Araştırmalarda sıkça karşılaştığımız durumlardan biri, bir değişkenin (örneğin stres), başka bir değişken üzerindeki (örneğin iş performansı) etkisini başka bir aracı değişken üzerinden (örneğin kaygı düzeyi) gerçekleştirmesidir. Bu tür yapılar aracılık modelleri (mediation models) olarak adlandırılır. Bu yazıda, Mplus programı kullanılarak gizil değişkenlerle (yani doğrudan gözlemlenemeyen ama anket gibi araçlarla dolaylı olarak ölçülen yapılarla) kurulmuş bir temel aracılık modelini açıklamaya çalışacağım. Öncelikle aracılık etkisinin ne olduğunu ve gizil değişken kavramını açıklamanın yerinde olacağını düşünüyorum. Ardından bu süreçte nelere dikkat etmemiz gerektiğinden söz edeceğim. Sonra teknik kısımlara yani modele ve analize geçeceğim.
Aracılık Etkisi Nedir? (Mediation)
Araştırmalarda bazen bir değişkenin diğer bir değişken üzerindeki etkisi, doğrudan değil de başka bir değişken üzerinden dolaylı olarak gerçekleşebilir. İşte bu duruma aracılık etkisi denir. Diyelim ki bir araştırmada şunu bulmak istiyorsunuz. “Öğretmenlerin stres düzeyi, ders anlatma kalitelerini etkiliyor mu?” Bu doğrudan bir etkiyi araştırır. Ama sonra fark ediyorsunuz ki, stresli öğretmenler genellikle daha kaygılı oluyor ve bu kaygı, onların derste daha az etkili olmalarına neden oluyor. Yani şöyle bir model kurmuş oluruz:
Stres → Kaygı → Ders Anlatma Kalitesi
Bu durumda, kaygı araya giriyor ve stresin etkisini taşıyan bir “aracı” değişken oluyor. Stresin, ders anlatma kalitesine olan etkisinin bir kısmı bu aracı değişken (kaygı) üzerinden geçiyor. İşte bu tür dolaylı etkiye aracılık etkisi (mediation effect) diyoruz. Aracılık etkisi bize bir etkinin neden ortaya çıktığını ve hangi süreçlerin bu ilişkiyi açıkladığını gösterir. Bu özellikle sosyal bilimlerde çok değerlidir. Çünkü bu, “neden oluyor?” sorusunu da yanıtlamamıza yardımcı olur.
Burada açıklamam gereken önemli konulardan biri de aracı değişken modele eklendiğinde yordayıcı ve yordanan arasındaki ilişkiye ne olduğudur :))
Yordayıcı ve yordanan arasında doğrusal bir ilişki vardır zaten. Yani stres düzeyi öğretmenlerin ders anlatma veya iş performansı daha düşük olacaktır.
Stres (yordayıcı) → İş performansı (yordanan)
Burada doğrudan bir ilişki vardır dedik. Stres arttıkça iş performansı düşüyor olabilir. Bu doğrudan etkiyi modellediğinizde, stresin performansa olan etkisi güçlü ve anlamlı çıkabilir. Kaygı bu iki değişken arasında önemli bir rol oynuyorsa, stresin iş performansına olan etkisi iki kanaldan geliyordur.
Doğrudan Etki: Stresin doğrudan iş performansına etkisi
Dolaylı Etki (Aracılık): Stresin önce kaygıyı artırması, kaygının da performansı düşürmesi
Aracı değişkeni (kaygı) modele eklediğinizde stres ile iş performansı arasındaki doğrudan ilişki zayıflayabilir çünkü bu ilişkinin bir kısmı artık kaygı üzerinden açıklanıyordur. Bazen bu doğrudan ilişki tamamen ortadan kalkar. Bu durumda tüm etki dolaylıdır ve buna tam aracılık (full mediation) denir.
Gizil Değişken Nedir?
Gizil değişken, doğrudan gözlemlenemeyen ama belirli yollarla ölçülebilen yapılardır. Örneğin stres bir gizil değişkendir ve “Kendimi gergin hissediyorum”, “Gece uykularım kaçıyor” gibi maddelerle ölçülebilir. Bu maddeler gerçekte stresin göstergeleri olarak düşünülür. Yani göstergelerden yararlanarak gizil değişkenlerle ilgili tahminlerde bulunuruz. Kaygı da bir gizil değişkendir, ama “Kalp atışlarım hızlanıyor”, “Kendimi huzursuz hissediyorum” gibi maddeler kullanılarak ölçülebilir. Bu maddelere verilen yanıtlar gözlenen değişken olarak adlandırılır. Yani gizil yapıyı ölçen göstergelerdir. İşte biz bu göstergeleri yani maddeleri de analize dahil ederiz ve yapısal eşitlik modelleri kurarız.
