Hayes PROCESS Model 54Koşullu aracılık (a: W,Z · b: Q,V,VQ · c′: Q,V,VQ)

Model neyi sınar, ne zaman kullanılır?

İstatistiksel gösterim

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

Pediatri araştırmasından bir örnek

SPSS'te regresyonla kurulum

* Model 54 PROCESS 3, 4 ve 5'te tanımlı değildir; denklemler elle kurulur.
* Bu komut yalnız katsayıları verir, koşullu dolaylı etkinin bootstrap aralığı için lavaan veya Mplus gerekir.
COMPUTE x_w = ekran*yas.
COMPUTE x_z = ekran*cihaz.
COMPUTE x_q = ekran*sicaklik.
COMPUTE x_v = ekran*mizac.
COMPUTE v_q = mizac*sicaklik.
COMPUTE x_vq = ekran*mizac*sicaklik.
COMPUTE m_q = uyku*sicaklik.
COMPUTE m_v = uyku*mizac.
COMPUTE m_vq = uyku*mizac*sicaklik.
EXECUTE.
REGRESSION /STATISTICS COEFF CI(95) R ANOVA /DEPENDENT uyku
  /METHOD=ENTER ekran yas cihaz x_w x_z.
REGRESSION /STATISTICS COEFF CI(95) R ANOVA CHANGE /DEPENDENT davranis
  /METHOD=ENTER ekran sicaklik mizac x_q x_v v_q uyku m_q m_v
  /METHOD=ENTER x_vq m_vq.

PROCESS 4'te düzenleyiciler yalnız /w= ve /z= ile tanımlanır; diyagramdaki V ve Q için bir karşılık yoktur. model=54 yazılırsa PROCESS “Invalid model number in this version of PROCESS.” hatasıyla durur. Yukarıdaki sözdizimi sayfadaki iki denklemi SPSS REGRESSION ile kurar: çarpım terimleri COMPUTE ile önceden üretilir, Y denkleminde üçlü terimler ikinci blokta girilerek ek katkıları test edilir. Sürekli değişkenler (ekran, yaş, uyku, mizaç, sıcaklık) çarpımdan önce ortalamadan merkezlenirse alt dereceli katsayılar ortalama düzeydeki etki olarak okunur; iki kategorili cihaz değişkeni 0/1 olarak bırakılabilir. Bu komut katsayıları verir, koşullu dolaylı etkilerin güven aralığını vermez. Onun için iki denklemin aynı yeniden örneklemler üzerinde birlikte tahmin edildiği bir bootstrap kurgusu gerekir. R'de lavaan ile iki denklem tek modelde yazılır, katsayılar etiketlenir (a1, a4, a5, b1–b4) ve her kombinasyon için koşullu dolaylı etki := ile (a1 + a4*w0 + a5*z0)*(b1 + b2*q0 + b3*v0 + b4*v0*q0) biçiminde tanımlanır; burada w0, z0, v0 ve q0 seçilen sayısal düzeylerdir. sem() çağrısına se = 'bootstrap' ve bootstrap = 5000 eklenir, yüzdelik aralıklar parameterEstimates(fit, boot.ci.type = 'perc') ile alınır.

Çıktıda nereye bakılır?

• Uyku denkleminin “Coefficients” tablosunda x_w ve x_z satırlarının B katsayıları: a₄ ve a₅. Ekranın uyku üzerindeki etkisinin yaşa ve cihazın varlığına göre değişip değişmediği bu iki satırdan okunur.
• Davranış denkleminin “Model Summary” tablosunda ikinci bloğun “R Square Change” ve “Sig. F Change” değerleri: M·V·Q ve X·V·Q terimlerinin birlikte açıkladığı ek varyans. Ortak test anlamlıysa hangi yolun bu artışı taşıdığı katsayılardan ayrıca incelenir.
• Aynı denklemin “Coefficients” tablosunda m_vq (b₄) ve x_vq (c′₇) satırları: mizacın düzenleyici etkisinin ebeveyn sıcaklığına göre değiştiğini gösteren asıl katsayılar. Üçlü terim modeldeyken m_v ve m_q katsayıları genel bir düzenleyici etki değil, diğer düzenleyicinin sıfır (merkezlenmişse ortalama) değerindeki koşullu etkilerdir.
• Bootstrap ile hesaplanan koşullu dolaylı etki tablosu: W, Z, V ve Q için seçilen değer kombinasyonlarında çarpımın kendisi ve yüzdelik güven aralığı. Sürekli her düzenleyici için üç düzey seçilirse ve cihaz iki kategoriliyse bu 54 satır eder; raporda kuramsal soruya yanıt veren kombinasyonlar öne çıkarılmalıdır.

