Bir moderasyon analizinde en sık görülen sorun, etkileşim teriminin programa girilmesi değil, araştırma sorusuyla uyumsuz bir PROCESS Macro moderasyon kurulumu yapılmasıdır. Danışmanınız “X’in Y üzerindeki etkisi W’ye göre değişiyor mu?” diye sorduğunda, yalnızca anlamlılık tablosuna bakmak yeterli değildir. Değişkenlerin rolü, kodlaması, modelin varsayımları ve koşullu etkilerin yorumu birlikte doğru kurulmalıdır.
Bu rehber, SPSS üzerinde Hayes PROCESS Macro kullanarak temel moderasyon modelini kurmak, çıktıyı değerlendirmek ve savunulabilir bir bulgu metni hazırlamak isteyen lisansüstü araştırmacılar içindir. Amaç, analizi araştırmacının kendisinin anlayarak yürütmesi ve yönteme ilişkin soruları açıklayabilmesidir.
Moderasyon sorusu gerçekten uygun mu?
Moderasyon, bir bağımsız değişkenin (X) bağımlı değişken (Y) üzerindeki ilişkisinin üçüncü bir değişkenin (W) düzeyine göre değişip değişmediğini inceler. Örneğin, akademik stresin tükenmişlik üzerindeki etkisinin sosyal destek düzeyine göre farklılaşıp farklılaşmadığı bir moderasyon sorusudur. Burada sosyal destek, stres ile tükenmişlik arasındaki ilişkinin gücünü veya yönünü değiştirebilir.
Bu soru, aracılık sorusundan farklıdır. Aracılıkta “X, Y’yi hangi mekanizma üzerinden etkiliyor?” denirken; moderasyonda “X ile Y arasındaki ilişki hangi koşulda değişiyor?” sorusu sorulur. Kavramsal ayrımı analizden önce yapmak gerekir. İstatistiksel olarak model kurulabilse bile, kuramsal gerekçesi olmayan bir moderatör eklemek sonuçların yorumunu zayıflatır.
Temel moderasyon modelinde regresyon denklemi şu mantığa dayanır: Y, X, W ve X×W etkileşim terimi ile açıklanır. Kritik test etkileşim katsayısıdır. X’in veya W’nin tek başına anlamlı olması, moderasyon olduğu anlamına gelmez.
Analizden önce veri yapısını kontrol edin
PROCESS penceresini açmadan önce değişkenlerin ölçüm düzeyini ve veri kalitesini inceleyin. Y değişkeni temel Model 1 için sürekli olmalıdır. X ve W sürekli ya da uygun biçimde kodlanmış kategorik değişken olabilir. İkili bir kategorik moderatörün örneğin 0 = erkek, 1 = kadın biçiminde kodlanması, katsayıların referans gruba göre yorumlanmasını kolaylaştırır.
İki kategoriden fazla grubu olan bir değişken doğrudan tek bir 0-1 değişken gibi ele alınmamalıdır. Bu durumda uygun kukla kodlama veya etki kodlama tercih edilmeli; hangi grubun referans alındığı açıkça belirtilmelidir. Sürekli bir puan görünümünde olsa da gerçekte sıralı kategorilerden oluşan bir değişken için ölçüm düzeyi ayrıca değerlendirilmelidir.
Eksik veri, uç değer ve ters kodlanmış maddeler de kurulumu doğrudan etkiler. Ölçek toplam puanları oluşturulmadan önce ters maddelerin doğru çevrildiği, yüksek puanın neyi temsil ettiği ve eksik değer stratejisinin araştırma planıyla uyumlu olduğu kontrol edilmelidir. PROCESS, analize dahil edilen değişkenlerdeki eksikler nedeniyle bazı katılımcıları analiz dışında bırakabilir. Bu nedenle nihai örneklem sayısını çıktı üzerinden mutlaka doğrulayın.
Regresyon varsayımları da göz ardı edilmemelidir. Doğrusallık, bağımsız gözlemler, artıkların dağılımı, değişen varyans ve etkileyici gözlemler incelenmelidir. Bootstrap güven aralıkları bazı dağılımsal kaygıları azaltabilir; ancak hatalı kodlama, ciddi doğrusal olmama veya etkili uç gözlemler için çözüm değildir.
PROCESS Macro moderasyon kurulumu: Model 1
SPSS’te PROCESS Macro kuruluysa menü yolundan Analyze > Regression > PROCESS seçeneğine ulaşabilirsiniz. Açılan pencerede temel moderasyon için model numarası olarak 1 girilir. Ardından bağımlı değişken Y alanına, bağımsız değişken X alanına ve moderatör W alanına yerleştirilir.
Örneğin tükenmişlik Y, akademik stres X ve sosyal destek W ise Model 1, stresin tükenmişlik üzerindeki etkisinin sosyal destek düzeylerinde değişip değişmediğini test eder. Yaş, gelir veya çalışma saati gibi teorik olarak gerekli kontrol değişkenleri varsa bunlar covariates alanına eklenebilir. Ancak kontrol değişkeni eklemek otomatik olarak analizi daha güçlü yapmaz. Her kontrolün kuramsal ve yöntemsel bir gerekçesi bulunmalıdır; rastgele çok sayıda değişken eklemek serbestlik derecesini azaltabilir ve yorumlamayı zorlaştırabilir.
