075. Hipotezy mediacyjne i moderacyjne – jak je zapisać?

W poprzednich lekcjach kursu omawialiśmy hipotezy dotyczące związków, różnic i predykcji. Kolejny krok polega na formułowaniu hipotez, które nie ograniczają się do pytania, czy zmienne są ze sobą powiązane, lecz pytają także: przez jaki mechanizm zachodzi związek oraz kiedy, dla kogo lub w jakich warunkach jest on silniejszy albo słabszy. Pierwszy problem dotyczy mediacji, drugi – moderacji. Oba pojęcia są często mylone, dlatego ich poprawne zapisanie wymaga jednocześnie jasnego modelu teoretycznego i precyzyjnego języka.

1. Mediator i moderator – podstawowe rozróżnienie

Medytacja – w znaczeniu statystycznym – nie jest oczywiście pojęciem klinicznym ani psychologiczną techniką relaksacyjną. W analizie mediacji chodzi o zmienną pośredniczącą, czyli mediator. Mediator pomaga wyjaśnić, w jaki sposób zmienna X wiąże się ze zmienną Y. Schemat ma postać:

X → M → Y

gdzie:

• X – zmienna niezależna, ekspozycja, interwencja albo predyktor;
• M – mediator, czyli zmienna pośrednicząca;
• Y – zmienna zależna, wynik lub punkt końcowy.

W hipotezie mediacyjnej zakładamy, że X wiąże się z M, a M wiąże się z Y przy uwzględnieniu X. Nie oznacza to automatycznie, że badanie dowodzi mechanizmu przyczynowego. Do wnioskowania przyczynowego potrzebne są odpowiedni projekt, kolejność pomiarów, kontrola zakłóceń i uzasadnione założenia identyfikacyjne. W badaniu przekrojowym można mówić o zgodnym z modelem wzorcu mediacyjnym, ale ostrożniej należy używać sformułowania „X powoduje Y przez M”.

Moderator odpowiada na inne pytanie: czy siła albo kierunek związku między X i Y zależy od wartości zmiennej W? Moderator nie musi znajdować się na drodze pomiędzy X i Y. Zamiast tego zmienia warunki, w których obserwujemy relację. Schemat można zapisać jako:

Y = b₀ + b₁X + b₂W + b₃(X × W) + e

gdzie:

• b₀ – wyraz wolny;
• b₁ – efekt X, gdy W = 0;
• b₂ – efekt W, gdy X = 0;
• b₃ – współczynnik interakcji X × W;
• e – składnik resztowy.

W moderacji kluczowe znaczenie ma interakcja X × W. Sam fakt, że W koreluje z Y, nie oznacza jeszcze, że W jest moderatorem. Moderację rozpoznajemy wtedy, gdy efekt X na Y różni się zależnie od poziomu W (Baron i Kenny, 1986). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/3806354/?utm_source=openai))

2. Jak zapisać hipotezę mediacyjną?

2.1. Zapis słowny

Dobra hipoteza mediacyjna powinna wskazywać trzy elementy: predyktor, mediator i wynik. Najprostszy szablon brzmi:

Wpływ lub związek między X a Y jest częściowo albo całkowicie wyjaśniany przez M.

W badaniach obserwacyjnych bezpieczniejszy zapis brzmi:

Związek między X a Y jest pośredniczony przez M, tak że wyższe wartości X wiążą się z wyższymi wartościami M, a wyższe wartości M wiążą się z Y po uwzględnieniu X.

Jeżeli teoria uzasadnia określony kierunek, można go doprecyzować, na przykład: „Program edukacyjny wiąże się z większą wiedzą o samokontroli cukrzycy, a większa wiedza wiąże się z lepszym przestrzeganiem zaleceń; dlatego przewiduje się pośredni związek programu z przestrzeganiem zaleceń przez wiedzę”.

2.2. Zapis ścieżkowy

W prostym modelu mediacji często oznacza się ścieżki literami a, b, c i c′:

M = i_M + aX + e_M

Y = i_Y + c′X + bM + e_Y

• a – związek X z mediatorem M;
• b – związek M z Y po uwzględnieniu X;
• c′ – bezpośredni związek X z Y po uwzględnieniu M;
• ab – efekt pośredni, czyli iloczyn ścieżek a i b;
• c – efekt całkowity X na Y, często przedstawiany jako suma c′ + ab w prostych modelach liniowych.

