Hayes PROCESS Model 80Paralel + ortak son aracı

Model 80'de birbirine bağlı olmayan paralel aracılar (M₁, M₂) hem Y'yi doğrudan yordar hem de ortak bir son aracıyı (M₃) besler; her yol için ayrı özgül dolaylı etki hesaplanır ve moderatör yoktur.

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

Model neyi sınar, ne zaman kullanılır?

Model 80, paralel ve seri aracılığı birleştiren bir yapıdır; PROCESS bu modelde üç ile altı arasında aracıya izin verir. Sayfadaki üç aracılı en sade gösterimde M₁ ve M₂ yalnız X tarafından yordanır ve aralarında yol yoktur; son aracı M₃ ise X, M₁ ve M₂ ile birlikte yordanır (d₁, d₂ yolları). Y denkleminde X ile birlikte bütün aracılar yer alır. Bu düzen, farklı mekanizmaların ortak bir yakın nedende birleştiği kuramsal kurgular için uygundur.

Üç aracılı gösterimde beş özgül dolaylı etki vardır: X→M₁→Y (a₁·b₁), X→M₁→M₃→Y (a₁·d₁·b₃), X→M₂→Y (a₂·b₂), X→M₂→M₃→Y (a₂·d₂·b₃) ve X→M₃→Y (a₃·b₃). Model 6'dan farkı M₁ ile M₂ arasında yol tahmin edilmemesidir; Model 4'ten farkı ise son aracıya uzanan d yollarıdır. Yakınsama hipotezinin kanıtı, M₃'e uzanan iki zincir etkisidir; M₁ ve M₂'nin Y'ye doğrudan giden kolları, mekanizmanın son aracıyı atlayan kısmını gösterir. Model ayrı bir düzenleyici içermediğinden bütün dolaylı etkiler koşulsuzdur.

İstatistiksel gösterim

M₁ = i + a₁X

M₂ = i + a₂X

M₃ = i + a₃X + d₁M₁ + d₂M₂

Y = i + c′X + b₁M₁ + b₂M₂ + b₃M₃

Dolaylı etki (X → M₁ → Y): a₁ · b₁

Dolaylı etki (X → M₁ → M₃ → Y): a₁ · d₁ · b₃

Dolaylı etki (X → M₂ → Y): a₂ · b₂

Dolaylı etki (X → M₂ → M₃ → Y): a₂ · d₂ · b₃

Dolaylı etki (X → M₃ → Y): a₃ · b₃

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.

Sivil toplum katılımı araştırmasından bir örnek

Üniversite öğrencileriyle yapılan bir araştırmada toplumsal konulara ilişkin sosyal medya içeriklerini izleme sıklığının (X) sivil toplum kuruluşlarında gönüllü katılımı (Y) yordadığı gözlenmiştir. Araştırmacı iki ayrı kanalı düşünmektedir: içerik takibi toplumsal sorunlara ilişkin bilgiyi (M₁) artırır, aynı zamanda gönüllü topluluklarla zayıf bağlardan oluşan ağı (M₂) genişletir.

Kuramsal beklentiye göre bu iki kanal birbirini etkilemeden ilerler, ancak her ikisi de öğrencinin “katılırsam bir fark yaratırım” inancını, yani sivil öz-yeterliği (M₃) besler; sivil öz-yeterlik de katılımın en yakın yordayıcısıdır. Bilgi ile ağ arasında bir neden-sonuç sırası öngörülmediği ve ikisi aynı son aracıda birleştiği için Model 6 yerine Model 80 seçilir.

SPSS PROCESS komutu

process y=katilim /x=sosyalmedya /m=bilgi ag ozyeterlik /model=80 /total=1 /contrast=1 /boot=5000 /seed=2026 .

Model 80'de düzenleyici olmadığından /w= ve /z= kullanılmaz. PROCESS, m= listesindeki son değişkeni ortak son aracı yapar ve ondan önce yazılan bütün aracıları bu değişkenin yordayıcısı olarak modele alır; bu yüzden paralel aracılar önce, ortak son aracı en sona yazılır. Çıktıda son aracının “OUTCOME VARIABLE:” tablosunda diğer aracıların, paralel aracıların tablolarında ise yalnız X'in yer aldığını görerek sırayı doğrulayın. contrast=1, özgül dolaylı etkiler arasındaki ikili farkları bootstrap güven aralıklarıyla verir; iki zincir etkisini karşılaştırmak için bu farklar kullanılır. total=1 toplam etkiyi de raporlar.

Çıktıda nereye bakılır?

