci aşamada V, M·V (b₂) ile aracının etkisini, X·V (c′₃) ile de doğrudan etkiyi düzenler. Sonuç denklemine W ve Z hiç girmez. Koşullu dolaylı etki (a₁ + a₄W + a₅Z)·(b₁ + b₂V), koşullu doğrudan etki c′₁ + c′₃V'dir.
Model 23'te V yalnız ikinci aşamadadır; Model 30 bunu, V'nin mekanizma dışındaki ilişkiyi de değiştirdiği iddiasıyla genişletir. Model 28 ile kıyaslandığında fark, birinci aşamaya ikinci bir toplamsal düzenleyicinin eklenmesidir. Birinci aşama toplamsal olduğu için W'nin düzenleyici etkisi Z'nin her düzeyinde aynı kabul edilir; bu varsayım kuramsal olarak savunulamıyorsa Model 32'deki üçlü etkileşim gerekir. Üç moderatörlü olduğu için Model 30, PROCESS 3 ve sonraki sürümlerde numarasıyla çalıştırılamaz.
İstatistiksel gösterim
M = i + a₁X + a₂W + a₃Z + a₄(X·W) + a₅(X·Z)
Y = i + c′₁X + c′₂V + c′₃(X·V) + b₁M + b₂(M·V)
Koşullu dolaylı etki (X → M → Y): (a₁ + a₄W + a₅Z) · (b₁ + b₂V)
Koşullu doğrudan etki: c′₁ + c′₃V
Katsayı adları denklem sırasına göre verilmiştir. PROCESS çıktısındaki adlandırma sırası farklılaşabilse de temsil edilen yol yapısı aynıdır. Dolaylı etkiler bootstrap güven aralıkları üzerinden değerlendirilir.
Kamu yönetimi araştırmasından bir örnek
Büyükşehirlerde yaşayan vatandaşlarla yürütülen bir ankette, belediyenin bütçe ve ihale bilgilerini çevrim içi paylaşmasına ilişkin algılanan şeffaflığın (X) yerel karar süreçlerine katılım niyetini (Y) artırdığı düşünülüyor. Mekanizma belediyeye duyulan kurumsal güvendir (M). Şeffaflığın güvene dönüşmesi iki koşula bağlı görülüyor: vatandaşın belediyeyi yöneten partiye siyasi yakınlığı (W) ve dijital okuryazarlığı (Z). Yakınlığı düşük ya da paylaşılan veriyi okuyamayan bir vatandaşta şeffaflık güveni daha az etkileyebilir.
İkinci aşamada algılanan siyasi etkinlik (V), yani vatandaşın sesinin karar alıcılara ulaşacağına inancı ele alınıyor. Güven duyan ama katılımının bir şey değiştirmeyeceğine inanan biri toplantıya katılmayabilir. Araştırmacı aynı inancın şeffaflığın katılım niyetiyle doğrudan ilişkisini de koşullayacağını öngörüyor. Siyasi yakınlık ile dijital okuryazarlık arasında bir etkileşim beklenmiyor; bu da birinci aşamanın toplamsal kurulmasını gerekçelendiriyor.
SPSS'te regresyonla kurulum
* Model 30 PROCESS 3 ve sonrasında yok: denklemler ayrı kurulur.
COMPUTE sef_yak = seffaf_c * yakin_c.
COMPUTE sef_dij = seffaf_c * dijital_c.
COMPUTE sef_etk = seffaf_c * etkin_c.
COMPUTE gvn_etk = guven_c * etkin_c.
REGRESSION /DEPENDENT guven /METHOD=ENTER seffaf_c yakin_c dijital_c sef_yak sef_dij.
REGRESSION /DEPENDENT katilim /METHOD=ENTER seffaf_c etkin_c sef_etk guven_c gvn_etk.Model 30'u PROCESS 5.0'da model=30 ile istemek geçersiz model hatası verir; şablon yalnız 2.x kataloğunda yer alıyordu. Değişkenlerin _c sürümleri ortalamadan merkezlenmiş hâlleridir. PROCESS 4 ve 5 komutu yalnız /w= ve /z= kabul ettiği için diyagramdaki V'ye ayrılmış bir seçenek yoktur; Hayes sürüm 3'te ikiden fazla moderatörlü numaralı modelleri kaldırmıştır. Sonuç denklemine siyasi yakınlık ve dijital okuryazarlık girmez; yalnız şeffaflık, etkinlik, şeffaflık × etkinlik, güven ve güven × etkinlik girer. Katsayılar bu iki REGRESSION ile alınır. Üç düzenleyicinin bileşimlerinde koşullu dolaylı etkinin bootstrap aralıkları için denklemler lavaan'da yazılır ve (a₁ + a₄W + a₅Z)·(b₁ + b₂V) seçilen değerlerde := ile tanımlanır; koşullu doğrudan etki c′₁ + c′₃V de aynı şekilde tanımlanabilir.