Merkezleme kararını gerekçelendirin
Sürekli X ve W değişkenlerinde ortalama merkezleme, değişkenlerin ortalamasının çıkarılması işlemidir. Bu işlem, ana etkilerin yorumunu daha anlamlı hale getirebilir: X katsayısı, W ortalama düzeydeyken X’in Y üzerindeki etkisini ifade eder. Ayrıca etkileşim terimini oluşturan değişkenler arasındaki gereksiz örtüşmeyi azaltmaya yardımcı olabilir.
Bununla birlikte merkezleme, etkileşim etkisini “yaratan” bir işlem değildir. Etkileşim katsayısının anlamlılığı ve modelin açıklama gücü merkezlemeden kaynaklanmaz. Kategorik değişkenler merkezlenmez. PROCESS seçeneklerinde merkezleme tercihi yapılırken yalnızca sürekli ve ürün teriminde yer alan değişkenlerin bu işleme dahil edildiğinden emin olun. Hangi yaklaşımın kullanıldığı yöntem bölümünde kısaca açıklanmalıdır.
Güven aralığı ve koşullu etkiler
Bootstrap güven aralığı için sıklıkla 5.000 yeniden örneklem tercih edilir. Özellikle etkileşim katsayısının ve koşullu etkilerin güven aralığını değerlendirmek, sadece p değerine bağlı kalmaktan daha bilgilendiricidir. Rastgelelik için seed değeri girilmesi, aynı veri ve ayarlarla analizin yeniden üretilebilirliğine katkı sağlar.
Sürekli bir moderatör için PROCESS genellikle W’nin düşük, orta ve yüksek düzeylerinde koşullu X etkilerini verir. Bu düzeyler çoğu ayarda ortalama ve ortalamanın bir standart sapma altı-üstü olarak sunulur. Bu değerler kullanışlıdır, fakat her araştırma için tek seçenek değildir. Ölçeğin anlamlı kesme noktaları varsa veya dağılım aşırı çarpıksa, daha uygun değerlerde inceleme gerekebilir.
Johnson-Neyman çıktısı, X’in Y üzerindeki etkisinin W’nin hangi değer aralığında anlamlı olduğunu gösterir. Özellikle sürekli moderatörlerde üç seçili düzeyden daha ayrıntılı bir yorum sağlar. Ancak bu sınırların gözlenen W aralığının dışına taşıp taşmadığını ve pratik olarak anlamlı olup olmadığını kontrol edin.
Çıktıda hangi satır belirleyicidir?
Önce model özetine bakın: R², F testi ve modelin genel anlamlılığı, Y’deki varyansın ne kadarının açıklanabildiğini gösterir. Ardından katsayılar tablosundaki X×W satırına geçin. Bu satırdaki katsayı, güven aralığı ve p değeri moderasyon hipotezinin temel kanıtıdır.
Güven aralığı sıfırı içermiyor ve belirlenen anlamlılık düzeyine göre p değeri uygunsa, X ile Y ilişkisinin W’ye göre değiştiği söylenebilir. Burada “W, X’in etkisini artırdı” gibi bir ifadeyi katsayının işaretini ve basit eğimleri görmeden kullanmayın. Pozitif etkileşim katsayısı, X’in eğiminin W arttıkça daha pozitif hale geldiğini gösterir; ilişkinin gerçek yönü ise koşullu etkiler tablosunda görülür.
Etkileşim anlamlı değilse, ana etkiler anlamlı olsa bile moderasyon desteklenmemiştir. Bu sonuç araştırmanın değersiz olduğu anlamına gelmez. Örneklem büyüklüğü, ölçüm güvenirliği, değişken dağılımı ve kuramsal beklenti birlikte değerlendirilmelidir. Kesitsel verilerde bulunan bir etkileşim, nedensel bir “koruyucu” veya “artırıcı” mekanizma kanıtı olarak sunulmamalıdır.
Bulguyu APA mantığıyla yazın
Bulguyu raporlarken önce modelin neyi test ettiğini, sonra etkileşim sonucunu ve son olarak koşullu etkileri verin. Sayıları tabloya aktarmadan önce değişken adları, örneklem sayısı, katsayı işaretleri ve güven aralıklarını tekrar kontrol edin.
Örnek raporlama mantığı şöyledir: Akademik stres ile sosyal desteğin etkileşimi, tükenmişliği anlamlı biçimde yordadı. B katsayısı, standart hata, t, p ve yüzde 95 güven aralığı belirtilir. Ardından akademik stresin tükenmişlik üzerindeki etkisinin düşük, orta ve yüksek sosyal destek düzeylerinde nasıl değiştiği açıklanır. Anlamlı bir etkileşimde basit eğim grafiği, okuyucunun bulguyu daha hızlı değerlendirmesine yardımcı olur.
Akademik Analiz yaklaşımında bu aşama yalnızca bir tablo kontrolü değildir. Model tercihi, değişken kodlaması, çıktı okuma ve danışman geri bildirimi birlikte gözden geçirilerek araştırmacının kendi analizini açıklayabilmesi hedeflenir.
Analizin en güçlü yanı, en çok seçenek işaretlenen çıktı değildir. Araştırma sorusuna sadık kalan, kodlaması şeffaf olan ve her katsayısı anlamı bilinerek yorumlanan modeldir. Moderasyon sonucunuz ne olursa olsun, bu açıklık tezinizde ve savunmanızda size en sağlam dayanağı sağlar.