Bir araştırmada iki değişkenin ilişkili çıkması, o ilişkinin nasıl çalıştığını tek başına açıklamaz. Örneğin akademik öz yeterliğin tez yazma kaygısını azalttığını bulabilirsiniz; ancak bu etkinin zaman yönetimi üzerinden mi gerçekleştiğini, yoksa danışman desteğinin düzeyine göre mi değiştiğini ayrıca test etmeniz gerekir. Aracılık ve moderasyon farkı, tam olarak bu noktada araştırma sorusunun, hipotezin ve istatistiksel modelin yönünü belirler.
Bu iki kavram özellikle tez, doktora çalışması ve makale araştırmalarında sık karıştırılır. İkisinde de birden fazla değişken vardır; ikisinde de regresyon temelli analizler ve PROCESS Macro kullanılabilir. Buna rağmen cevapladıkları soru aynı değildir. Aracılık bir etkinin hangi mekanizma ile oluştuğunu incelerken, moderasyon bu etkinin hangi koşullarda veya kimler için değiştiğini araştırır.
Aracılık ve moderasyon farkı: Temel soru değişir
Aracılık analizinde araştırmacı, X değişkeninin Y üzerindeki etkisinin neden ortaya çıktığını anlamaya çalışır. Bu modelde araya giren değişken M ile gösterilir. Temel mantık şudur: X, M’yi etkiler; M de Y’yi etkiler. Böylece X’in Y üzerindeki etkisinin bir bölümü M aracılığıyla açıklanır.
Örneğin iş yükünün tükenmişliği artırdığını varsayalım. Araştırma sorunuz, iş yükünün tükenmişliği neden artırdığı olabilir. Bu durumda algılanan stres bir aracı değişken olarak düşünülebilir: İş yükü algılanan stresi yükseltir, yükselen stres de tükenmişliği artırır. Buradaki odak, iş yükünden tükenmişliğe giden sürecin açıklanmasıdır.
Moderasyon analizinde ise temel soru farklıdır: X’in Y üzerindeki etkisi hangi durumda güçlenir, zayıflar veya yön değiştirir? Bu modelde düzenleyici değişken W ile gösterilir. W, X ile Y arasındaki ilişkinin şiddetini ya da yönünü değiştirir.
Aynı örnek üzerinden ilerlersek, sosyal desteğin iş yükü ile tükenmişlik arasındaki ilişkiyi düzenlediğini düşünebilirsiniz. Sosyal desteği yüksek çalışanlarda iş yükünün tükenmişlik üzerindeki etkisi daha düşük olabilir. Sosyal destek burada iş yükünün tükenmişliğe nasıl dönüştüğünü açıklamaz; ilişkinin hangi destek düzeyinde daha güçlü olduğunu gösterir.
Kısa ifadeyle, aracılıkta soru “nasıl veya neden?”, moderasyonda ise “ne zaman, hangi koşulda veya kim için?” şeklindedir. Doğru model seçimi, analiz ekranına geçmeden önce bu ayrımın netleşmesine bağlıdır.
Aracılık modelinde doğrudan ve dolaylı etki
Bir aracılık modelinde X’in Y üzerindeki toplam etkisi incelenir. Ardından bu etkinin ne kadarının aracı değişken üzerinden iletildiği değerlendirilir. X’in M üzerindeki yolu genellikle “a”, M’nin X kontrol edildiğinde Y üzerindeki yolu “b”, X’in M modele alındıktan sonraki Y etkisi ise “c’” yolu olarak ifade edilir.
Dolaylı etki, a ve b yollarının çarpımıdır. Ancak bu çarpımın istatistiksel olarak anlamlı olup olmadığı yalnızca katsayıların işaretine bakılarak değerlendirilmemelidir. Uygulamada bootstrap güven aralığı kullanmak daha uygundur. Dolaylı etkiye ilişkin bootstrap güven aralığı sıfırı içermiyorsa, aracılık etkisi için istatistiksel destek olduğu söylenebilir.
Burada sık görülen bir yanlış, toplam etkinin anlamlı olmasını zorunlu kabul etmektir. Güncel yaklaşımda toplam etkinin anlamlı olmaması, dolaylı etkinin test edilmesine engel değildir. Birden fazla yolun zıt yönlerde çalıştığı veya etkinin büyük ölçüde aracı üzerinden gerçekleştiği durumlarda bu sonuç görülebilir. Yine de bulguyu teorik çerçeveden koparmadan yorumlamak gerekir.
Aracılık analizinde “tam aracılık” ve “kısmi aracılık” ifadeleri de dikkatle kullanılmalıdır. X’in Y üzerindeki doğrudan etkisi aracı modele eklendikten sonra anlamlılığını kaybediyorsa tam aracılık, anlamlı kalmakla birlikte dolaylı etki de varsa kısmi aracılık olarak adlandırılabilir. Fakat bu etiketler, araştırmanın tasarımı ve ölçüm kalitesi değerlendirilmeden kesin nedensel kanıt gibi sunulmamalıdır.
Moderasyonda etkileşim terimi belirleyicidir
Moderasyon analizinin merkezinde etkileşim terimi bulunur. X ve W değişkenleri modele tek tek eklendiğinde ana etkiler test edilir; ardından X × W çarpım terimi eklenir. Bu etkileşim anlamlıysa, X’in Y üzerindeki etkisinin W düzeylerine göre değiştiğine dair kanıt elde edilir.
