Koşullu aracılık — karma moderasyon
Hayes PROCESS Model 62Koşullu aracılık (a: W,Z · b: W · c′: Z)
Model 62'de W hem X→M hem M→Y yolunu, Z ise X→M ve X→Y yollarını düzenler. Mekanizmayı iki aşamada W, doğrudan ilişkiyi ise Z koşullar; bu çapraz yapı modele özgüdür.
Model neyi sınar, ne zaman kullanılır?
Model 62, 60–63 grubunun çapraz yapılı üyesidir. Birinci aşamada X'in M üzerindeki etkisi W ve Z ile ayrı ayrı etkileşir. Sonrasında iki düzenleyici ayrı yollara ayrılır: M→Y yolunu yalnız W, X→Y doğrudan yolunu yalnız Z düzenler. Böylece W aracılık mekanizmasının iki halkasına bağlıdır ama doğrudan ilişkiyi etkilemez; Z ise hem aracının oluşumunu hem de aracıyı atlayan kanalı koşullar, fakat aracının sonuca dönüşmesine karışmaz. Model 61'de doğrudan yolu W, Model 63'te W ve Z birlikte düzenler.
Sayfadaki koşullu dolaylı etki (a₁ + a₄W + a₅Z) · (b₁ + b₃W), koşullu doğrudan etki c′₁ + c′₃Z biçimindedir. Dolaylı etki W'ye göre ikinci derecedendir ve PROCESS bu modelde moderasyonlu aracılık indeksi basmaz. Doğrudan etki ise Z'nin doğrusal fonksiyonudur ve c′₃ ile test edilir. Y denkleminde W ana etki ve M·W çarpımı olarak, Z ise ana etki ve X·Z çarpımı olarak yer alır; M·Z ve X·W terimleri yoktur. Bu terimlerin yokluğu da hipotezin bir parçasıdır.
İstatistiksel gösterim
M = i + a₁X + a₂W + a₃Z + a₄(X·W) + a₅(X·Z)
Y = i + c′₁X + c′₂Z + c′₃(X·Z) + b₁M + b₂W + b₃(M·W)
Koşullu dolaylı etki (X → M → Y): (a₁ + a₄W + a₅Z) · (b₁ + b₃W)
Koşullu doğrudan etki: c′₁ + c′₃Z
Katsayı adları denklem sırasına göre verilmiştir. PROCESS çıktısındaki adlandırma sırası farklılaşabilse de temsil edilen yol yapısı aynıdır. Dolaylı etkiler bootstrap güven aralıkları üzerinden değerlendirilir.
Okul psikolojik danışmanlığı araştırmasından bir örnek
Ortaöğretim öğrencileriyle yürütülen bir araştırmada, sınıf rehberlik etkinliklerine katılımın (X, dönem içindeki oturum sayısı) profesyonel psikolojik yardım aramaya yönelik tutumu (M) olumlu yönde değiştirerek okul rehberlik servisine başvurma niyetini (Y) artırdığı öngörülüyor. Öğrencinin akranları arasında algıladığı damgalanma (W) mekanizmanın iki halkasında da rol oynuyor: damgalanma algısı yüksek öğrencilerde etkinliklerin tutumu değiştirme gücü ve olumlu tutumun niyete dönüşme olasılığı daha düşük.
Okuldaki psikolojik danışman başına düşen öğrenci sayısı (Z) ise farklı noktalarda devreye giriyor. Kalabalık okullarda sınıf etkinlikleri daha yüzeysel yürütüldüğü için tutum değişimi sınırlı kalıyor (birinci aşama). Etkinliklerin tutumdan bağımsız bir etkisi de var: öğrenci danışmanı tanıyor ve servisin yerini öğreniyor. Bu doğrudan kanal da danışmana ulaşmanın zor olduğu kalabalık okullarda zayıflıyor. Danışman yükünün, olumlu tutumun niyete dönüşmesini değiştireceğine dair bir gerekçe olmadığı için Z b yolunda yer almıyor.
