Anda di halaman 1dari 8

Ketika moderasi dimediasi dan mediasi dikelola

Oleh :
Dominique Muller UniversiteParisDescartes,France
Charles M. Judd University of Colorado di Boulder
Vincent Y. Yzerbyt Universitas Katolik Louvain di Louvain-la-Neuve, Belgia

Tujuan artikel ini adalah untuk menentukan tepatnya baik dimediasi


moderasi dan dikelola mediasi dan menyediakan analitik strategi untuk menilai
masing-masing.

Dalam literatur ini berkembang, ada sesekali diskusi tentang bagaimana


dua isu mediasi dan moderasi mungkin diri mereka digabungkan secara teoritis
menarik cara. Dengan demikian, dalam beberapa karya-karya klasik awal tentang
mediasi dan moderasi, James dan Brett (1984) membahas mediasi dikelola, dan
Baron dan Kenny (1986) mengabdikan halaman untuk mediasi dikelola dan
dimediasi moderasi. Baru-baru ini Wegener dan Fabrigar (2000) juga membahas
topik ini dua. Namun, Semua perawatan ini relatif singkat, dan kami teliti sastra
yang telah membuat referensi untuk satu atau yang lain topik ini menunjukkan
bahwa itu tidak jelas dimengerti. Selain itu, ada tidak ada sumber yang
komprehensif mengartikulasikan definisi ini dua proses dan analitik model yang
mendasari mereka.

Penting untuk dicatat bahwa, seluruh diskusi kita (kecuali secara eksplisit
dinyatakan lain), kita menganggap bahwa semua variabel (dengan pengecualian
hasilnya) telah berpusat di rata-rata mereka. Asumsi ini dibuat untuk
meningkatkan interpretability dari berbagai parameter dalam model yang
mencakup istilah interaksi (Aiken & Barat, 1991; Judd & McClelland, 1989)

Meskipun ada beberapa diskusi terus tentang iden- dan kondisi yang cukup
untuk membangun mediasi (lihat di bawah), kita telah memilih untuk mengadopsi
pendekatan asli dan klasik sebagaimana digariskan oleh Judd dan Kenny (1981)
dan Baron dan Kenny (1986). Menurut pendekatan ini, untuk menunjukkan
mediasi, salah satu rekan esti- tiga model yang berbeda (biasanya menggunakan
kuadrat estimator)
Y = 10 + 11X + s1 (1)
Me = 20 + 21X + s2 (2)
Y = 30 + 31X + 32Me + s3 (3)
dan empat kondisi yang harus dipenuhi:
1. Pada Persamaan 1, harus ada efek pengobatan secara keseluruhan pada
variabel hasil; yaitu, b11 adalah signifikan.
2. Dalam Persamaan 2, harus ada efek pengobatan pada mediator; yaitu, b 21
adalah signifikan.
3. Dalam Persamaan 3, harus ada efek dari mediator pada hasil pengendalian
untuk pengobatan; yaitu, b32 adalah signifikan.
4. Dalam Persamaan 3, efek langsung residual dari variabel pengobatan pada
hasil (31) harus lebih kecil (dalam nilai absolut) dari efek pengobatan
secara keseluruhan dalam Equa- tion 1 (11).

Hubungan kesetaraan berikut ada di antara parameter model ini (lihat,


misalnya, MacKinnon, Warsi, & Dwyer, 1995):
11 - 31 = 21* 32
yang berarti bahwa perbedaan antara efek pengobatan secara keseluruhan dan
efek langsung residual adalah sama dengan apa yang disebut efek tidak langsung
melalui mediator (yaitu, 21 * 32).
Untuk menunjukkan moderasi, salah memperkirakan model berikut:

Y = 40 + 41X + 42Mo + 43XMo + s4 (4)


di mana XMo dihitung sebagai produk dari variabel perlakuan dan variabel
moderator. Sebuah tes dari efek bahwa produk partialled (yaitu, pentingnya b43)
adalah tes yang Treatment interaksi moderator, menanyakan apakah efek
pengobatan bervariasi besarnya sebagai fungsi dari nilai moderator.