Paralel aracıların “OUTCOME VARIABLE:” tabloları: yalnız X yordayıcıdır; X'in katsayıları a₁ ve a₂ yollarıdır.
Son aracının tablosu: X'in katsayısı a₃, paralel aracıların katsayıları d₁ ve d₂ (yakınsama yolları).
Y tablosu: bütün aracıların katsayıları (b₁, b₂, b₃) ve doğrudan etki c′.
“Indirect effect(s) of X on Y:” tablosu: Total satırı ve her özgül yol için Ind satırları, Effect, BootSE, BootLLCI ve BootULCI ile. Ind numaralarının hangi yola karşılık geldiği “Indirect effect key:” bölümünde yazılıdır.
contrast=1 eklendiğinde aynı tablodaki (C1), (C2)… satırları: özgül dolaylı etkiler arasındaki farklar ve bootstrap güven aralıkları; hangi farkın hangi yollara ait olduğu “Specific indirect effect contrast definition(s):” bölümünde listelenir.

Komşu modellerden farkı

Model 6: Aracılar tek bir zincir oluşturur; her aracı kendisinden önceki tüm aracılarla yordanır, paralel kol yoktur.
Model 81: Yön terstir: ilk aracı, kendisinden sonra gelen paralel aracıların ortak öncülüdür.
Model 4: Aracılar tamamen paraleldir; aracılar arasında hiçbir d yolu tahmin edilmez.
Model 82: Ortak bir son aracı yerine birbirinden bağımsız iki seri zincir tanımlanır.

Raporlama örneği

Toplumsal sorunlara ilişkin bilgi, gönüllü ağ genişliği ve sivil öz-yeterliğin, sosyal medya içerik takibi ile sivil toplum katılımı arasındaki aracılık rolleri PROCESS Model 80 ve 5000 bootstrap örneklemiyle incelenmiştir. Bilgi → sivil öz-yeterlik zinciri üzerinden dolaylı etki [ ] (%95 BootGA [ , ]), ağ → sivil öz-yeterlik zinciri üzerinden dolaylı etki [ ] (%95 BootGA [ , ]) olarak bulunmuştur. Yalnız bilgi, yalnız ağ ve yalnız sivil öz-yeterlik üzerinden dolaylı etkiler sırasıyla [ ], [ ] ve [ ]; toplam dolaylı etki [ ] (%95 BootGA [ , ]), doğrudan etki c′ = [ ], p = [ ] olarak hesaplanmıştır.

Köşeli parantezler kendi çıktınızdaki değerlerle doldurulur.

Sık yapılan hatalar

Ortak son aracıyı m= listesinin ortasına yazmak. PROCESS listedeki son değişkeni ortak son aracı kabul eder; sıra hatası, kuramdaki son aracının yerine bir paralel aracının yakınsama noktası olduğu başka bir modeli tahmin ettirir.
Paralel aracılar arasında yol olmamasını “aracılar ilişkisizdir” diye yorumlamak. Model yalnız aralarında yönlü bir etki öngörmez; aracıların hataları arasındaki ilişki modelin kurgusunun dışındadır.
Toplam dolaylı etkinin anlamlılığını yakınsama hipotezinin kanıtı saymak. Hipotez, son aracıdan geçen a·d·b yollarıyla sınanır.
Yalnız iki aracıyla Model 80 istemek. PROCESS bu durumda üç ile altı arasında aracı gerektiğini belirten bir hata verir; iki aracılı yapı zaten Model 6'daki seri zincirle aynı denklemlere iner ve Model 6 ile analiz edilir.

Literatürden örnek

Doğrulanmış yayın örneği

Ye, B., Zhao, S., Zeng, Y., Chen, C., & Zhang, Y. (2022). Perceived parental support and college students' depressive symptoms during the COVID-19 pandemic: The mediating roles of emotion regulation strategies and resilience. Current Psychology, 42(23), 20275-20286.

Çalışmanın bulgusu: 2.423 Çinli üniversite öğrencisinden oluşan örneklemde, algılanan ebeveyn desteği arttıkça depresif belirtiler azalmaktadır; doğrudan etki anlamlıdır (β = −0.262, %95 GA [−0.296, −0.229]). Destek ayrıca üç aracı üzerinden dolaylı olarak da koruyucudur: bilişsel yeniden değerlendirme (β = −0.024, %95 GA [−0.034, −0.015]), dışavurumsal bastırma (β = −0.027, %95 GA [−0.040, −0.016]) ve en güçlü yol olan psikolojik dayanıklılık (β = −0.088, %95 GA [−0.108, −0.070]) aracılığıyla geçen dolaylı etkilerin tümü anlamlıdır. Ebeveyn desteği → bilişsel yeniden değerlendirme → dayanıklılık → depresif belirtiler biçimindeki seri yol da anlamlıdır (β = −0.023, %95 GA [−0.030, −0.017]); tüm güven aralıkları sıfırı içermemektedir.

Model seçimi ve değişken rolleri: İki paralel aracının ortak bir SON aracıya aktığı kurgu için Model 80 kullanılmış (yöntemde 'PROCESS macro for SPSS (Model 80)' açıkça yazar); X = algılanan ebeveyn desteği, M₁ = bilişsel yeniden değerlendirme, M₂ = dışavurumsal bastırma, M₃ (son aracı) = psikolojik dayanıklılık, Y = depresif belirtiler.

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 4 - Basit / paralel aracılıkmoderatörsüz temel hali

Model 76 Model 81