¿Qué pasa si isn c camino ' t significativo, pero el camino a y b son? Efecto indirecto en la mediación

Question

En un clásico modelo de mediación, tenemos , en el que el primer paso de la prueba de la mediación efecto de M entre X y y es que la X se correlacionó significativamente con Y (como se muestra en el panel a de la figura).

Sin embargo, me encontré en una situación en la que un Camino y Ruta b son fuertemente significativa, pero no C Ruta. En comparación con la Ruta c, Ruta c' no es significativo, pero el coeficiente se reduce.

En este caso, es útil para hablar de la relación entre X, Y, y M?? Si es así, ¿cuál es la mejor manera de abordar esta relación en un papel? Podemos aducir que X tiene un efecto indirecto, pero no un efecto directo sobre Y??

Estoy probando el mismo camino con el modelo de tres muestras, n1 = 124, n2 = 49, n3 = 166.

Answer 1

Su enfoque de la prueba de la mediación parece ajustarse a la causal "pasos" que se describe en los métodos clásicos de papel por Baron Y Kenny (1986). Este enfoque de la mediación conlleva los siguientes pasos:

1. Prueba si X y Y están significativamente asociadas ( c camino); si no lo son, detener el análisis; si son...
2. Prueba si X y M son significativamente asociados ( un camino); si no lo son, detener el análisis; si son...
3. Prueba si M y S se asoció significativamente después de controlar por X ( b ruta); si no lo son, detener el análisis; si son...
4. Comparar el directo de los efectos de X (el c' ruta--predecir Y a partir de X después de controlar por M) para el efecto total de X (la c ruta de acceso desde el Paso 1). Si c' está más cerca de cero que c, y no significativo, la investigación concluye que M completamente media la asociación entre X y Y. Pero si c' es aún significativo, el investigador concluye que M es sólo un "parcial" mediador de las X's influencia en Y.

Hago hincapié en la diferencia entre directos (c') y el total de efectos (c) porque a pesar de que escribió...

Podemos aducir que X tiene un efecto indirecto, pero no un efecto directo sobre Y??

Creo que lo que realmente preocupa es que la legitimidad de la reivindicación de que X tiene una indirecta, pero no una total efecto en Y.

La Respuesta Corta

Sí, es legítimo concluir que M media la asociación entre X y Y , incluso si el efecto total (c) no es significativo. La causal pasos de enfoque, a pesar de que históricamente popular, ha sido ampliamente reemplazado por métodos de prueba para la mediación, que son estadísticamente más potente, hacer menos supuestos de los datos, y son más lógicamente coherente. Hayes (2013) tiene un maravilloso accesible y exhaustiva explicación de las muchas limitaciones de la causal pasos en su libro.

Echa un vistazo a otros más riguroso enfoques, incluyendo el bootstrapping (MacKinnon et al., 2004) y Monte Carlo (Predicador Y Selig, 2012) métodos. Ambos métodos de estimación de un intervalo de confianza del efecto indirecto ( ab ruta)--¿cómo lo hacen difiere entre los métodos--y, a continuación, examina el intervalo de confianza para ver si 0 es un valor plausible. Ambos son bastante fáciles de implementar en su propia investigación, independientemente de que el análisis estadístico del software que utilice.

La Respuesta Larga

Sí, es legítimo concluir que M media la asociación entre X y Y , incluso si el efecto total (c) no es significativo. De hecho, hay un gran consenso entre los estadísticos que el efecto total (c) no debe ser usado como un 'guardián' para las pruebas de mediación (por ejemplo, Hayes, 2009; Shrout Y Bolger, 2002) para un par de razones:

1. La causal pasos intentos para evaluar estadísticamente la presencia de la mediación sin realmente a evaluar directamente el efecto indirecto (el ab camino, o c-c' si prefiere). Esto parece ilógico, especialmente teniendo en cuenta que hay varias maneras fáciles de estimar/prueba el efecto indirecto directamente.
2. La causal pasos de enfoque depende de múltiples pruebas de significación. A veces las pruebas de significación funcionan como deberían, pero que pueden verse perjudicados cuando los supuestos de inferencia pruebas no se cumplen, y/o cuando inferencial pruebas son de poca potencia (creo que esto es lo que Juan quería hacer en su comentario sobre tu pregunta). Por tanto, la mediación podría ser realmente está sucediendo en un determinado modelo, pero el efecto total (c) podría ser no significativo, simplemente porque el tamaño de la muestra es pequeño, o hipótesis para la prueba de el efecto total no se han cumplido. Y debido a que la causal pasos enfoque es contingente sobre el resultado de las otras dos pruebas de significación, esto hace que la causal pasos se acerca uno de los menos poderosos pruebas de mediación (Predicador Y Selig, 2008).
3. El efecto total (c) se entiende como la suma del efecto directo (c') y todos los efectos indirectos (ab(1) , ab(2)...). Pretender que la influencia de X en Y es totalmente mediada (es decir, c' es 0) por dos variables, M1 y M2. Pero pretender que el efecto indirecto de X en Y a través de M1 es positivo, mientras que el efecto indirecto a través de la M2 es negativo, y los dos efectos indirectos son comparables en magnitud. Sumando estos dos efectos indirectos a dar un efecto total (c) de cero, y sin embargo, si usted adoptó la causal pasos de enfoque, no sólo se pierda uno "real" de la mediación, sino dos.

