Hispanopedia WikiLa mediación moderada , también conocida como efectos indirectos condicionales , [ 1 ] ocurre cuando el efecto del tratamiento de una variable independiente A sobre una variable de resultado C a través de una variable mediadora B difiere según los niveles de una variable moderadora D. Específicamente, el efecto de A sobre B, y/o el efecto de B sobre C, depende del nivel de D. En estadística, la moderación y la mediación pueden coexistir en el mismo modelo. [ 2 ]
Modelo de Langfred (2004)
Langfred (2004) fue el primero en proporcionar un tratamiento integral de la cuestión de cómo conceptualizar la mediación moderada, clasificar los diferentes tipos de modelos de mediación moderada y desarrollar la lógica y la metodología para el análisis estadístico de dichos modelos utilizando regresión múltiple. [ 3 ]
Debido a que no existía un procedimiento establecido para analizar modelos con mediación moderada, Langfred (2004) describe primero los diferentes tipos de modelos de mediación moderada que podrían existir, señalando que hay dos formas principales de mediación moderada. Tipo 1, en el que el moderador opera sobre la relación entre la variable independiente y el mediador, y Tipo 2, en el que el moderador opera sobre la relación entre el mediador y la variable dependiente. Langfred revisa las perspectivas existentes sobre la mediación moderada (James y Brett, 1984), [ 4 ] y señala que ya existe un enfoque estadístico aceptado para la mediación moderada de Tipo 1, como lo demuestran Korsgaard, Brodt y Whitener (2002). [ 5 ] Sin embargo, la moderación de Tipo 2 es más difícil estadísticamente, por lo que Langfred revisa tres enfoques posibles diferentes para el análisis y, finalmente, recomienda uno de ellos como la técnica correcta.
El trabajo de Langfred (2004) suele pasarse por alto porque el artículo académico en sí no trata sobre metodología estadística. Más bien, debido a que el modelo presentado implicaba mediación moderada, se incluyó un extenso apéndice donde se desarrollaron las definiciones y los procedimientos para el análisis de regresión.
Muller, Judd y Yzerbyt (2005)
Muller, Judd y Yzerbyt (2005) proporcionaron mayor claridad y definición de mediación moderada. [ 2 ] Las siguientes ecuaciones de regresión son fundamentales para su modelo de mediación moderada, donde A = variable independiente, C = variable de resultado, B = variable mediadora y D = variable moderadora.
- C = β 40 + β 41 A + β 42 D + β 43 AD + ε 4
Esta ecuación evalúa la moderación del efecto general del tratamiento A sobre C.
- B = β 50 + β 51 A + β 52 D + β 53 AD + ε 5
Esta ecuación evalúa la moderación del efecto del tratamiento A sobre el mediador B.
- C = β 60 + β 61 A + β 62 D + β 63 AD + β 64 B + β 65 BD + ε 6
Esta ecuación evalúa la moderación del efecto del mediador B sobre C, así como la moderación del efecto residual del tratamiento A sobre C.
Esta igualdad fundamental existe entre estas ecuaciones:
- β 43 – β 63 = β 64 β 53 + β 65 β 51
Para que exista una mediación moderada, debe haber un efecto general del tratamiento A sobre la variable de resultado C ( β41 ), que no dependa del moderador (β43 = 0 ) . Además, el efecto del tratamiento A sobre el mediador B depende del moderador ( β53 ≠ 0) y/o el efecto del mediador B sobre la variable de resultado C depende del moderador ( β65 ≠ 0).
Al menos uno de los productos del lado derecho de la ecuación anterior no debe ser igual a 0 (es decir, β 53 ≠ 0 y β 64 ≠ 0, o β 65 ≠ 0 y β 51 ≠ 0). Además, dado que no existe una moderación global del efecto del tratamiento A sobre la variable de resultado C ( β 43 = 0), esto significa que β 63 no puede ser igual a 0. En otras palabras, el efecto directo residual de A sobre la variable de resultado C, controlando el mediador, está moderado.
