Moderatie

Uit Methodologiewinkel
Ga naar: navigatie, zoeken

Waar deze test voor wordt gebruikt

Een moderatie analyse wordt gebruikt om te onderzoeken of de samenhang tussen twee variabelen wordt beïnvloed door een derde variabele. De moderator beïnvloedt de relatie tussen de predictor en de uitkomst variabelen. Bijvoorbeeld wanneer bij een bepaalde groep wordt onderzocht of de samenhang tussen het aantal jaren dat iemand bij een bedrijf werkt en het inkomen, wordt beïnvloed leeftijd. Dit voorbeeld wordt verder op in de wiki in SPSS uitgewerkt.

Assumpties

Omdat een moderatie analyse een speciale variant van een (multiple) regressie is, zijn de assumpties voor de moderatie analyse gelijk aan die van een (multiple) regressie. Zie Regression voor de assumpties en kijk voor het checken van lineairiteit en homoscedasticiteit bij de uitleg over SPSS bij Mediatie.

Wat te doen als je niet aan je assumptie(s) voldoet?

Wanneer niet aan de assumptie van lineairiteit wordt voldaan, kan de data worden getransformeerd. Door alle datapunten op dezelfde manier te transformeren, verandert de vorm waarin de datapunten samenhangen. De samenhang die al dan niet tussen de variabelen bestaat, blijft hetzelfde. In andere gevallen, en wanneer transformatie niet helpt, kan worden gekozen voor een non-parametrische variant.

Hoe uit te voeren in SPSS

De applicatie PROCESS Macro kan worden gedownload op [1]. Na de stappen op de website te hebben gevolgd, verschijnt de applicatie in SPSS bij: analyze -> Regression -> PROCESS

Wanneer je hierop klinkt, opent zich het venster dat te zien is in het eerste figuur. Alle variabelen zijn beschikbaar. Zoals beschreven in de introductie was de verwachting dat de samenhang tussen opleidingsniveau en inkomen, wordt beïnvloed door leeftijd. Daarom wordt in dit voorbeeld gekozen voor aantal jaren in dienst (year_emp) als predictor variabele (independent variable in het eerste figuur) en wordt er gekozen voor inkomen (income) als uitkomst variabele (outcome variable in het eerste figuur). Daarna wordt leeftijd (age) toegevoegd als moderator. Net als bij mediatie, wordt de moderator geplaatst in het vakje 'M Variable'. We geven SPSS aan dat het een moderator is (in plaats van een mediator) door te kiezen voor model 1. Omdat de output van Process niet in het output venster maar in de syntax staat, kun je niet met Paste werken maar moet je direct op OK klikken (Hayes, 2014).

Zoals in de afbeelding te zien is, zijn er veel verschillende modellen bij PROCESS Macro te kiezen. Al deze modellen representeren een mediatie of moderatie model en verschillen in het aantal predictoren, uitkomst variabelen, mediatoren, etc. Meer informatie over het gebruik van de verschillende modellen van PROCESS Macro is beschreven in het bijbehorende boek 'Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach'. Dit is te vinden op deze site: [2]

Figure1mod.png


Interpreteren SPSS-output

De output verschijnt in de vorm van een matrix in de syntax, zoals hier onder is weergegeven. Eerst wordt het opgegeven model herhaald, daarna worden de resultaten getoond. De matrix is hieronder weergegeven.

Figure2mod.png

Figure3mod.png



Rapporteren conclusie

Bij het rapporteren van de bovengenoemde resultaten is het belangrijk de coëfficiënten met bijbehorende t- en p-waarde te noemen en de verklaarde variantie (R) met bij behorende F- en p-waarde te noemen. Bij het vermelden van de F- en t-waardes is het belangrijk de degrees of freedom (vrijheidsgraden) te vermelden. Dit kan tussen haakjes voor het vermelde van de f- of t-waardes. Om een goed beeld van de invloed van de moderator te krijgen, is het belangrijk om de verschillende regressielijnen apart te bekijken.

Voorbeeld: De verklaarde variantie van het model is significant, R^2 = 0.55, F(3,96)= 40.02, p < .001. Dit is te zien bij Model Summary. Het aantal jaren in dienst is geen significante voorspeller in het model, b1 = 2.07, t = 1.28, p = 0.205, de leeftijd van de deelnemers is wel een significante voorspeller voor het inkomen van de deelnemers, b2 = 0.92, t = 2.52, p < 0.05 (gegeven dat je alpha-niveau 0.05 is). Dit is te zien onder het kopje Model.

Verder is te zien dat de interactie tussen aantal jaar in dienst en leeftijd niet significant is en ook niks toevoegd aan het model. Dit is te zien onder het kopje Interactions.


Non-parametrische variant

Kendall's tau is non-parametrische versie van correlatie

Referenties

Field, A. (2013). Discovering statistics using SPSS. Sage publications.

Hayes, A. F. (2014). PROCESS for SPSS. [ http://www.processmacro.org/]