Conceptueel model: Wat is een mediërende (interveniërende) relatie?

Als je in je scriptie een conceptueel creëert met een oorzaak-gevolgrelatie (directe relatie) kan het voorkomen dan je deze oorzaak-gevolgrelatie wil testen of de onafhankelijke variabele wel een directe relatie heeft met de afhankelijke variabele. Stel dat we ons voorbeeld van de snelheid van de auto iets aanpassen. In plaats van een handmatige versnelling hebben we nu een auto met een automatische versnelling. Een automatisch versnelling kan ook in neutraal staan. Voor dit voorbeeld gaan we er dan even van uit dat de motor is losgekoppeld van de wielaandrijving. Hierdoor kunnen we beargumenteren dat een verandering van het gaspedaal geen direct effect heeft op de snelheid van de auto. Maar dat het een verandering van het gaspedaal via de versnelling een invloed heeft op de snelheid van de auto. Ter illustratie van deze mediërende (interveniërende) relatie zie je hieronder een voorbeeld conceptueel model afgebeeld.

Algemene analytische overwegingen van een mediatie model

Baron and Kenny (1986, p. 1176) hebben de algemene analytische overwegingen van een mediatie model als volgt beschreven. Hierbij gaan we er van uit dan een verandering in de onafhankelijke variabele een invloed heeft op de mediator variabele (a-pad). Daarnaast gaan we er van uit dan een verandering in de mediator variabele een verandering in de afhankelijke variabele veroorzaakt (b-pad). Op het moment dat we controleren voor het significante gecombineerde indirecte effect (pad-a + pad-b) zou het significante totale effect van pad -c niet meer significant moeten zijn (c’-pad). Als het c’-pad een coëfficiënt oplevert met de waarde 0, dan is dat sterk bewijs voor een enkele mediator. Als het c’-pad een coëfficiënt oplevert met een waarde anders dan 0, dan suggereert dit dat er nog andere mediatoren zijn. Ter illustratie van deze indirecte relatie zie je hieronder een voorbeeld conceptueel model afgebeeld.

De Baron and Kenny (1986) “causal steps” methode

De Baron and Kenny (1986) “causal steps”, ook wel “causal chain” genoemd, schrijft voor dat de mediatie in stappen moet gebeuren. In de eerste stap moet het directe effect van de onafhankelijke op de afhankelijke variabele significant zijn (c-pad). Vervolgens in de tweede stap moet de onafhankelijke variabele een significant effect hebben op de mediator variabele (a-pad). In de derde stap wordt gekeken of de mediator een significant effect heeft op de afhankelijke variabele (b-pad). Daarna wordt in vierde stap gekeken of de mediator (intervening variable) een significant effect heeft op de afhankelijke variabele wanneer er gecontroleerd wordt voor de onafhankelijke variabele (b + c’-pad). In deze laatste stap zou het directe effect van de onafhankelijke op de afhankelijke variabele niet significant moeten zijn. Al deze stappen moeten een significant resultaat opleveren om een mediatie-effect te kunnen aantonen.

Geïnteresseerd in onze andere Tips? >>

Kritiek op de benadering van Baron en Kenny (1986)

Zhao et al. (2010) en Hayes (2009, 2013, 2018) bekritiseren de “causal steps” benadering van Baron and Kenny (1986) omdat er volgens hun fundamentele fouten zitten in de aannames van Baron and Kenny (1986). Een van de kritiekpunten van deze auteurs is dat het directe effect (c-pad) niet significant hoeft te zijn om een mediatie-effect aan te tonen. Het c-pad is namelijk het gecombineerde effect van het indirecte effect (a-pad + b-pad) en het partiële directe effect (c’-pad). Als het indirecte effect (a-pad + b-pad) een tegenoverstelde richting heeft t.o.v. het partiële directe effect (c’-pad) heffen deze twee elkaar op. Daarnaast beargumenteren zij dat de Sobel-test welke wordt aanbevolen door Baron and Kenny (1986) om de significantie van het indirecte effect te meten, een (te) lage power heeft. Daarom bevelen zij aan de standaardfout te meten via een Bootstrap methode, bijvoorbeeld via hun SPSS Process tool (Hayes, 2012; Preacher & Hayes, 2004).

Kritiek op de uitgangpunten van Hayes (2009, 2013, 2018)

Loeys et al. (2015) waarschuwen voor het negeren van de Baron and Kenny (1986) eis dat het directe-effect, het c-pad, significant moet zijn zoals onder andere Hayes (2009, 2013, 2018) doet. Het negeren van deze eis verwijderd de bescherming tegen “spurious effects”. Deze “spurious effects” kunnen leiden tot een onterechte verwerping van de nulhypothese en een verhoging van de type I fout. Het weglaten van de eis dat het c-pad significant moet zijn zorgt ervoor dat het regressiemodel goed doordacht moet zijn en alle relevante confounders moeten zijn meegenomen in de analyse. Daarnaast zorgt het weglaten van de eis van een significant c-pad voor de aanname dat er geen unobserved effects zijn die zowel de afhankelijke als de mediator beïnvloeden. Ter illustratie van deze kritiekpunten zie je hieronder een voorbeeld conceptueel model afgebeeld.

Meer informatie over de kritiek op de aannames van Baron and Kenny (1986)

Als je meer wil weten over deze fundamentele fouten in de aannames van Baron and Kenny (1986) kan je het beste de het artikel van Zhao et al. (2010), Loeys et al. (2015) en de boeken van Hayes (2013, 2018) bestuderen.

Gratis Intakegesprek? >>

Kijk ook eens op onze TIPs pagina als je op zoek bent naar informatie over de uitgangspunten van een regressieanalyse.

Wil je hulp bij het gebruik van deze tool, of scriptiebegeleiding bij je regressieanalyse, stel dan vrijblijvend je vraag via WhatsApp of vul ons Contactformulier in.

WhatsApp Ons! >>     Contact! >>

Ben je benieuwd wat onze scriptiebegeleiding (scriptiehulp) je kost? Neem dan een kijkje op onze tarievenpagina via onderstaande button!

Literatuurlijst:

1. 1. Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173-1182. doi: 10.1037/0022-3514.51.6.1173
   2. Hayes, A. F. (2009). Beyond Baron and Kenny: Statistical Mediation Analysis in the New Millennium. Communication Monographs, 76(4), 408-420. doi: 10.1080/03637750903310360
   3. Hayes, A. F. (2012). PROCESS: A versatile computational tool for observed variable mediation, moderation, and conditional process modeling.
   4. Hayes, A. F. (2013). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. New York, NY: The Guilford Press.
   5. Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis second edition: A regression-based approach (2 ed.). New York: The Guilford Press.
   6. Loeys, T., Moerkerke, B., & Vansteelandt, S. (2015). A cautionary note on the power of the test for the indirect effect in mediation analysis. Frontiers in Psychology, 5(1549). doi: 10.3389/fpsyg.2014.01549
   7. Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36(4), 717-731. doi:10.3758/BF03206553
   8. Sobel, M. E. (1982). Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models. Sociological Methodology, 13, 290-312. doi: 10.2307/270723
   9. Zhao, X., Lynch, J. G., Jr., & Chen, Q. (2010). Reconsidering Baron and Kenny: Myths and Truths about Mediation Analysis. Journal of Consumer Research, 37(2), 197-206. doi: 10.1086/651257