Aracılık Analizine Başlamadan Önce Nelere Dikkat Etmeliyiz?
Aracılık analizi güçlü bir araştırma aracıdır. Ancak bu analizi yapmadan önce bazı ön koşulları ve temel noktaları göz önünde bulundurmak gerekir.
Kuramsal Dayanaklar ve Argümanlar Önemli
Analizden önce “X, M üzerinden Y’yi etkiler” şeklinde kurduğunuz modeli mutlaka kuramsal veya önceki araştırmalara dayandırmalısınız. Aracılık modeli sadece istatistiksel değil, aynı zamanda anlamsal bir yapıdır.
Değişkenlerin Yapısı ve Ölçüm Biçimi Önemli
Yordayıcı (X), aracı (M) ve yordanan (Y) değişkenler sürekli (interval veya ratio ölçek) olmalıdır. Eğer gizil değişkenlerle çalışıyorsanız, her biri en az 3-4 gözlenen değişkenle ölçülmeli. Gözlenen değişkenleriniz “evet/hayır” gibi ikili olmamalı, ağırlıklı ve eşit aralıklı puanlanmış olmalı (örneğin 1–5 arası Likert ölçeği gibi).
Örneklem Büyüklüğü Yeterli Olmalı
Aracılık analizleri özellikle gizil değişkenler kullanıldığında yüksek örneklem büyüklüğü gerektirir. Küçük örneklemler hem modelin gücünü azaltır hem de modelin güvenilirliğini tehlikeye atar. Genellikle en az 200 katılımcı önerilir ama yapı/model karmaşıksa daha fazlası gerekebilir.
Dağılımlar Normal Olmalı
Çok değişkenli analizlerde varsayımların karşılanması önemlidir. Gözlenen değişkenlerin yaklaşık normal dağılması tercih edilir. Uç değerler, eksik veriler, çarpıklık gibi sorunlar modelin güvenilirliğini azaltabilir. Analiz öncesi ön analiz (descriptive statistics, outlier kontrolü, normallik testleri) yapılmalıdır.
Doğrudan Etki Öncelikle Anlamlı Olmalı mı?
Klasik görüşe göre, X ile Y arasında anlamlı bir ilişki varsa aracılık test edilmelidir. Ancak yeni yaklaşımlar (örneğin Hayes’in modelleri) bu şartı zorunlu kılmaz. Çünkü anlamlı bir dolaylı etki, doğrudan etki olmasa da ortaya çıkabilir. Yani doğrudan etki zayıf olsa da model test edilebilir ama sonuç dikkatle yorumlanmalıdır.
Uygun Yazılım ve Analiz Yöntemi Seçimi
SPSS, PROCESS makrosu gibi araçlar basit modeller için idealdir. Ancak gizil değişkenler içeren karmaşık yapılar için Mplus, AMOS, lavaan (R) gibi programlar daha uygundur. Özellikle paralel veya çoklu aracılık, hiyerarşik yapılar veya karma modellerde yazılım seçimi çok önemlidir. Hayes’in Process Macro Serisindeki 4b Modelini kullanarak paralel aracılık modelini test edeceğiz. Videosunu da çektikten sonra bu yazıya ekleyeceğim.
Model 4a: Aracılık Modeli Nedir?
Bu modelde işler biraz sade 🙂 Sadece bir tane gizil aracılık değişkeni (yani M) var. Diyelim ki duyuşsal bağlılık (X), öğrencinin akademik çabasını (Y) etkiliyor ama biz şunu merak ediyoruz:
“Acaba bu etki, öğrencinin bilişsel olarak öğrenmeye katılması (M) üzerinden mi oluyor?”
Yani şu sorunun cevabını arıyoruz:
“Duyuşsal bağlılık, çabayı doğrudan mı etkiliyor, yoksa bilişsel bağlılık üzerinden mi?”