Komşu modellerden farkı

• Model 47: a ve b yolları birebir aynıdır, fakat doğrudan yol hiçbir düzenleyiciye bağlı değildir. Ekranın doğrudan etkisinin mizaç ve ebeveynliğe bağlı olduğu öngörülmüyorsa daha yalın seçenektir; o da PROCESS 4'te numaralı model olarak bulunmaz.
• Model 50: b ve c′ yollarını V ve Q ayrı ayrı düzenler; V·Q üçlü etkileşimi kurulmaz.
• Model 53: a ve b yolları aynıdır, ancak c′ yolunu V ve Q değil, birinci aşamanın düzenleyicileri W ve Z koşullar.
• Model 56: Birinci aşamaya X·W·Z üçlü etkileşimi eklenir; W'nin a yolundaki rolü de Z'ye bağlı hâle gelir.

Raporlama örneği

Ekran süresinin uyku süresi üzerinden davranış sorunlarıyla ilişkisi, Hayes'in Model 54 şablonuna karşılık gelen iki regresyon denklemiyle ve [ ] bootstrap örneklemiyle incelenmiştir. Uyku denkleminde ekran süresi × yaş (a₄ = [ ], %95 GA [ , ]) ve ekran süresi × cihaz (a₅ = [ ], %95 GA [ , ]) etkileşimleri raporlanmıştır. Davranış sorunları denkleminde üçlü terimlerin eklenmesiyle açıklanan varyanstaki artış ΔR² = [ ], F([ ], [ ]) = [ ], p = [ ] olarak bulunmuştur; uyku × mizaç × ebeveyn sıcaklığı katsayısı b₄ = [ ], %95 GA [ , ] olarak hesaplanmıştır. Yatak odasında cihazı olan, olumsuz duygulanımı yüksek ve ebeveyn sıcaklığı düşük çocuklarda koşullu dolaylı etki [ ] (%95 BootGA [ , ]), aynı koşullarda ebeveyn sıcaklığı yüksek çocuklarda [ ] (%95 BootGA [ , ]) olarak elde edilmiştir.

Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.

Sık yapılan hatalar

• PROCESS 4'te V ve Q'yu /w= ile /z= içine sığdırıp başka bir numaralı modelle tahmin etmek. Düzenleyicilerin bağlandığı yollar değişir; elde edilen sonuç artık Model 54'ün sonucu değildir.
• M·V·Q terimi modeldeyken onu oluşturan alt terimlerden birini (M·V, M·Q veya V·Q) denklemden çıkarmak. Alt dereceli terimler eksik kalırsa üçlü katsayı yorumlanabilir bir koşullu etkileşim olmaktan çıkar.
• Yöntem bölümüne “PROCESS Model 54 ile analiz edilmiştir” yazmak. Güncel PROCESS bu modeli çalıştıramaz; analizin hangi yazılımla ve hangi denklemlerle yapıldığı açıkça belirtilmeli, Model 54 yalnız yapının Hayes'teki karşılığı olarak anılmalıdır.
• İki kategorili cihaz değişkenini merkezleyip koşullu etkileri “cihaz var” ve “cihaz yok” yerine merkezlenmiş bir ara değerde raporlamak; iki kategorili düzenleyicide yorumlanabilir değerler kategorilerin kendisidir.

Literatürden örnek

İlişkili modeller