Hayes PROCESS Model 4Basit / paralel aracılık

Model 4, X'in Y üzerindeki etkisinin bir veya daha fazla aracı değişken (M) üzerinden taşınıp taşınmadığını dolaylı etki (a·b) ve bootstrap güven aralığıyla sınar; basit ve paralel aracılık modelidir.

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

Model neyi sınar, ne zaman kullanılır?

Model 4'te iki regresyon denklemi kurulur: M, X ile yordanır (a yolu); Y ise X ve M ile birlikte yordanır (b ve c′ yolları). Aracılığın kanıtı tek tek a veya b katsayısı değil, ikisinin çarpımı olan dolaylı etkidir (a·b).

Birden fazla aracı tanımlandığında Model 4 paralel aracılığa dönüşür: her aracı X'ten ayrı ayrı etkilenir ve Y'yi ayrı ayrı yordar, ancak aracılar arasında yol tanımlanmaz. Her aracının özgül dolaylı etkisi ve bunların toplamı ayrı ayrı raporlanır.

İstatistiksel gösterim

M = i + a₁X

Y = i + c′X + b₁M

Dolaylı etki (X → M → Y): a₁ · b₁

Doğrudan etki: c′

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

Eğitim araştırmasından bir örnek

Ortaokul öğrencilerinde algılanan öğretmen desteğinin (X) matematik başarısıyla (Y) ilişkili olduğu gözleniyor. Araştırmacı bu ilişkinin bir kısmının akademik motivasyon (M) üzerinden açıklanıp açıklanmadığını sorguluyor: destek motivasyonu artırıyor, motivasyon da başarıyı yordayabiliyor.

Model 4 bu mekanizmayı tek analizde sınar: öğretmen desteği → motivasyon yolu (a), motivasyon → başarı yolu (b) ve desteğin motivasyondan bağımsız kalan doğrudan ilişkisi (c′). İkinci bir aracı, örneğin matematik kaygısı eklenirse iki dolaylı etki aynı modelde paralel olarak karşılaştırılabilir.

SPSS PROCESS komutu

process y=basari /x=destek /m=motivasyon /model=4 /total=1 /boot=5000 /seed=2026 .

total=1 toplam etkiyi (c) de raporlar. boot=5000 dolaylı etki için 5000 bootstrap örneklemi çeker (PROCESS'in varsayılan değeri de budur; açıkça yazmak raporlamayı kolaylaştırır); seed aynı sonucun tekrar elde edilmesini sağlar. Paralel aracılıkta m= listesine birden fazla değişken yazılır (m=motivasyon kaygi); contrast=1 eklendiğinde özgül dolaylı etkiler birbirleriyle karşılaştırılır.

Çıktıda nereye bakılır?

M'nin sonuç değişken olduğu tabloda X'in katsayısı: a yolu.
Y'nin sonuç değişken olduğu tabloda M'nin katsayısı (b yolu) ve X'in katsayısı (c′, doğrudan etki).
“Indirect effect(s) of X on Y” tablosu: Effect, BootSE, BootLLCI ve BootULCI. Bootstrap güven aralığı sıfırı içermiyorsa dolaylı etki desteklenmiş kabul edilir.
total=1 kullanıldıysa “Total effect of X on Y”: toplam etki; aynı vakalar ve tüm denklemlerde aynı kovaryatlarla OLS kullanıldığında doğrudan ve dolaylı etkilerin toplamına tam olarak eşittir (tek aracıda c = c′ + a·b; birden çok aracıda c = c′ + Σaᵢbᵢ).

Komşu modellerden farkı

Model 5: Aynı aracılık yapısına W eklenir; W yalnız doğrudan yolu (c′) düzenler, dolaylı etki koşulsuz kalır.
Model 6: Aracılar paralel değil sıralıdır (X→M₁→M₂→Y); aracılar arasındaki d-yolu da tahmin edilir.
Model 7: W, X→M yolunu düzenler; dolaylı etki W'ye koşullu hâle gelir (birinci aşama moderasyonlu aracılık).
Model 14: W, M→Y yolunu düzenler; dolaylı etki ikinci aşamada koşullu hâle gelir.

Raporlama örneği

Akademik motivasyonun, öğretmen desteği ile matematik başarısı arasındaki ilişkide aracılık rolü PROCESS Model 4 ile 5000 bootstrap örneklemiyle incelenmiştir. Öğretmen desteği motivasyonu (a = [ ]), motivasyon da başarıyı (b = [ ]) anlamlı biçimde yordamıştır. Dolaylı etki anlamlı bulunmuştur (a·b = [ ], BootSE = [ ], %95 BootGA [ , ]); doğrudan etki ise c′ = [ ], p = [ ] olarak hesaplanmıştır.

Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.

Sık yapılan hatalar

Toplam etki (c) anlamlı değil diye aracılığı hiç test etmemek. Baron ve Kenny'nin bu ön koşulu güncel yaklaşımda aranmaz; dolaylı etki doğrudan sınanır.
Dolaylı etkinin anlamlılığını Sobel testine ya da a ve b'nin ayrı ayrı anlamlı olmasına dayandırmak. Önerilen ölçüt bootstrap güven aralığıdır.
Kesitsel veride bulunan dolaylı etkiyi “X, M'ye neden olarak Y'yi artırır” biçiminde nedensel olarak yazmak.
Doğrudan etki anlamsız diye “tam aracılık” etiketiyle yorumu sonlandırmak; bu etiket örneklem büyüklüğüne bağlıdır ve tek başına bilgi vermez.

Literatürden örnek

Doğrulanmış yayın örneği

Fırat, İ. (2026). The effect of proactive personality on entrepreneurial intention among teachers: The mediating role of general self-efficacy and the moderating role of psychological well-being. Yönetim Bilimleri Dergisi, 24(59), 331-375.

Çalışmanın bulgusu: Aynı 501 öğretmenlik örneklemde proaktif kişilik, girişimcilik niyetini hem doğrudan hem de genel öz yeterlik üzerinden dolaylı olarak beslemektedir: proaktif kişilik arttıkça öz yeterlik, öz yeterlik arttıkça da girişimcilik niyeti yükselmektedir. Doğrudan etki anlamlıdır (β = 0.54, p < .001). Öz yeterlik üzerinden geçen dolaylı etki (X'in Y'yi aracı değişken aracılığıyla etkilediği kısım) de anlamlıdır (β = 0.20, %95 GA [0.09, 0.32], p < .001); bu etki 5000 yeniden örneklemli bootstrap yöntemiyle sınanmış ve güven aralığı sıfırı içermediği için öz yeterliğin kısmi aracı rolü desteklenmiştir.

Model seçimi ve değişken rolleri: Türkiye'de öğretmen örnekleminde tek aracılı klasik aracılık hipotezi için Model 4 tercih edilmiş; X = proaktif kişilik, M = genel öz yeterlik, Y = girişimcilik niyeti. Dolaylı etki 5000 yeniden örneklemli bootstrap ile sınanmıştır.

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 6 - Seri aracılıkaracıları zincire dizer Model 7 - Birinci aşama moderasyonlu aracılıka-yolunu moderatörle koşullar Model 14 - İkinci aşama moderasyonlu aracılıkb-yolunu moderatörle koşullar

Model 3 Model 5