Psikoloji, eğitim, sağlık ve sosyal bilimler gibi alanlarda araştırmacılar, değişkenler arasındaki ilişkileri anlamaya çalışırken bir değişkenin diğerini nasıl etkilediğiyle ilgilenmenin yanı sıra aynı zamanda bu etkide diğer değişkenlerin rolünü de anlamaya çalışırlar. Çünkü çoğu durumda etki, sabit değildir, bağlama duyarlıdır. Farklı değişkenlerle etkileştiğinde farklı sonuçlar oluşturabilir. Bir değişkenin başka bir değişkenin etkisini taşıyan dolaylı yolda üçüncü bir değişkenin düzenleyici rolünü anlamak ilgimizi çekebilir. İşte buna yapısal eşitlik modelinde koşullu etki denir.
Böyle yazınca size biraz karmaşık gelmiş olabilir. Örneklerle açıkladıkça sizin için de daha anlaşılır olacak diye düşünüyorum. Eh o zaman bir yerden başlayalım 🙂
Koşullu aracılık (conditional mediation), bir değişkenin (X) bir sonucu (Y) bir aracı değişken (M) üzerinden nasıl etkilediğini incelerken, bu ilişkinin başka bir değişkene (W) bağlı olarak değişip değişmediğini test eden bir yaklaşımdır. Yani yalnızca “etki var mı?” değil, aynı zamanda “bu etki hangi koşullarda oluşuyor?” sorusuna da yanıt arar. Bazen derslerde de tanımları böylece verince öğrencilerim daha da anlamsız bakabiliyorlar 🙂 Bunu bildiğimden bir örnekle açıklamak istiyorum. Örnek şöyle:
Araştırmamızda iyi oluş (X), prenatal bağlanmayı (Y) duygusal tükenmişlik (M) aracılığıyla etkiliyor. Yani gebe bir kadının kendini iyi hissetmesi, onun duygusal olarak daha az tükenmesini ve bu sayede bebeğiyle daha güçlü bir bağ kurmasını sağlayabilir. Bu, klasik bir aracılık ilişkisidir. eğer bu basit aracılık ilişkisi ile ilgileniyorsanız yanlış sayfadasınız 🙂 Bu linke tıklayarak doğru sayfaya gidebilirsiniz.
Koşullu aracılıkla ilgilenenlerle devam edelim 🙂 Herkes için yukarıda sözünü ettiğimiz durum (yani iyi oluşun, prenatal bağlanmayı duygusal tükenmişlik aracılığıyla etkilemesi) aynı şekilde çalışmaz. Örneğin stres düzeyi farklı olan bireylerde bu ilişkiler farklı çalışabilir. İşte bu ilişkide stresin rolü aracılıkta düzenleyici etkiyi araştırmaya iter bizi. Buna koşullu aracılık ya da aracılıkta koşullu etki de diyebilirsiniz.
Stres, kişinin zihinsel kaynaklarını ve başa çıkma kapasitesini doğrudan etkiler. Bir kadın kendini iyi hissediyor olabilir, ancak çok yüksek stres altındaysa, iyi oluşun duygusal tükenmişliği azaltma gücü zayıflayabilir. Buna karşılık, stres düzeyi düşükse, iyi oluş daha koruyucu bir rol oynayabilir ve anne adayının bebeğine bağlanmasını daha çok destekleyebilir. Bu nedenle stres (W), iyi oluşun duygusal tükenmişlik üzerindeki etkisini değiştiren bir faktördür – yani düzenleyici değişkendir. Araştırmalarda bu tür karmaşık yapıları test edebilmek için Andrew F. Hayes’in geliştirdiği PROCESS Makro Model 7 sıklıkla tercih edilir. Bu model, özellikle hem doğrudan hem de dolaylı etkilerin koşula bağlı olarak incelendiği durumlarda güçlü bir istatistiksel çerçeve sunar. Ben de sizlerle bu çerçeveye ait teknik bilgileri pratik yollarla bir araya getirmeye çalıştım. O halde model gösterimi ile devam edelim.
