Koşullu aracılık — karma moderasyon
Hayes PROCESS Model 31Koşullu aracılık (a: W,Z · b: V · c′: V,W,Z)
Model 31'de W ve Z X→M yolunu, V M→Y yolunu düzenler; doğrudan yol ise üç düzenleyicinin hepsiyle koşullanır. Üç moderatörlü olduğundan PROCESS 3 ve sonraki sürümlerde numaralı model olarak yoktur.
model=31 olarak çalıştırılamaz. Aynı yapı aşağıdaki regresyon denklemleriyle kurulabilir.Model neyi sınar, ne zaman kullanılır?
Model 31'in aracı denklemi Model 30 ile aynıdır: W ve Z, X→M yolunu X·W (a₄) ve X·Z (a₅) ile birbirinden bağımsız olarak düzenler. Fark sonuç denklemindedir. Burada üç düzenleyicinin ana etkileri, X ile çarpımları (c′₅, c′₆, c′₇) ve M·V terimi (b₂) birlikte yer alır. Koşullu doğrudan etki c′₁ + c′₅V + c′₆W + c′₇Z, koşullu dolaylı etki (a₁ + a₄W + a₅Z)·(b₁ + b₂V) ifadesidir.
Bu modelin iddiası, aracı üzerinden taşınmayan etkinin de her üç koşula duyarlı olduğudur. Model 30'da doğrudan yol yalnız V'ye, Model 24'te yalnız W ve Z'ye bağlıdır; Model 31 ikisini birleştirir. Doğrudan yolda üç düzenleyici toplamsal çalışır, aralarında çarpım yoktur. Sonuç denklemi dokuz yordayıcıya ulaştığından doğrudan yolun bu kadar ayrıntılı koşullandırılması örneklem büyüklüğü ve kuramsal gerekçeyle birlikte savunulmalıdır. Hayes'in sürüm 3'te ikiden fazla moderatörlü modelleri kaldırması nedeniyle PROCESS 4 ve 5'te karşılığı yoktur.
İstatistiksel gösterim
M = i + a₁X + a₂W + a₃Z + a₄(X·W) + a₅(X·Z)
Y = i + c′₁X + c′₂V + c′₃W + c′₄Z + c′₅(X·V) + c′₆(X·W) + c′₇(X·Z) + b₁M + b₂(M·V)
Koşullu dolaylı etki (X → M → Y): (a₁ + a₄W + a₅Z) · (b₁ + b₂V)
Koşullu doğrudan etki: c′₁ + c′₅V + c′₆W + c′₇Z
Katsayı adları denklem sırasına göre verilmiştir. PROCESS çıktısındaki adlandırma sırası farklılaşabilse de temsil edilen yol yapısı aynıdır. Dolaylı etkiler bootstrap güven aralıkları üzerinden değerlendirilir.
E-öğrenme araştırmasından bir örnek
Tamamen çevrim içi yürütülen lisans derslerinde, eğitmenin ödevlere verdiği geri bildirimin sıklığı (X) dönem sonu ders başarısını (Y) yordayabilir. Önerilen mekanizma öğrencinin bilişsel katılımıdır (M): geri bildirim alan öğrenci içeriği daha derinlemesine işler. Geri bildirimin katılıma dönüşmesi öğrencinin öz düzenleme becerisine (W) ve daha önce tamamladığı çevrim içi ders sayısına (Z) bağlı görülüyor.
Öğrencinin haftalık ücretli çalışma saati (V) ikinci aşamada ele alınıyor: yüksek katılım, iş yükü ağır öğrencilerde sınav başarısına daha zayıf yansıyabilir. Araştırmacı, geri bildirimin katılımdan bağımsız etkisinin de, örneğin hataların doğrudan düzeltilmesi yoluyla gelen etkisinin, öz düzenlemeye, deneyime ve çalışma saatine göre değişeceğini öngörüyor. Üç koşulun da doğrudan yola girmesi Model 31'i Model 30'dan ayırır.
SPSS'te regresyonla kurulum
* Model 31 PROCESS 3 ve sonrasında yok: denklemler ayrı kurulur.
COMPUTE gb_oz = geribil_c * ozduz_c.
COMPUTE gb_den = geribil_c * deneyim_c.
COMPUTE gb_cal = geribil_c * calisma_c.
COMPUTE kat_cal = katilim_c * calisma_c.