Model analitik untuk Moderated Mediasi dan Moderasi Mediated


Ada tiga model dasar yang mendasari baik moderasi dimediasi dan
mediation.
pertama ini sebagai Persamaan 4, untuk menilai moderasi dari efek pengobatan
secara keseluruhan:
Y = 40 + 41X + 42Mo + 43XMo + s4 (4)
Model ini memungkinkan efek pengobatan secara keseluruhan Persamaan 1
dimoderasi oleh Mo. Model kedua memungkinkan efek pengobatan pada
mediator, dalam Persamaan 2, yang akan dimoderasi:
Me = 50 + 51X + 52Mo + 53XMo + s5 (5)
Dan model ketiga adalah versi moderator dari Persamaan 3, di mana kedua
(parsial) efek mediator pada hasil dan efek residu dari perlakuan pada hasil,
mengontrol mediator, diperbolehkan untuk dimoderasi:
Y = 60 + 61X + 62Mo + 63XMo + 64Saya + 65Memo + s6 (6)
Dalam semua tiga model, kita membuat asumsi yang sama tentang semua variabel
yang kita lakukan sebelumnya. Yakni, ada dua tingkat X (kontras kode) yang unit
eksperimental telah ditetapkan secara acak, X dan Mo karena itu tidak berkorelasi,

Gambar 1. Model yang menggambarkan mediasi dikelola dan dimediasi


moderasi.

Dari Gambar ini, (moderator) efek pengobatan secara keseluruhan 41 +


43Mo. Menggunakan estimasi nilai untuk parameter ini, satu dapat
menggunakan ungkapan ini untuk memperkirakan efek pengobatan secara
keseluruhan sederhana pada tingkat tertentu Mo. Efek tidak langsung
(dimoderasi), melalui mediator, sama (51 + 53Mo) (64 + 65Mo). Dan
(moderator) efek pengobatan residual sama 61 + 63Mo.
Sekali lagi, estimasi parameter dari ekspresi ini dapat digunakan untuk
memperkirakan sederhana efek pada tingkat tertentu Mo.
Sejajar dengan apa yang kita lihat dalam kasus mediasi sederhana (tions Equa- 1-
3), terdapat kesetaraan mendasar antara eters param- model ini, dengan fokus
pada moderasi efek langsung tidak langsung dan residual. Dalam Lampiran,
kami membuktikan bahwa pada tingkat parameter populasi, membuat asumsi
yang telah kita buat, kesetaraan berikut ini berlaku:
43 - 63 = 64 53 + 65 51 (7)
kesetaraan ini tidak akan persis terus dalam hal pasangan parameter esti-, dari
sampel data, kecuali moderator adalah dikotomis dan kontras kode (lihat
Lampiran). Namun demikian, kesetaraan ini memberikan kita wawasan
mendasar ke dalam definisi moderasi diated saya- dan dimoderatori mediasi.

Mengintegrasikan Dua Proses


Meskipun tujuan kita dalam artikel ini telah dengan jelas mendefinisikan
kedua moderasi dimediasi dan dimoderatori mediasi, harus sekarang menjadi jelas
bahwa pada akhirnya mereka berdua sisanya pada model analitik yang sama dan
kesetaraan mendasar yang sama, diberikan dalam Persamaan 7:
43 - 63 = 64 53 + 65 51 (7)
Kami dapat konsep kontinum kasus analitik, bervariasi dalam besaran relatif dari
perbedaan di sisi kiri dari persamaan ini (dan dengan demikian bervariasi serta
fungsi dari istilah pada sisi kanan). kontinum didefinisikan oleh besarnya relatif
dari perbedaan antara nilai absolut dari kedua 43 dan 63:

| 43 | - | 63 | 0,13 Di tengah kontinum ini terletak situasi diyang perbedaan ini


sama dengan nol. Dalam hal ini, tidak dimediasi moderasi atau dimoderatori
mediasi dapat dikatakan terjadi. Di bawah titik ini terletak pada kisaran kasus di
mana | 43 | - | 63 | <0 dan di atas itu terletak pada kisaran kasus di mana | 43 | -
| 63 | > 0. definisi yang konsisten kami moderasi dimediasi bertumpu pada ini.

Perbedaan sama dengan nol, maka tidak dimediasi moderasi atau mod-
erated mediasi dapat dikatakan terjadi. Ketika dimediasi moderasi dihipotesiskan
perbedaan ini harus positif. Di sisi lain, jika mediasi dimoderasi dihipotesiskan
perbedaan ini akan negatif jika 43 = 0, yang merupakan kasus untuk apa yang
kita sebut prototypic dimoderasi mediasi. Jika salah satu mendefinisikan asi medi-
moderator sebagai terjadi setiap kali efek tidak langsung mediasi dimoderasi,
santai pembatasan kasus prototypic yang 43 = 0, mediasi kemudian dikelola
dapat dikatakan terjadi tanpa tanda |43 | - |63 |, selama itu tidak nol. Dengan
demikian, di bawah definisi yang lebih santai ini, setiap kasus mod- dimediasi
timbangkan bisa disebut dimoderasi mediasi, tetapi sebaliknya adalah tidak benar.

