Statisticsguide.com

Medmod

Välkommen till sidan om medmod

I det här avsnittet presenteras metoder för att analysera mer komplexa samband mellan variabler, där relationen inte bara handlar om direkta effekter. Moderationsanalys används för att undersöka om sambandet mellan två variabler förändras beroende på en tredje variabel, medan mediationsanalys används för att analysera om sambandet mellan två variabler förklaras av en mellanliggande variabel. Båda analyserna genomförs smidigt i Jamovi med hjälp av jAMM-modulen, och resultaten kan ge en djupare förståelse för både villkorade och indirekta effekter i data.

Moderationsanalys

Vad är det?
En moderationsanalys testar om sambandet mellan en oberoende variabel (X) och en beroende variabel (Y) förändras beroende på nivån av en tredje variabel, modereraren (M).

Exempel:
Du vill undersöka om sambandet mellan stress (X, oberoende) och sömnkvalitet (Y, beroende) påverkas av socialt stöd (M, moderator).

  • Beroende variabel: Sömnkvalitet
  • Oberoende variabel: Stress
  • Moderator: Socialt stöd
JAMOVI INSTRUKTION
  1. Installera tillägget jamovi Mediation/Moderation (jAMM) via Modules.
  2. Klicka på Analyses → Regression → Moderation.
  3. Dra sömnkvalitet till Dependent Variable.
  4. Dra stress till Independent Variable.
  5. Dra socialt stöd till Moderator Variable.
  6. Markera interaktionstermerna (t.ex. Stress × Socialt stöd).
  7. Välj att plottar interaktionen för enkel tolkning.

Tolkning:

  • Om interaktionstermen är signifikant betyder det att sambandet mellan stress och sömnkvalitet skiljer sig beroende på socialt stöd.
  • Diagrammet visar lutningen av sambandet vid olika nivåer av moderatorn.

Antaganden:

  • Linjäritet mellan X, Y och interaktionen.
  • Normalfördelade residualer (för Y om Y är kontinuerlig).
  • Homoskedasticitet (lika spridning av residualer).
  • Oberoende observationer.
  • Inga allvarliga multikollinearitetsproblem (måste kontrolleras eftersom interaktioner ofta ger hög korrelation).

Mediationsanalys

Vad är det?
En mediationsanalys testar om effekten av en oberoende variabel (X) på en beroende variabel (Y) delvis eller helt förklaras av en tredje variabel, mediatorn (M).

Exempel:
Du vill undersöka om effekten av träning (X, oberoende) på livstillfredsställelse (Y, beroende) förklaras genom minskad stress (M, mediator).

  • Beroende variabel: Livstillfredsställelse
  • Oberoende variabel: Träning
  • Mediator: Stressnivå
JAMOVI INSTRUKTION
  1. Installera tillägget jamovi Mediation/Moderation (jAMM).
  2. Klicka på Analyses → Regression → Mediation.
  3. Dra livstillfredsställelse till Dependent Variable.
  4. Dra träning till Independent Variable.
  5. Dra stressnivå till Mediator Variable.
  6. Markera alternativ för Indirect effect (Bootstrap) för att få konfidensintervall.

Tolkning:

  • Om den indirekta effekten (X → M → Y) är signifikant innebär det att träning påverkar livstillfredsställelse via stress.
  • Om den direkta effekten (X → Y) fortfarande är signifikant kallas det partiell mediation.
  • Om den direkta effekten blir icke-signifikant kallas det full mediation.

Antaganden:

  • Tillräckligt stort sampel för bootstrap (rekommenderas minst 100–200 fall).
  • Linjäritet i sambanden mellan X, M och Y.
  • Normalfördelade residualer (för M och Y om de är kontinuerliga).
  • Homoskedasticitet.
  • Oberoende observationer.