SPSS PROCESS komutu
process y=basvuruniyet /x=etkinlik /m=tutum /w=damga /z=danismanyuk /model=62 /center=1 /boot=5000 /seed=2026 /contrast=1 .Diyagramdaki W, PROCESS 4 komutunda /w=, Z ise /z= ile girilir. PROCESS 4'teki Model 62 şablonu W'yi a ve b yollarına, Z'yi a ve c′ yollarına yerleştirir; iki değişkenin seçenekleri yer değiştirirse damgalanma doğrudan yola, danışman yükü ikinci aşamaya taşınır ve sınanan kuram tamamen değişir. center=1 ile X, M, W ve Z ortalamadan merkezlenir. PROCESS 4 ve 5'te kullanılabilen contrast=1, W ve Z kombinasyonlarındaki koşullu dolaylı etkileri ikili olarak karşılaştırır; indeks üretmeyen bu modelde düzenleyicilerin dolaylı etki üzerindeki rolünü sınamanın doğrudan yoludur. Öğrenciler okullara yuvalandığı ve Z okul düzeyinde ölçüldüğü için okul sayısı, Z'ye ilişkin çıkarımların gücünü belirler.
Çıktıda nereye bakılır?
- M denkleminde X·W ve X·Z katsayıları (sayfada a₄, a₅) ve “Test(s) of highest order unconditional interaction(s)” bölümündeki X*W, X*Z, BOTH(X) satırları.
- Y denkleminde M·W katsayısı (sayfada b₃) ve X·Z katsayısı (sayfada c′₃): iki farklı düzenleyicinin iki farklı yolu koşulladığını gösteren satırlar. Y denkleminin etkileşim testinde bu iki çarpım ayrı satırlarda raporlanır.
- “Conditional direct effects of X on Y”: yalnız Z (danışman yükü) düzeylerinde doğrudan etkiler. Damgalanma bu tabloda yer almaz.
- “Conditional indirect effects of X on Y” ve contrast=1 kullanıldıysa “Pairwise contrasts between conditional indirect effects (Effect1 minus Effect2)”: W ve Z kombinasyonlarındaki koşullu dolaylı etkiler ve aralarındaki farkların bootstrap güven aralıkları.
Komşu modellerden farkı
Raporlama örneği
Sınıf rehberlik etkinliklerine katılımın yardım arama tutumu üzerinden rehberlik servisine başvuru niyetiyle ilişkisinde akran damgalanması algısı ve danışman başına öğrenci sayısının düzenleyici rolleri PROCESS Model 62 ile 5000 bootstrap örneklemiyle incelenmiştir. Katılım × damgalanma (a₄ = [ ], %95 GA [ , ]) ve katılım × danışman yükü (a₅ = [ ], %95 GA [ , ]) etkileşimleri tutumu, tutum × damgalanma etkileşimi (b₃ = [ ], %95 GA [ , ]) başvuru niyetini yordamıştır. Doğrudan yoldaki katılım × danışman yükü etkileşimi c′₃ = [ ], %95 GA [ , ], p = [ ] olarak bulunmuştur. Damgalanma algısı düşük, danışman yükü düşük okullardaki öğrencilerde koşullu dolaylı etki [ ] (%95 BootGA [ , ]), damgalanma algısı yüksek öğrencilerde aynı okul koşulunda [ ] (%95 BootGA [ , ]) olarak hesaplanmıştır; iki etkinin farkı [ ] (%95 BootGA [ , ]) olarak elde edilmiştir.
Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.
Sık yapılan hatalar
- Model 62'yi Model 61 ile karıştırıp doğrudan yolda damgalanma etkileşimi aramak. Bu modelde doğrudan yolu yalnız Z düzenler; X·W terimi Y denkleminde bulunmaz.
- Okul düzeyindeki danışman yükünü, öğrencilerin okullara yuvalandığını dikkate almadan analiz etmek. Okul sayısı az olduğunda a₅ ve c′₃'e ilişkin güven aralıkları gerçekte olduğundan dar görünebilir.
- Damgalanma algısı ile yardım arama tutumu arasındaki kavramsal örtüşmeyi göz ardı etmek. İki ölçek benzer maddeler içeriyorsa W ile M arasındaki yüksek ilişki b yolundaki etkileşimin yorumunu zorlaştırır; ölçme ayrışması raporda gösterilmelidir.
- Niyet ölçümünü fiilî başvuru davranışı gibi raporlamak. Y bir niyet ölçüsüdür; servise gerçekten başvurmayı modelde göstermek ayrı bir veri ve, Y iki kategoriliyse, PROCESS'te farklı bir tahmin yöntemi gerektirir.
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.