Örneğin akademik ertelemenin araştırma kaygısını artırdığı bir modelde, öz düzenleme becerisi düzenleyici olabilir. Etkileşim anlamlı çıktığında, ertelemenin kaygı üzerindeki etkisinin düşük, orta ve yüksek öz düzenleme düzeylerinde nasıl değiştiği incelenir. Bunun için koşullu etkiler ve basit eğimler değerlendirilir. Sadece etkileşim katsayısını raporlamak, okuyucunun ilişkinin yönünü anlaması için yeterli değildir.
Sürekli değişkenlerle yürütülen moderasyon analizlerinde ortalama merkezleme yararlı olabilir. Merkezleme, özellikle ana etkilerin yorumunu kolaylaştırır ve bazı veri yapılarında çoklu doğrusal bağlantıya ilişkin yorumları daha anlaşılır hale getirir. Ancak merkezleme, anlamlı olmayan bir etkileşimi anlamlı hale getiren bir yöntem değildir.
Kategorik bir düzenleyici değişken de kullanılabilir. Örneğin cinsiyet, çalışma biçimi veya eğitim düzeyi grupları moderatör olarak ele alınabilir. Bu durumda kodlama biçimi, referans grup ve grup büyüklükleri sonuçların yorumlanmasında kritik hale gelir. Çok küçük gruplarla kurulan etkileşim modelleri, teorik olarak anlamlı görünse bile kararsız tahminler üretebilir.
Hangi durumda hangi modeli seçmelisiniz?
Model tercihini SPSS’teki seçeneklerden değil, araştırmanızın kuramsal mantığından başlatın. Bir değişkenin diğerine etkisinin psikolojik, davranışsal veya örgütsel bir süreç üzerinden ilerlediğini savunuyorsanız aracılık modeli daha uygundur. Bir ilişkinin bağlama, kişisel özelliğe ya da gruplara göre farklılaştığını öngörüyorsanız moderasyon modeli düşünülmelidir.
Örneğin “Algılanan örgütsel destek, iş tatminini artırır; çünkü çalışanların örgüte bağlılığını güçlendirir” hipotezi aracılık mantığı taşır. Buna karşılık “Algılanan örgütsel desteğin iş tatmini üzerindeki etkisi, lider-üye etkileşimi yüksek çalışanlarda daha güçlüdür” ifadesi moderasyon hipotezidir.
İki modeli yalnızca değişken sayısına bakarak ayırmak doğru değildir. Her iki analizde de X, Y ve üçüncü bir değişken bulunabilir. Ayrım, üçüncü değişkenin modeldeki işlevindedir: Aracı değişken, etkinin iletim sürecinin parçasıdır; düzenleyici değişken, ilişkinin sınırlarını veya koşullarını tanımlar.
Aynı araştırmada ikisi birlikte kullanılabilir mi?
Evet. Araştırma sorunuz yeterince güçlü bir teorik zemine sahipse, aracılık ve moderasyon aynı modelde bir araya getirilebilir. Düzenlenmiş aracılık modelinde dolaylı etkinin belirli bir bölümü moderatöre göre değişir. Örneğin iş yükünün stres aracılığıyla tükenmişliğe etkisi, sosyal destek düzeyine bağlı olarak farklılaşabilir.
Bu modeller, tek aracılık veya tek moderasyon modelinden daha karmaşıktır. Bu nedenle analizden önce değişkenlerin ölçüm düzeyleri, örneklem büyüklüğü, eksik veri yapısı, aykırı değerler ve regresyon varsayımları kontrol edilmelidir. Kesitsel verilerle elde edilen sonuçlarda da nedensel dil dikkatli kullanılmalıdır. İstatistiksel model bir mekanizma önerebilir; zaman sıralaması ve araştırma tasarımı bu yorumun gücünü belirler.
PROCESS Macro, bu tür modellerin kurulmasını ve bootstrap güven aralıklarının üretilmesini kolaylaştırabilir. Fakat model numarasını seçmek, araştırma sorusunu kurmak değildir. Özellikle danışman geri bildirimine yanıt verirken, neden bu değişkenin aracı ya da düzenleyici olarak ele alındığını açık biçimde gerekçelendirebilmeniz gerekir.
Bulgular nasıl raporlanmalı?
Aracılık raporunda her yolun katsayısı, standart hatası, güven aralığı ve dolaylı etkiye ait bootstrap sonuçları yer almalıdır. Moderasyon raporunda ise etkileşim katsayısına ek olarak düşük, orta ve yüksek moderatör düzeylerindeki koşullu etkiler açıklanmalıdır. APA biçiminde raporlama yalnızca p değerini vermek değildir; okuyucunun modelin ne söylediğini izleyebilmesini sağlamaktır.
Yorum kısmında istatistiksel anlamlılığı pratik ve kuramsal anlamla birlikte ele alın. Çok büyük örneklemlerde küçük etkiler anlamlı olabilir; küçük örneklemlerde ise kuramsal olarak değerli bir ilişki belirsiz kalabilir. Bu nedenle etki büyüklükleri, güven aralıkları ve ölçümlerin niteliği birlikte değerlendirilmelidir.
Araştırmanızdaki üçüncü değişkenin rolünü netleştirmek, çoğu zaman analiz sürecindeki en kritik adımdır. Modeli çalıştırmadan önce şu cümleyi kurabilmelisiniz: “Bu değişken etkinin nedenini mi açıklıyor, yoksa etkinin hangi koşulda değiştiğini mi gösteriyor?” Bu cümleye vereceğiniz açık yanıt, hem doğru analize hem de savunabileceğiniz bir bulgu anlatısına yön verir.