Adiciones de Preacher, Rucker y Hayes (2007)
Además de las tres formas propuestas por Muller y sus colegas en las que puede ocurrir la mediación moderada, Preacher, Rucker y Hayes (2007) propusieron que la variable independiente A en sí misma puede moderar el efecto del mediador B sobre la variable de resultado C. También propusieron que una variable moderadora D podría moderar el efecto de A sobre B, mientras que un moderador diferente E modera el efecto de B sobre C. [ 1 ]
Diferencias entre mediación moderada y moderación mediada
La mediación moderada se basa en los mismos modelos subyacentes (especificados anteriormente) que la moderación mediada . La principal diferencia entre ambos procesos radica en si existe una moderación general del efecto del tratamiento A sobre la variable de resultado C. Si la hay, entonces existe moderación mediada. Si no existe una moderación general de A sobre C, entonces existe mediación moderada. [ 2 ]
Pruebas de mediación moderada
Para evaluar la mediación moderada, algunos recomiendan examinar una serie de modelos, a veces denominados enfoque fragmentario, y observar el patrón general de los resultados. [ 2 ] Este enfoque es similar al método de Baron y Kenny para evaluar la mediación mediante el análisis de una serie de tres regresiones. [ 6 ] Estos investigadores afirman que una única prueba global sería insuficiente para analizar los complejos procesos que intervienen en la mediación moderada y no permitiría diferenciar entre mediación moderada y moderación mediada.
También se ha sugerido el método de remuestreo (bootstrapping) para estimar las distribuciones muestrales de un modelo de mediación moderada con el fin de generar intervalos de confianza. [ 1 ] Este método tiene la ventaja de no requerir que se hagan suposiciones sobre la forma de la distribución muestral .
Preacher, Rucker y Hayes también analizan una extensión del análisis de pendientes simples para la mediación moderada. Según este enfoque, se debe elegir un número limitado de valores condicionales clave del moderador que se examinarán. Además, se puede utilizar la técnica de Johnson-Neyman para determinar el rango de efectos indirectos condicionales significativos. [ 1 ]
Preacher, Rucker y Hayes (2007) crearon una macro de SPSS que proporciona estimaciones de bootstrapping, así como resultados de Johnson-Neyman. Su macro quedó obsoleta con el lanzamiento de PROCESS para SPSS y SAS, descrito en Introduction to Mediation, Moderation, and Conditional Process Analysis (Hayes, 2013) [ 7 ].
Véase también
Referencias
- 1 2 3 4 Preacher, KJ, Rucker, DD y Hayes, AF (2007) Abordando las hipótesis de mediación moderada: teoría, métodos y prescripciones. Multivariate Behavioral Research, 42, 185–227.
- 1 2 3 4 Muller, D., Judd, CM, & Yzerbyt, VY (2005). Cuando la moderación es mediada y la mediación es moderada. Journal of Personality and Social Psychology, 89 , 852–863.
- ↑ Langfred, CW 2004. ¿Demasiado de algo bueno? Los efectos negativos de la alta confianza y autonomía en equipos autogestionados. Academy of Management Journal, 47: 385–399.
- ↑ James, LR, & Brett, JM 1984. Mediadores, moderadores y pruebas de mediación. Journal of Applied Psychology, 69: 307–321.
- ↑ Korsgaard, MA, Brodt, SE y Whitener, EM 2002. Confianza frente al conflicto: El papel del comportamiento confiable de los gerentes y el contexto organizacional. Journal of Applied Psychology, 87: 312–319.
- ↑ Baron, RM, & Kenny, DA (1986). La distinción entre variables moderadoras y mediadoras en la investigación en psicología social: consideraciones conceptuales, estratégicas y estadísticas. Journal of Personality and Social Psychology, 51, 1173–1182.
- ↑ Hayes. AF 2013. Introducción al análisis de mediación, moderación y procesos condicionales: un enfoque basado en la regresión. Nueva York: The Guilford Press.
Enlaces externos
- Macro PROCESS para SPSS y SAS
- Modelos estadísticos
- Análisis de regresión