Çıktıda nereye bakılır?
- Güven denkleminin “Coefficients” tablosunda sef_yak (a₄) ve sef_dij (a₅): şeffaflığın güvene etkisinin siyasi yakınlık ve dijital okuryazarlıkla ayrı ayrı değişimi.
- Katılım denkleminde gvn_etk (b₂) ve sef_etk (c′₃): siyasi etkinliğin, sırasıyla güven–katılım ve şeffaflık–katılım ilişkilerini düzenleme derecesi.
- parameterEstimates() çıktısındaki tanımlı parametreler: W, Z ve V bileşimlerinde koşullu dolaylı etkiler (est, ci.lower, ci.upper). Birinci aşama toplamsal olduğu için W'yi değiştirip Z ve V'yi sabit tutmak, W'nin katkısını ayrıştırmanın en okunaklı yoludur.
- V düzeylerinde tanımlanan koşullu doğrudan etki satırları: şeffaflığın güven dışı yollardan katılımla ilişkisinin siyasi etkinliğe göre nasıl değiştiğini gösterir.
Komşu modellerden farkı
- Model 23: Birinci ve ikinci aşama aynıdır; doğrudan yol koşulsuzdur.
- Model 28: Birinci aşamada yalnız W vardır; V yine ikinci aşamayı ve doğrudan yolu düzenler. İki moderatörlü olduğundan PROCESS 4 ve 5'te çalışır.
- Model 31: Doğrudan yol V'nin yanında W ve Z ile de koşullanır.
- Model 32: Birinci aşamada W ve Z üçlü etkileşimle (X·W·Z) çalışır.
Raporlama örneği
Algılanan şeffaflığın yerel katılım niyeti üzerindeki etkisinde kurumsal güvenin aracılığı, Hayes'in PROCESS 2 numaralandırmasındaki Model 30'a karşılık gelen iki denklemli yapıyla incelenmiştir. Şeffaflık × siyasi yakınlık (a₄ = [ ], %95 GA [ , ]) ve şeffaflık × dijital okuryazarlık (a₅ = [ ], %95 GA [ , ]) etkileşimleri birinci aşamada; güven × siyasi etkinlik (b₂ = [ ], %95 GA [ , ]) ve şeffaflık × siyasi etkinlik (c′₃ = [ ], %95 GA [ , ]) etkileşimleri sonuç denkleminde raporlanmıştır. [ ] bootstrap örneklemiyle hesaplanan koşullu dolaylı etki, yüksek yakınlık, yüksek dijital okuryazarlık ve yüksek siyasi etkinlik bileşiminde [ ] (%95 BootGA [ , ]), düşük düzeylerin bileşiminde [ ] (%95 BootGA [ , ]) olarak bulunmuştur.
Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.
Sık yapılan hatalar
- Siyasi yakınlık ve dijital okuryazarlığı gerekçe göstermeden sonuç denklemine de eklemek. Bu terimler Model 30'un Y denkleminde yoktur; kontrol amacıyla ekleniyorsa raporda kovaryat olarak belirtilmelidir.
- PROCESS 4 ve 5'te Model 9'u çalıştırıp siyasi etkinliği ve el ile hesaplanan çarpımları /cov= ile eklemek. Kovaryatlar varsayılan olarak iki denkleme birden girer ve PROCESS dolaylı etkiyi V'ye koşullu hesaplamaz.
- Birinci aşamaya kuramsal gerekçe olmadan W·Z ve X·W·Z eklemek ya da tersine, kuramın öngördüğü bir W×Z etkileşimini toplamsal modelde göz ardı etmek.
- Model 30 sonuçlarını PROCESS çıktısıymış gibi tablolaştırmak, örneğin BootLLCI ve BootULCI sütun adlarını kullanmak. Tablo lavaan'dan geliyorsa sütunlar ve yazılım ona göre adlandırılmalı; Model 30 adı PROCESS 2 numaralandırmasına gönderme olarak geçmelidir.
Literatürden örnek
Bu model için yöntemi ve kalıcı bağlantısı birlikte doğrulanmış açık erişim yayın örneği henüz eklenmedi. Bu durum modelin kullanılmadığı anlamına gelmez; yalnızca doğrulanmış örnek kapsamını gösterir.
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.