Kurulan yapı şöyle:
Duyuşsal Bağlılık (X) → Bilişsel Bağlılık (M) → Akademik Çaba (Y)
Bu modele basit aracılık modeli ya da tek aracılı model denir. X, hem doğrudan Y’yi etkileyebilir, hem de M üzerinden dolaylı bir yol izleyebilir. Bu modeli test etmek için aşağıdaki kodları Mplus .inp dosyası oluşturarak kullanabiliriz.
TITLE: this is an example
DATA: FILE IS model4a.dat;
VARIABLE: NAMES ARE X1 X2 X3 X4 M1 M2 M3 M4 Y1 Y2 Y3 Y4;
USEVARIABLES = X1 X2 X3 X4 M1 M2 M3 M4 Y1 Y2 Y3 Y4;
ANALYSIS:
TYPE = GENERAL;
ESTIMATOR = ML;
BOOTSTRAP = 10000;
MODEL:
X BY X1 X2 X3 X4;
M BY M1 M2 M3 M4;
Y BY Y1 Y2 Y3 Y4;
Y ON M (b1);
Y ON X (cdash);
M ON X (a1);
MODEL CONSTRAINT:
NEW(a1b1 TOTAL);
a1b1 = a1*b1;
TOTAL = a1*b1 + cdash;
OUTPUT:
STAND CINT(bcbootstrap);Model 4b: Paralel Aracılık Modeli Nedir?
Bu modelde bir tane gizil yordayıcı vardır. Bu yordayıcının stres olduğunu varsayalım. İki tane gizil aracı değişken vardır. bunlar da Kaygı ve Tükenmişlik olsun. Bir tane de gizil sonuç değişkeni vardır. Bu daa iş performansı olsun. :)) En önemli kısmının bu modeli kurmak olduğunu söylemeliyim. Araştırmacılar genellikle analizi yapmaktan korkar bence modeli kurmak daha zahmetli ve daahaa önemli 🙂
Bu model şu soruya yanıt arayacak sevgili arkadaşlarım:
“Stres, iş performansını doğrudan mı etkiliyor, yoksa bu etki kaygı ve tükenmişlik üzerinden mi gerçekleşiyor?”
Yani şöyle bir yapı kuruyoruz:
Stres → Kaygı → İş Performansı
Stres → Tükenmişlik → İş Performansı
Bu iki yol paralel olduğu için modelin adı “Paralel Aracılık Modeli”dir. Paralel aracılık modelini test ederken aşağıdaki sembolleri kullanarak kontroller gerçekleştireceğiz. Modelde yer alan her bir gizil değişken (örneğin stres) genellikle 4 adet gözlenen değişkenle ölçülür. Yani:
Stres → X1, X2, X3, X4
Kaygı → M11, M12, M13, M14
Tükenmişlik → M21, M22, M23, M24
İş Performansı → Y1, Y2, Y3, Y4
Şimdi şöyle düşünelim. Diyelim ki bir okulda öğretmenlerin stres düzeyini ölçtük. Aynı zamanda bu öğretmenlerin ne kadar kaygılı olduklarını, ne kadar tükenmiş hissettiklerini ve öğrencilerine ne kadar etkili öğretim yaptıklarını ölçtük. Modelimiz şu olabilir:
“Öğretmenin stres düzeyi arttığında bu, onun ders anlatma kalitesini azaltıyor mu? Ve bu azalma, acaba kaygı ve tükenmişlik nedeniyle mi oluyor?”
İşte bu sorunun yanıtını bu modelle test edebiliriz.
Mplus ile Bu Modeli Nasıl Test Edeceğiz?
Mplus programı bu tür analizleri yapısal eşitlik modellemesi (YEM) çerçevesinde yapar. Her bir gizil değişkenin altına gözlenen değişkenleri tanımlayacağız, ardından bu yapılar arasındaki yolları çizeceğiz.
Kodda şöyle şeyler olur:
-
X BY X1 X2 X3 X4;→ Bu, stresi bu dört maddeyle ölçüyorum demek 🙂 -
Y ON M1 M2;→ Bu da iş performansı, kaygı ve tükenmişlik tarafından açıklanıyor demek 🙂 -
M1 ON X;→ Bu ise stres arttıkça kaygı da artıyor mu demek 🙂 -
M2 ON X;→ Bu da stres arttıkça tükenmişlik artıyor mu demek
Sonuç olarak stresin dolaylı etkisi (indirect effect) ölçülür. Eğer hem kaygı hem de tükenmişlik aracılığıyla stresin etkisi güçlü çıkarsa, o zaman stresin dolaylı etkisi anlamlıdır diyebiliriz.