Bu yazıda sizlere paralel aracılığın ne olduğundan ve Mplus ile analizin hangi kodları kullanarak gerçekleştirebileceğimizden söz ediyorum.  aracı değişkenin ne olduğunu hatırlayarak başlayalım. Eğer aracı değişkenin ne olduğunu ve temel aracılık analizinin nasıl gerçekleştirilebileceğini açıkladığım yazıyı okumadıysanız bu linke tıklayarak ilgili yazıyı okuyabilir, yazıya eklediğim videoyu izleyebilirsiniz. Başlamadan kısaca hatırlayalım. Aracı değişken (M), bağımsız değişkenin (X) sonuç değişkeni (Y) üzerindeki etkisini taşıyan ve açıklayan kavramsal ya da ölçülebilir bir köprüdür. Aracı değişken X’in değişimine duyarlıdır (yani X değiştikçe M’de değişir; X → M yolu anlamlıdır), Y’yi öngörür (yani yordar, M → Y yolu anlamlıdır) ve X ile Y arasındaki ilişkiyi kısmen ya da tamamen açıklar (dolaylı etki a·b). Yapısal eşitlik modelinde paralel aracılık ise, bir bağımsız (dışsal) değişkenin (X) bir sonuç değişkeni (Y) üzerindeki etkisini aynı anda birden fazla aracı değişken (M₁, M₂ …) yoluyla açıklamaya çalışan bir modeldir. Aracılar birbirine hiyerarşik olarak bağlı değildir; her bir aracı yol X → M → Y dizgesi içinde bağımsız olarak test edilir. Böylece X’in Y üzerindeki toplam etkisi, her bir dolaylı yolun katkısı (aᵢ × bᵢ) ve doğrudan etkisi (c′) ayrı ayrı hesaplanarak yorumlanır. Modelin istatistiksel gösterimi görseldeki gibidir:

Bu modelde faktör yüklerine ait görseller yer almamaktadır. Yalnızca gizil yapı temsilleri sunulmuştur. Ancak analizde ölçüm modeli ile gözlenen değişkenler de modele dahil edilmektedir. Şimdi bu modeli videoda da sözünü ettiğim örnekle açıklayalım. Dört değişkenimiz olduğunu düşünelim. Bunlar; fiziksel aktivite (X), beden imajı (M1), iyi oluş (M2) ve yaşam doyumudur (Y). Bu değişkenlerin her birinin sürekli bir değişken olduğunu düşünerek aşağıdaki kodları kullanıyoruz. Yani her biri dörder maddeyle ölçülmüş birer gizil sürekli değişkendir. Merak ettiğimiz soru ise “fiziksel aktivitenin yaşam doyumu üzerindeki açıklayıcı rolünde beden imajının ve iyi oluşun aracı rolü nasıldır?”.

 

Modelde, fiziksel aktivitenin yaşam doyumu üzerindeki etkisi, iki aracı değişken — beden imajı ve iyi oluş — yoluyla ayrı ayrı test edilmektedir. Modelde doğrudan etki (c′) ile birlikte her bir dolaylı yolun (a₁·b₁ ve a₂·b₂) katkısı da değerlendirilir. Hipotezlerimiz ise şöyledir:

H1 (a₁ yolu): Fiziksel aktivite, bireylerin beden imajını olumlu yönde etkiler.

H2 (b₁ yolu): Daha olumlu beden imajı, yaşam doyumunu artırır.

H3 (a₂ yolu): Fiziksel aktivite, bireylerin genel iyi oluş düzeyini yükseltir.

H4 (b₂ yolu): Daha yüksek iyi oluş düzeyi, yaşam doyumunu artırır.

H5 (Dolaylı etki 1): Fiziksel aktivite, yaşam doyumunu beden imajı aracılığıyla dolaylı olarak etkiler.

H6 (Dolaylı etki 2): Fiziksel aktivite, yaşam doyumunu iyi oluş aracılığıyla dolaylı olarak etkiler.

H7 (Doğrudan etki – c′): Fiziksel aktivite, beden imajı ve iyi oluş dikkate alındığında yaşam doyumunu doğrudan etkilemeye devam eder.

Siz de bu örneklerden yola çıkarak kendi hipotezlerinizi oluşturabilir ve Mplus ile analizi aşağıdaki komutları kullanarak gerçekleştirebilirsiniz. Analiz aşamasına geçmeden önce varsayımları kontrol etmeyi de unutmayın lütfen. İyi bir dergide hakemler ya da tez savunma sınavında jüri üyeleri varsayımları nasıl kontrol ettiğinizi merak edebilir. Sorularınız olursa videonun altına yorum olarak yazabilirsiniz ya da yan taraftaki ücretsiz randevu oluştur seçeneğini kullanarak yüz yüze sorularınızı tartışma fırsatı bulabiliriz.

Mplus ile Aracılık Analizi

Mplus ile aracılık analizini gerçekleştirirken aşağıdaki kodu kullanabiliriz. Bu örnekte tüm değişkenlerin sürekli olduğunu dörder gözlenen değişkenle ölçüldüğünü hatırlatmak isterim. Siz kendi çalışmanızla ilgili kodları yazarken değişken isimleriyle ilgili düzenlemeler yapmalısınız. Gizil yordayıcı değişkenimiz yani X, X1-X4 ile; gizil aracı değişkenlerimiz M1 ve M2: sırasıyla M11-M14 ve M21-M24 ile; gizil sonuç değişkenimiz Y ise Y1-Y4 ile ölçülüyor. Önce ölçüm modelini kontrol ediyoruz, ardından yapısal modeli tanımlıyoruz. Model Constraint bölümünde dolaylı yolların ve toplam etkinin anlamlı olup olmadığını test ediyoruz.

TITLE: this is an example
DATA: FILE IS model_4b.dat;

VARIABLE: NAMES ARE X1 X2 X3 X4
M11 M12 M13 M14 M21 M22 M23 M24
Y1 Y2 Y3 Y4;

USEVARIABLES = X1 X2 X3 X4
M11 M12 M13 M14
M21 M22 M23 M24
Y1 Y2 Y3;

ANALYSIS:
TYPE = GENERAL;
ESTIMATOR = ML;
BOOTSTRAP = 10000;

MODEL:
X BY X1 X2 X3 X4;
M1 BY M11 M12 M13 M14;
M2 BY M21 M22 M23 M24;
Y BY Y1 Y2 Y3;
Y ON M1 (b1);
Y ON M2 (b2);

Y ON X (cdash);

M1 ON X (a1);
M2 ON X (a2);

MODEL CONSTRAINT:
NEW(a1b1 a2b2 TOTALIND TOTAL);
a1b1 = a1*b1;
a2b2 = a2*b2;
TOTALIND = a1*b1 + a2*b2;
TOTAL = a1*b1 + a2*b2 + cdash;

OUTPUT:
STAND CINT(bcbootstrap)TECH4;