Ekstensi Data Murni korelasional


Dalam literatur tentang mediasi, kita telah melihat (terlalu sering untuk
selera kita) peneliti mengambil tiga variabel yang diukur, mengklaim model
tional media-, dan percaya, karena test mediasi (misalnya, salah satu dari
mereka yang direkomendasikan oleh MacKinnon et al., 2002) keluar, bahwa
mereka telah mendirikan mediasi. Tapi dalam kasus ini, tidak ada cara untuk
menentukan variabel adalah pengobatan yang efek dimediasi, yang merupakan
mediator, dan yang hasilnya. Hal ini tidak tujuan kami untuk mendorong jenis-
jenis praktek, meskipun kita mengakui bahwa beberapa akan menggunakan
model yang kita mengembangkan dalam artikel ini untuk mengklaim baik
moderasi dimediasi atau dikelola mediasi di hadapan desain penelitian murni
korelasional. Jika model kausal ers penelitian- adalah yang benar, maka
dipastikan bahwa model yang telah diuraikan dalam artikel ini sebenarnya bisa
digunakan untuk meneliti masalah moderasi dimediasi dan dimoderatori mediasi
dengan data murni korelasional. Meskipun hubungan-kapal fundamental
Persamaan 7 tidak akan diharapkan untuk menahan, estimasi parameter yang
dihasilkan akan diinterpretasikan dengan cara yang konsisten dengan apa yang
telah kami sajikan.

Isu praktis
Masalah potensial penting bahwa kita belum sebelumnya dis
kekhawatiran mengumpat efek biasing dari kesalahan pengukuran dalam variabel
moderator, mediator, dan hasil. Sayangnya arah bias karena kesalahan
pengukuran sulit untuk mengetahui, mengingat kompleksitas model yang kita
hadapi. Solusi yang jelas adalah dengan menggunakan beberapa indikator
variabel-variabel ini, bobot mereka secara tepat, seperti dalam persamaan
struktural laten variabel pendekatan (SEM). Dengan moderator dikotomis,
pendekatan ini dapat diimplementasikan oleh beberapa kelompok SEM tion
estima- (tapi ini mengasumsikan bahwa moderator diukur dengan sempurna).
Dengan moderator terus menerus diukur, tidak terdapat lurus solusi ke
depan untuk memperkirakan model SEM dengan interaksi variabel laten (lihat
Jaccard & Wan, 1995; Kenny & Judd, 1984; Li et al., 1998).

Salah satu solusi alternatif yang jelas adalah untuk mengukur ketiga
variabel (mediator, moderator, dan hasil) dengan beberapa indikator yang
kemudian digabungkan atau dikumpulkan ke skor indeks, assum- ing mereka
mewujudkan konsistensi internal yang tinggi. Pada akhirnya, untuk macam model
interaktif yang mendasari analisis kami telah digariskan, kami menduga bahwa ini
adalah cara yang paling efisien untuk menangani masalah kesalahan pengukuran.
Tentu saja, ini penawaran pendekatan hanya dengan acak, daripada sistematis,
kesalahan pengukuran.

Masalah praktis lain untuk membahas dalam memperkirakan proses ini


adalah bahwa kekuatan statistik yang cukup. Literatur tentang mediasi sederhana
menunjukkan bahwa beberapa tes mediasi mungkin relatif unpowerful
(MacKinnon et al., 2002). Hal ini mungkin juga berlaku dalam kasus kita telah
mempertimbangkan. Saran yang jelas adalah bahwa peneliti yang tertarik untuk
meneliti mediasi dikelola dan dimediasi moderasi harus melakukan apapun yang
ia bisa untuk memaksimalkan kekuatan statistik.