Współczesne zalecenia preferują bezpośrednie szacowanie efektu pośredniego i przedziału ufności, często metodą bootstrapową, zamiast traktowania klasycznego zestawu „kroków” jako jedynego kryterium mediacji (Preacher i Hayes, 2004). Sam brak istotnego efektu całkowitego c nie wyklucza efektu pośredniego, ponieważ różne ścieżki mogą się wzajemnie kompensować.

2.3. Hipoteza statystyczna

Jeżeli hipoteza dotyczy efektu pośredniego, można zapisać:

H₁: ab ≠ 0

W hipotezie kierunkowej:

H₁: ab > 0

Nie należy interpretować wartości p jako prawdopodobieństwa prawdziwości hipotezy zerowej. Praktycznie ważne jest oszacowanie ab, jego przedziału ufności oraz sensu merytorycznego. Jeżeli przedział ufności dla efektu pośredniego nie obejmuje zera, dane są zgodne z niezerowym efektem pośrednim w przyjętym modelu. Nie oznacza to jednak samo przez się udowodnienia przyczynowego mechanizmu.

3. Jak zapisać hipotezę moderacyjną?

3.1. Zapis słowny

W hipotezie moderacyjnej należy wskazać zmienną, której efekt jest warunkowy, oraz moderator. Użyteczne szablony to:

• „Związek między X a Y będzie silniejszy przy wysokim poziomie W niż przy niskim poziomie W”.
• „Wiek moderuje związek między obciążeniem pracą a wypaleniem zawodowym”.
• „Skuteczność interwencji zależy od poziomu wyjściowego ryzyka pacjenta”.

Warto od razu określić kierunek moderacji. Przykładowo: „Wsparcie społeczne osłabia dodatni związek między stresem a objawami depresyjnymi, dlatego efekt stresu będzie większy przy niskim poziomie wsparcia”. Taki zapis jest bardziej informacyjny niż ogólne stwierdzenie, że „wsparcie społeczne moderuje relację”.

3.2. Zapis statystyczny

Hipotezę moderacji można wyrazić jako:

H₁: b₃ ≠ 0

W tym zapisie b₃ jest współczynnikiem interakcji X × W. Dla hipotezy kierunkowej można zapisać, na przykład:

H₁: b₃ < 0

Jeżeli przewidujemy, że moderator osłabia dodatni związek X z Y, oczekujemy ujemnego współczynnika interakcji. Interpretacja nie powinna kończyć się na informacji, że interakcja jest istotna statystycznie. Należy oszacować efekt X dla konkretnych wartości W, przedstawić proste nachylenia, wykres interakcji lub – gdy jest to zasadne – zastosować procedurę Johnsona–Neymana. Narzędzia te pomagają ustalić, w jakim zakresie wartości moderatora efekt X jest różny od zera (Preacher, Curran i Bauer, 2006). ([doi.org](https://doi.org/10.3102/10769986031004437?utm_source=openai))

4. Moderowana mediacja – gdy mechanizm zależy od warunków

W praktyce badawczej często interesuje nas bardziej złożone pytanie: czy efekt pośredni X przez M na Y jest różny zależnie od poziomu W? Taki model nazywa się moderowaną mediacją albo analizą warunkowego efektu pośredniego.

Przykładowo można założyć, że szkolenie poprawia przestrzeganie zaleceń przez zwiększenie poczucia własnej skuteczności, ale mechanizm ten działa silniej u osób, które mają łatwy dostęp do opieki ambulatoryjnej. Wtedy:

• X – udział w szkoleniu;
• M – poczucie własnej skuteczności;
• Y – przestrzeganie zaleceń;
• W – dostęp do opieki;
• efekt pośredni X → M → Y zależy od W.

W najprostszym wariancie moderator wpływa na ścieżkę a:

M = i_M + a₁X + a₂W + a₃(X × W) + e_M

Y = i_Y + c′X + bM + e_Y

Warunkowy efekt pośredni wynosi wówczas:

IE(W) = (a₁ + a₃W)b

Jeśli a₃ jest różne od zera, związek X z mediatorem zmienia się zależnie od W. Jednak pełna ocena moderowanej mediacji wymaga badania, czy sam efekt pośredni różni się między poziomami W. Nie wystarczy osobno wykazać mediacji w jednej grupie i jej braku w drugiej; potrzebny jest formalny test różnicy warunkowych efektów pośrednich, na przykład indeks moderowanej mediacji (Preacher, Rucker i Hayes, 2007). ([tandfonline.com](https://www.tandfonline.com/doi/abs/10.1080/00273170701341316?utm_source=openai))

5. Przykład praktyczny: zdrowie publiczne

Załóżmy, że badacz chce ocenić, czy udział w sześciotygodniowym programie aktywności fizycznej wiąże się z obniżeniem poziomu HbA1c u dorosłych z cukrzycą typu 2. Teoria sugeruje, że program działa między innymi przez zwiększenie poczucia własnej skuteczności w zakresie samokontroli choroby.