REGRESSION /DEPENDENT katilim /METHOD=ENTER geribil_c ozduz_c deneyim_c gb_oz gb_den.
REGRESSION /DEPENDENT basari /METHOD=ENTER geribil_c calisma_c ozduz_c deneyim_c gb_cal gb_oz gb_den katilim_c kat_cal.2.x sürümlerinden sonra PROCESS, Model 31'i model listesinden çıkarmıştır; güncel sürümde bu numara hata iletisiyle reddedilir. Tüm _c değişkenleri analizden önce örneklem ortalamasına göre merkezlenir. Diyagramdaki V'nin PROCESS 4 ve 5'te karşılığı yoktur; komut yalnız /w= ve /z= tanır ve Hayes sürüm 3'te ikiden fazla moderatörlü numaralı modelleri listeden çıkarmıştır. Sonuç denkleminde aracı denklemindeki iki çarpım (gb_oz, gb_den) yeniden yer alır, ancak bu kez c′₆ ve c′₇ olarak doğrudan yolu temsil eder. REGRESSION nokta tahminlerini verir. Koşullu etkilerin bootstrap aralıkları için iki denklem lavaan'da kurulur; (a₁ + a₄W + a₅Z)·(b₁ + b₂V) ve c′₁ + c′₅V + c′₆W + c′₇Z seçilen değerlerde := ile tanımlı parametre olarak yazılır.
Çıktıda nereye bakılır?
- Katılım denkleminin “Coefficients” tablosunda gb_oz (a₄) ve gb_den (a₅): geri bildirimin katılıma etkisinin öz düzenleme ve deneyimle değişimi.
- Başarı denkleminde kat_cal (b₂): katılımın başarıya etkisinin çalışma saatine göre değişimi.
- Başarı denkleminde gb_cal, gb_oz ve gb_den (c′₅, c′₆, c′₇): doğrudan yolun üç koşula göre değişimi. Bu satırlar birinci denklemdeki aynı adlı satırlarla karıştırılmamalıdır.
- lavaan'da := ile kurulan parametreler: üç düzenleyicinin bileşimlerinde koşullu dolaylı ve koşullu doğrudan etkiler, bootstrap güven aralıklarıyla (ci.lower, ci.upper).
Komşu modellerden farkı
Raporlama örneği
Eğitmen geri bildiriminin ders başarısı üzerindeki etkisinde bilişsel katılımın aracılığı, Hayes'in PROCESS 2 numaralandırmasındaki Model 31'e karşılık gelen yapıyla incelenmiştir. Birinci aşamada geri bildirim × öz düzenleme (a₄ = [ ], %95 GA [ , ]) ve geri bildirim × deneyim (a₅ = [ ], %95 GA [ , ]), ikinci aşamada katılım × çalışma saati (b₂ = [ ], %95 GA [ , ]) etkileşimleri raporlanmıştır. Doğrudan yolda geri bildirimin çalışma saati, öz düzenleme ve deneyimle etkileşimleri sırasıyla c′₅ = [ ], c′₆ = [ ] ve c′₇ = [ ] olarak bulunmuştur. [ ] bootstrap örneklemiyle hesaplanan koşullu dolaylı etki, düşük öz düzenleme, düşük deneyim ve yüksek çalışma saatinde [ ] (%95 BootGA [ , ]) olarak hesaplanmıştır.
Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.
Sık yapılan hatalar
- Doğrudan yoldaki üç çarpımdan yalnız anlamlı çıkanı tutup diğerlerini sessizce modelden çıkarmak. Model yeniden kurulduğunda artık Model 31 değildir ve bu değişiklik raporda belirtilmelidir.
- Çalışma saatinin sonuç denklemindeki ana etkisini (c′₂) b₂ ile karıştırmak. Ana etki V'nin başarıyla ilişkisini, b₂ ise katılımın etkisinin V'ye göre değişimini gösterir.
- PROCESS 4 ve 5'te Model 10'u çalıştırıp çalışma saatini kovaryat olarak girmek. Bu, ikinci aşama ve doğrudan yoldaki V moderasyonunu tamamen dışarıda bırakır.
- Kaynakçada yalnız Hayes'in kitabını gösterip tahmin aracını belirtmemek. Model 31 güncel PROCESS'te çalışmadığından analizin hangi yazılım ve sürümle yapıldığı yazılmalı, Model 31 numarası yapının PROCESS 2 kataloğundaki karşılığı olarak verilmelidir.
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.