Dalam kasus kedua moderasi dimediasi dan mediasi moderator, hasil


analisis dengan memperkirakan tiga model:
Y = 40 + 41X + 42Mo + 43XMo + s4 (4)
Saya = 50 + 51X + 52Mo + 53XMo + s5 (5)
Y = 60 + 61X + 62Mo + 63XMo + 64Saya + 65Memo + s6 (6)
Mari kita berasumsi bahwa Persamaan 5 dan 6 mewakili model teoritis yang
bertanggung jawab untuk menghasilkan varians dalam kedua mediator dan
hasilnya. Dengan demikian, model Persamaan 4 adalah model misspecified. Hal
ini kemudian menjadi mungkin untuk mendapatkan nilai-nilai parameter dalam
model misspecified ini dalam hal parameter Persamaan 5 dan 6.
Pertama, kita menggabungkan Persamaan 5 dan 6 dengan menggantikan Me di
Persamaan 6 menurut Persamaan 5. Hal ini menyebabkan hasil sebagai berikut:
Y = 60 + 61X + 62Mo + 63XMo
+ 64(50 + 51X + 52Mo + 53XMo + s5)
+ 65(50 + 51X + 52Mo + 53XMo + s5) Mo + s6 (6' )
yang diberikan ekuivalen sebagai:
Y = (60 + 6450) + (61 + 6451) X
+ (62 + 6452 + 6550 + 65s5) Mo + (63 + 6453 + 6551) XMo
+ 6552Mo2 + 6553XMo2 + 65s5 + s6 (6' )
Dengan asumsi bahwa X kontras kode, dengan nilai yang diharapkan dari nol, dan
bahwa Mo terdistribusi normal dengan rata-rata nol dan independen dari X, maka
dapat ditampilkan (Aiken & Barat, 1991;. Pp 177-182; Kenny & Judd,1984)
bahwa covariances diharapkan dari XMo dengan kedua Mo 2 dan XMo2 sama
dengan nol. Dengan demikian, parameter yang terkait dengan XMo di Persamaan
respecified 6' (63 + 6453 + 6551) Harus sama parameter dalam persamaan
misspecified 4.
Dengan demikian, dalam populasi:
43 = 63 + 6453 + 6551
ekuivalen:
43 - 63 = 6453 + 6551
Tentu saja, dalam setiap sampel data, perkiraan covariances dari XMo dengan
kedua Mo2 dan XMo2 akan tidak persis sama dengan nol dan, sesuai, kesetaraan
di atas hanya akan perkiraan.
Ketika Mo kontras kode variabel dikotomis, maka Mo 2 adalah konstan untuk
semua kasus (yaitu, varian yang sama dengan nol). Dalam hal ini, Persamaan 6'
mengurangi ke:
Y = (60 + 6450 + 6552) + (61 + 6451 + 6553) X
+ (62 + 6452 + 6550 + 65s5) Mo
+ (63 + 6453 + 6551) XMo + 64s5 + s6 (6' )
Dengan demikian, dalam hal ini, kesetaraan memegang baik dari segi nilai-nilai
yang diharapkan dan dalam hal koefisien estimasi. Dengan kata lain, dengan
moderator kontras-kode, berikut ini adalah benar dari perkiraan sampel:
b43 - b63 = b64b53 + b65b51

Referensi

Baron, RM, & Kenny, DA (1986). Moderator-mediator variabel perbedaan dalam


penelitian psikologis sosial: pertimbangan konseptual, strategis, dan
statistik. Jurnal Psikologi Kepribadian dan Sosial, 51, 1173-1182.
Jaccard, J., & Wan, CK (1995). Pengukuran kesalahan dalam analisis efek
interaksi antara prediktor terus menerus menggunakan beberapa sion
regres-: Indikator Beberapa dan pendekatan persamaan struktural.
Psycholog- Bulletin ical, 117, 348 -357.
James, LR, & Brett, JM (1984). Mediator, moderator, dan tes untuk mediasi.
Jurnal Psikologi Terapan, 69, 307-321.
Judd, CM, & Kenny, DA (1981). proses analisis: Memperkirakan asi medi-
dalam evaluasi pengobatan. Evaluasi Review, 5, 602- 619.
Judd, CM, & McClelland, GH (1989). Analisis data: Sebuah model pendekatan
parison com-. San Diego, CA: Harcourt, Brace, Jovanovich.
Kenny, DA, & Judd, CM (1984). Memperkirakan efek aktif nonlinear dan antar
variabel laten. Psychological Bulletin, 96, 201-210.
Kenny, DA, Kashy, DA, & Bolger, N. (1998). Analisis data dalam psikologi
sosial.
Kraemer, HC, Wilson, GT, Fairburn, CG, & Agras, WS (2002). Mediator dan
moderator efek pengobatan pada uji klinis acak. Archives of General
Psychiatry, 59, 877- 884.
Li, F., Harmer, P., Duncan, TE, Duncan, SC, Acock, A., & Boles, S. (1998).
Pendekatan untuk menguji efek interaksi menggunakan struktur equa-
metodologi pemodelan tion. Multivariat Behavioral Research, 33, 1-39.