Hipoteza mediacyjna

Uczestnictwo w programie aktywności fizycznej będzie wiązać się z niższym poziomem HbA1c po zakończeniu programu częściowo za pośrednictwem wzrostu poczucia własnej skuteczności. Przewiduje się, że program zwiększy poczucie własnej skuteczności, a wyższe poczucie własnej skuteczności będzie wiązać się z niższym poziomem HbA1c po uwzględnieniu udziału w programie.

W zapisie statystycznym hipoteza dotyczy niezerowego efektu pośredniego ab. Jeżeli pomiar poczucia własnej skuteczności wykonano dopiero po pomiarze wyjściowym, a HbA1c zmierzono później, kolejność czasowa jest bardziej zgodna z modelem niż w badaniu przekrojowym. Nadal jednak trzeba uwzględnić możliwe czynniki zakłócające, takie jak zmiana farmakoterapii, wyjściowy poziom HbA1c czy współistniejące choroby.

Hipoteza moderacyjna

Wpływ programu na obniżenie poziomu HbA1c będzie większy u osób o wysokiej wyjściowej motywacji do samokontroli niż u osób o niskiej motywacji.

Tutaj motywacja jest moderatorem, ponieważ przewiduje się, że zmienia siłę związku między udziałem w programie a wynikiem klinicznym. Nie jest ona mediatorem, jeśli nie zakładamy, że udział w programie najpierw zmienia motywację, a dopiero potem HbA1c.

6. Drugi przykład: psychologia i pielęgniarstwo

Badanie może dotyczyć związku między obciążeniem pracą pielęgniarek a objawami wypalenia zawodowego. Badacz zakłada, że obciążenie zwiększa wyczerpanie emocjonalne, które z kolei wiąże się z wypaleniem. Jednocześnie wsparcie przełożonego może osłabiać wpływ obciążenia na wyczerpanie.

Hipoteza mediacyjna:

Wyczerpanie emocjonalne będzie pośredniczyć w dodatnim związku między obciążeniem pracą a nasileniem wypalenia zawodowego.

Hipoteza moderacyjna:

Wsparcie przełożonego będzie moderować związek między obciążeniem pracą a wyczerpaniem emocjonalnym, tak że związek ten będzie słabszy przy wysokim poziomie wsparcia.

Hipoteza moderowanej mediacji:

Pośredni związek między obciążeniem pracą a wypaleniem zawodowym przez wyczerpanie emocjonalne będzie słabszy u pielęgniarek otrzymujących większe wsparcie przełożonego.

Te trzy hipotezy nie są równoważne. Pierwsza opisuje mechanizm, druga warunek brzegowy dla jednej ze ścieżek, a trzecia zakłada, że cały efekt pośredni różni się zależnie od poziomu wsparcia. W literaturze wskazuje się, że mediacja i moderacja mogą być łączone, ale ich połączenie powinno wynikać z teorii, a nie z poszukiwania atrakcyjnego modelu po obejrzeniu danych (Muller, Judd i Yzerbyt, 2005). ([psych.wisc.edu](https://psych.wisc.edu/Brauer/BrauerLab/wp-content/uploads/2015/01/Muller_Judd_Yezerbyt_2005.pdf?utm_source=openai))

