Koşullu aracılık — karma moderasyon
Hayes PROCESS Model 66Koşullu aracılık (a: W · b: V,W · c′: V)
Model 66'da W, X→M ve M→Y yollarını; V ise M→Y yolunu ve doğrudan yolu (c′) düzenler. Dolaylı etki W ile V'ye, doğrudan etki yalnız V'ye koşulludur.
Model neyi sınar, ne zaman kullanılır?
Model 66'nın M denklemi Model 64 ve 65 ile aynıdır: X, W ve X·W. Fark Y denklemindedir: burada doğrudan yola ait çarpım X·W değil X·V'dir. Dolaylı etki W ve V'ye bağlı (a₁ + a₃W) · (b₁ + b₃V + b₄W) çarpımına, doğrudan etki ise yalnız V'ye bağlı c′₁ + c′₃V ifadesine eşittir. Böylece iki moderatör arasında bir iş bölümü oluşur: W mekanizmanın iki aşamasını şekillendirir, V hem ikinci aşamayı hem de mekanizmanın dışındaki doğrudan etkiyi değiştirir.
Bu modelin seçilmesi, V'nin “sonuç tarafında” işleyen bir koşul olduğu varsayımına dayanır: V, X'in M'yi nasıl etkilediğini değiştirmez, ama hem M'nin hem de X'in Y'ye nasıl yansıdığını değiştirir. Model 65 ile karıştırılmaması gerekir; orada doğrudan yolu W düzenler. Hangi moderatörün c′ yolunda yer alacağı istatistiksel denemeyle değil, kuramın X→Y ilişkisi hakkında ne söylediğiyle belirlenmelidir.
İstatistiksel gösterim
M = i + a₁X + a₂W + a₃(X·W)
Y = i + c′₁X + c′₂V + c′₃(X·V) + b₁M + b₂W + b₃(M·V) + b₄(M·W)
Koşullu dolaylı etki (X → M → Y): (a₁ + a₃W) · (b₁ + b₃V + b₄W)
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.
Matematik eğitimi araştırmasından bir örnek
Ortaokul matematik derslerinde biçimlendirici değerlendirme uygulamalarının sıklığı (X) öğrencilerin problem çözme performansını (Y) yordar; araştırmacı bu etkinin matematik öz-yeterliği (M) aracılığıyla taşındığını öngörüyor. Önceki dönem başarısı (W) iki aşamada rol alıyor: başarısı düşük öğrencide sık geri bildirim öz-yeterliği daha çok artırabilir, ama aynı öğrencide öz-yeterliğin performansa dönüşmesi bilgi eksikleri nedeniyle sınırlı kalabilir.
Matematik kaygısı (V) ise sınav anında işleyen bir koşul olarak ele alınıyor. Kaygı, değerlendirme pratiğinin öz-yeterliği nasıl etkilediğini değiştirmiyor; ancak kaygılı öğrencide hem öz-yeterliğin performansa yansıması hem de değerlendirmeyle edinilen strateji bilgisinin doğrudan performansa aktarılması zayıflayabilir. Bu iki ayrı beklenti, Model 66'nın b ve c′ yollarında V'ye yer vermesine karşılık gelir.
SPSS PROCESS komutu
process y=performans /x=degerlendirme /m=ozyeterlik /w=oncekibasari /z=kaygi /model=66 /center=1 /boot=5000 /seed=2026 .Kaygı /z= ile girilir, çünkü PROCESS 4 şablonunda diyagramdaki V'nin yerini Z alır; Model 66'da Z, M→Y ve X→Y yollarını düzenleyen moderatördür. Sınıf düzeyinde ölçülen X ile öğrenci düzeyinde ölçülen Y arasında iç içe yapı varsa PROCESS bunu dikkate almaz; bu durum standart hataları küçültebileceği için sınırlılık olarak belirtilmeli ya da çok düzeyli bir yaklaşım düşünülmelidir. center=1 tüm çarpım bileşenlerini merkezler.
Çıktıda nereye bakılır?
- M tablosunda X·W satırı: önceki başarının değerlendirme→öz-yeterlik yolunu düzenleyip düzenlemediği.
- Y tablosunda X·V, M·V ve M·W satırları; Product terms key ile hangi çarpımın hangi yola ait olduğu doğrulanmalıdır.
- “Conditional direct effects of X on Y”: tablo yalnız Z (kaygı) değerlerine göre düzenlenir, çünkü c′ yolunu W düzenlemez.
- “Conditional indirect effects of X on Y”: önceki başarı ve kaygının birlikte aldığı değerlerde koşullu dolaylı etkiler ve bootstrap güven aralıkları.
Komşu modellerden farkı
Raporlama örneği
Biçimlendirici değerlendirme sıklığının problem çözme performansı üzerindeki etkisinde matematik öz-yeterliğinin aracılığı ve bu yapının önceki başarı ile matematik kaygısına göre değişimi PROCESS Model 66 ile 5000 bootstrap örneklemiyle incelenmiştir. Değerlendirme × önceki başarı etkileşimi öz-yeterliği yordamıştır (b = [ ], %95 GA [ , ], p = [ ]). Performans modelinde öz-yeterlik × önceki başarı (b = [ ], p = [ ]), öz-yeterlik × kaygı (b = [ ], p = [ ]) ve değerlendirme × kaygı (b = [ ], p = [ ]) etkileşimleri raporlanmıştır. Koşullu dolaylı etki düşük önceki başarı ve düşük kaygıda [ ] (%95 BootGA [ , ]), yüksek önceki başarı ve yüksek kaygıda [ ] (%95 BootGA [ , ]) bulunmuştur; doğrudan etki düşük kaygıda [ ], yüksek kaygıda [ ] olarak hesaplanmıştır.
Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.
Sık yapılan hatalar
- Koşullu doğrudan etkileri W düzeylerine göre de raporlamaya çalışmak. Bu modelde c′ yalnız V'ye bağlıdır; W'ye göre değişen bir doğrudan etki tahmin edilmemiştir.
- Kaygının a-yolunu düzenlemediği varsayımını tartışmadan geçmek. Bu kısıt modelin bir parçasıdır ve kuramsal gerekçeyle savunulmalıdır.
- Sınıf düzeyinde ölçülen değerlendirme sıklığını öğrenciye atayıp gözlemleri bağımsızmış gibi analiz etmek ve bu sınırlılığı hiç anmamak.
- Dolaylı etki iki moderatörün her birine göre ayrı ayrı doğrusal değişiyormuş gibi “kaygı arttıkça dolaylı etki sabit hızla azalır” biçiminde genelleme yapmak; değişim hızı W'nin düzeyine bağlıdır.
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.