Las alternativas que yo recomendaría a la causal pasos para la prueba de mediación incluyen el bootstrap (MacKinnon et al., 2004) y Monte Carlo (Predicador Y Selig, 2012) métodos. El Bootstrap es un método consiste en tomar una superficialmente gran número de muestras al azar con reemplazo (por ejemplo, 5000) del mismo tamaño de la muestra a partir de sus propios datos, la estimación del efecto indirecto (el ab ruta) en cada muestra, ordenar las estimaciones de menor a mayor, y, a continuación, definir un intervalo de confianza para el bootstrap efecto indirecto como dentro de un rango de percentiles (por ejemplo, 5 y 95 para un 95% de intervalo de confianza). Arranque de macros para los efectos indirectos están disponibles para el software de análisis estadístico como SPSS y SAS, los paquetes están disponibles para R, y otros programas (por ejemplo, Mplus) han arranque de capacidades ya incorporado.

El método de Monte Carlo es una buena alternativa cuando no se tienen los datos originales, o en los casos cuando arranque no es posible. Todo lo que necesitas son las estimaciones de los parámetros para la un y b trayectorias, cada una ruta de acceso de la varianza y la covarianza entre las dos rutas (a menudo, pero no siempre es 0). Con estos valores estadísticos, a continuación, puede simular un superficialmente de distribución de gran tamaño (por ejemplo, de 20.000) de ab valores, y como el arranque de enfoque, ordenarlos de menor a mayor y definir un intervalo de confianza. A pesar de que usted puede programar su propio Monte Carlo mediación de la calculadora, Kris Predicador tiene un buen uno que está disponible gratuitamente para su uso en su sitio web (ver Predicador Y Selig, de 2012, para el documento de acompañamiento)

Para ambos enfoques, examinaría el intervalo de confianza para ver si contiene un valor de 0; si no, se podría concluir que tiene una importancia efecto indirecto.

Referencias

Baron, R. M., & Kenny, D. A. (1986). El moderador-mediador de la variable de distinción social en la investigación psicológica: Conceptual, estratégico y consideraciones estadísticas. Revista de Personalidad y Psicología Social, 51, 1173-1182.

Hayes, A. F. (2013). Introducción a la mediación, la moderación, y condicional proceso de análisis: Una regresión basado en el enfoque. Nueva York, nueva york: Guilford.

Hayes, A. F. (2009). Más allá de Baron y Kenny: Estadística de análisis de la mediación en el nuevo milenio. Comunicación Monografías, 76 408-420.

MacKinnon, D. P., Lockwood, C. M., & Williams, J. (2004). Los límites de confianza para el efecto indirecto: la Distribución del producto y métodos de remuestreo. Multivariante En La Investigación Del Comportamiento, 39, 99-128.

Predicador, K. J., & Selig, J. P. (2012). Ventajas de Monte Carlo intervalos de confianza para los efectos indirectos. Los Métodos de comunicación y Medidas, 6, 77-98.

Shrout, P. E., & Bolger, N. (2002). La mediación en el experimental y no experimental de estudios: Nuevos procedimientos y recomendaciones. Métodos Psicológicos, 7, 422-445.

Answer 2

Bueno, creo que yo podría haber encontrado una buena respuesta. Eché un vistazo a David Kenny webinar, que se presenta este caso como inconsistente de mediación. La razón por la ruta c no es significativamente diferente de 0 es que el producto de a y b tiene un signo diferente de la de c'. En un ejemplo Kenny da, el estrés conduce a una disminución en el estado de ánimo (c' es negativo); mientras que el ejercicio como un mediador entre el estrés y el estado de ánimo está correlacionada positivamente con ambos (ab es positiva). Puesto que c = c' + ab, cuando los valores absolutos de c' y ab están cerca, c podría ser cercana a 0.

Kenny notas en el webinar contemporáneos que se considera que la prueba de c y c' no muy esencial; la mediación efecto es principalmente muestra a través de ab.