7. Najczęstsze błędy

• Mylenie mediatora z moderatorem. Mediator odpowiada na pytanie „jak lub przez co?”, a moderator na pytanie „kiedy, dla kogo lub w jakich warunkach?”.
• Używanie języka przyczynowego bez odpowiedniego projektu. W badaniu przekrojowym lepiej pisać o związku zgodnym z modelem mediacyjnym niż o udowodnionym mechanizmie przyczynowym.
• Traktowanie korelacji jako dowodu mediacji. Sam związek X z M oraz M z Y nie wystarcza bez określenia modelu, kolejności pomiarów i odpowiedniej analizy efektu pośredniego.
• Sprawdzanie wyłącznie efektu całkowitego. Brak istotnego związku X–Y nie wyklucza niezerowego efektu pośredniego.
• Wnioskowanie o moderacji na podstawie różnic w wartości p. To, że jeden efekt jest istotny, a drugi nie, nie dowodzi, że efekty różnią się między sobą. Należy testować interakcję albo bezpośrednią różnicę efektów.
• Brak kierunku hipotezy. Jeśli teoria przewiduje osłabianie związku, trzeba to wyraźnie zapisać, a nie poprzestawać na stwierdzeniu, że moderator „ma znaczenie”.
• Centrowanie jako rozwiązanie problemu metodologicznego. Centrowanie zmiennych może ułatwić interpretację wyrazu wolnego i współczynników, ale nie tworzy moderacji ani nie usuwa problemu zakłóceń.
• Formułowanie wielu modeli po analizie danych. Wybieranie mediatora lub moderatora dopiero po obejrzeniu wyników zwiększa ryzyko HARKingu i powinno być jasno oznaczone jako analiza eksploracyjna.

8. Jak przejść od teorii do poprawnego zapisu?

1. Zdefiniuj X, M, W i Y, podając ich operacyjne znaczenie.
2. Określ, czy pytasz o mechanizm, warunek działania, czy oba elementy.
3. Uzasadnij kolejność zmiennych teorią i – jeśli to możliwe – kolejnością pomiarów.
4. Zapisz hipotezę słownie, wskazując kierunek oczekiwanego związku.
5. Przełóż ją na model: efekt pośredni ab, interakcję X × W albo warunkowy efekt pośredni.
6. Ustal z góry, jaki parametr będzie głównym przedmiotem oceny: efekt pośredni, współczynnik interakcji czy indeks moderowanej mediacji.
7. Opisz znaczenie praktyczne. Statystycznie niezerowa interakcja lub mediacja może mieć niewielką wartość kliniczną, organizacyjną albo społeczną.

9. Co warto zapamiętać?

• Mediacja dotyczy mechanizmu: X wiąże się z Y przez M.
• Moderacja dotyczy warunku: związek X–Y zależy od W.
• Hipoteza mediacyjna powinna wskazywać efekt pośredni, najczęściej oznaczany jako ab.
• Hipoteza moderacyjna dotyczy interakcji X × W, a nie samego związku moderatora z wynikiem.
• Moderowana mediacja oznacza, że efekt pośredni różni się zależnie od moderatora.
• Istotność statystyczna nie zastępuje oceny wielkości efektu, precyzji oszacowania i znaczenia praktycznego.
• Język przyczynowy wymaga projektu i założeń pozwalających na wnioskowanie przyczynowe.

Poprawnie zapisane hipotezy mediacyjne i moderacyjne porządkują nie tylko analizę statystyczną, lecz także cały projekt badania. W ramach publicznego szkolenia na statystyk.edu.pl warto traktować je jako kolejny etap przejścia od pytania badawczego, przez model teoretyczny, do jasno określonego parametru, który ma zostać oszacowany i zinterpretowany.

\n

Źródła i dalsza lektura

\n

1. Baron, Reuben M.; Kenny, David A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. DOI: 10.1037/0022-3514.51.6.1173.
2. Preacher, Kristopher J.; Hayes, Andrew F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36, 717–731. DOI: 10.3758/BF03206553.
3. Muller, Dominique; Judd, Charles M.; Yzerbyt, Vincent Y. (2005). When moderation is mediated and mediation is moderated. Journal of Personality and Social Psychology, 89(6), 852–863. DOI: 10.1037/0022-3514.89.6.852.
4. Preacher, Kristopher J.; Curran, Patrick J.; Bauer, Daniel J. (2006). Computational tools for probing interactions in multiple linear regression, multilevel modeling, and latent curve analysis. Journal of Educational and Behavioral Statistics, 31(4), 437–448. DOI: 10.3102/10769986031004437.
5. Preacher, Kristopher J.; Rucker, Derek D.; Hayes, Andrew F. (2007). Addressing moderated mediation hypotheses: Theory, methods, and prescriptions. Multivariate Behavioral Research, 42(1), 185–227. DOI: 10.1080/00273170701341316.
6. Hayes, Andrew F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. 3rd edition. The Guilford Press. Informacja wydawcy / źródło.

\n