Bu görsel, koşullu aracılık modelini temsil ediyor. Burada X değişkeni (örneğin iyi oluş), Y değişkenini (örneğin prenatal bağlanma) hem doğrudan hem de M aracılığıyla (örneğin duygusal tükenmişlik) dolaylı olarak etkiler. Ancak W değişkeni (örneğin stres), X’in M üzerindeki etkisini değiştiren bir faktördür; yani bu ilişki stres düzeyine bağlı olarak farklılaşabilir. Şimdi bu modelin istatistiksel gösterimine bakalım.
İstatistiksel gösterimi incelediğimizde, X (örneğin iyi oluş düzeyi), hem doğrudan olarak Y’ye (örneğin prenatal bağlanma) etki eder (c′ katsayısı) hem de dolaylı olarak M (örneğin duygusal tükenmişlik) aracılığıyla Y’yi etkiler. a₁ katsayısı, X’in M üzerindeki temel etkisini temsil ederken, a₂ katsayısı, düzenleyici değişken olan W (örneğin stres düzeyi)’nin M üzerindeki etkisini gösterir. a₃ katsayısı, X ve W’nin etkileşiminin (XW) M üzerindeki etkisini gösterir. Bu katsayı, koşullu aracılığı açıklar. b₁ katsayısı, M’nin Y üzerindeki etkisini temsil eder. Bu modelde test edilen temel hipotez, X’in M aracılığıyla Y üzerindeki dolaylı etkisinin W’nin düzeyine göre değişip değişmediğidir. Yani dolaylı etki [(a₁ + a₃·W) · b₁] şeklinde modellenir. Bu etki farklı W düzeyleri için hesaplanarak (örneğin W = düşük, orta, yüksek), aracılığın anlamlı olup olmadığı ve gücünün değişip değişmediği incelenir.
Koşullu Aracılık Modeli, Mplus ile Nasıl Kontrol Edilir?
Andrew F. Hayes’in geliştirdiği PROCESS Makro Model 7’yi kontrol etmek için aşağıdaki komutu kullanabilirsiniz:
TITLE: this is an example
DATA: FILE IS model7.dat;
VARIABLE: NAMES ARE X1 X2 X3 X4 M1 M2 M3 M4 W1 W2 W3 W4 Y1 Y2 Y3 Y4;
USEVARIABLES = X1 X2 X3 X4 M1 M2 M3 M4
W1 W2 W3 W4
Y1 Y2 Y3 Y4;
ANALYSIS:
TYPE = GENERAL RANDOM;
ESTIMATOR = ML;
ALGORITHM = INTEGRATION;
MODEL:
X BY X1 X2 X3 X4;
M BY M1 M2 M3 M4;
W BY W1* W2 W3 W4;
Y BY Y1 Y2 Y3 Y4;
W@1;
XW | X XWITH W;
Y ON M (b1);
Y ON X (cdash);
M ON X (a1);
M ON W (a2);
M ON XW (a3);
MODEL CONSTRAINT:
NEW(LOW_W MED_W HIGH_W
IND_LOWW IND_MEDW IND_HIW
IMM
TOT_LOWW TOT_MEDW TOT_HIW);
LOW_W = -1;
MED_W = 0;
HIGH_W = 1;
IND_LOWW = a1*b1 + a3*b1*LOW_W;
IND_MEDW = a1*b1 + a3*b1*MED_W;
IND_HIW = a1*b1 + a3*b1*HIGH_W;
IMM = a3*b1;
TOT_LOWW = IND_LOWW + cdash;
TOT_MEDW = IND_MEDW + cdash;
TOT_HIW = IND_HIW + cdash;
PLOT(LOMOD MEDMOD HIMOD);
LOOP(XVAL,-3,3,0.1);
LOMOD = IND_LOWW*XVAL;
MEDMOD = IND_MEDW*XVAL;
HIMOD = IND_HIW*XVAL;
PLOT:
TYPE = plot2;
OUTPUT:
STAND CINT;Eğer komut dosyasını çalıştırdıysanız artık sıra sonuçları inceleme ve yorumlamada. dilerseniz videoyu izleyerek benim oluşturduğum örnekleri de inceleyebilirsiniz. Hepinize kolaylıklar diliyorum. Sevgiler.
Doç. Dr. Fatma Betül KURNAZ