Lecture 5 Mediatie
Relate tussen drie variabelen
Verschil tussen mediatie en moderatie.
S heiding gedragsproblemen bij kinderen
(ls het is s heiding veroorzaak M en dan Y = mediator (een ding lijdt tot het anderc dat lijdt weer
tot het ander enz dominostenene
(ls s heiding anders is voor M = moderator (persoonlijkheid is anders daarom andere rea tesc
elke keer als de rea te anders is op een bepaald iets dan is er sprake van moderatee
Mediate betekend dat drie variabelen orrelerenc het betekent dus niets ausaals
Bij ausaliteit kunnen er twee dingen gebeuren: de ene variabel kan de ander beïnvloeden (reverse
causality) of een andere variabel is verantwoordelijk voor de orrelate (( voorspelt B en B voorspelt
C hier is sprake van mediate
Een mediate kan ook zijn dat er geen dire t efe t isc maar dat die alleen gaat via een andere
variabel Dus op het plaatje hiernaast zou (
dan niet bestaan en alleen B en C er zijn
Full mediatio: is dat er alleen een efe t van
b en is Partal mediatio is dat er ook een
dire t efe t is
Een dire t efe t van X op Y = a
Een indire t efe t van X op Y = bx
Totale efe t van X op Y = a+bx
Het simpeler model (dus bijvoorbeeld die
zonder dire te relatee is oested onder het ingewikkeldere model Daarnaast kan er ook sprake zijn
van een model met een extra mediator
De ausale relate moet gevonden worden in de theorie en niet in de analyse van het model Dus uit
de theorie moet je halen wat logis h isc de test in (MOS geef alleen orrelates weer
Spe iale gevallen
Suppressiog mediatio de regressielijnen van het dire te en
indire te efe t zijn tegenovergesteld (positef en negatefe aan
elkaar De relate van de stppellijn hiernaast is + en de gewone
lijnen zijn (bij elkaare -
Twee keer – is + dan is het geen supressiio Dus bij de lijn tussen
X en C is het – en bij de lijn tussen C en Y is het +c dan is dat
samen alsnog een negateve relate (ls X en Y ook negatef is:
zijn zowel de indire te als de dire te relate negatef en is er dus
geen supressiio (ls de ene negatef is en de ander positef dan is het wel (partale supression
, Ciofiuoders wanneer een derde variabel wordt toegevoegdc veranderd de relate van X op Y Zie
hiernaast: de stppellijnc die veranderd
Spuriius efect Wanneer een derde variabel wordt toegevoegd en het efe t verdwijnt geheel De
stppellijn verdwijnt dus Bijvoorbeeld in een gebied met meer ooievaars worden meer baby’r s
geboren E hter wanneer je een derde variabel toevoegtc namelijk platenland verdwijnt dit efe tc
omdat de plaats veel belangrijker is voor het efe t in verband met meer traditonele waarden en
normenc waardoor mensen meer kinderen krijgen en waar ook meer ooievaars zijn
Onderzoeken van mediate
De ouderwetse methode Baron en Kenny hebben een
artkel ges hreven over de stappen die je kunt nemen om
mediate te onderzoeken Dit zijn de volgende:
1 Is X een signif ante voorspeller van Y? (ae
2 Is X een signif ante voorspeller voor M? (be
3 In het model met M en X als voorspellersc is M een
signif ante voorspeller voor Y? ( e
Daarna is het nog belangrijk om te kijken of er een vergrotng of verkleining van de dire te
relate is
Het probleem van de methode van B&K is e hter dat er sprake kan zijn van suppressiio efect: als de
ene positef is en de andere relate negatef en je doet dat x elkaar dan vind je geen signif ant efe t
in stap 1 (ls je in de eerste stap al geen orrelate hebtc zou je stoppenc maar dat moet je niet doen
Daarnaast kan er een lage power zijn door gebruik te maken van de drie stappen van B&K
New school Je kan via SEM (STRUCTUR(L EQU(TION MODELINGc dus in (MOSe ook de relates
testen door gebruik te maken van nested models:
- Dit is makkelijkerc omdat je vers hillende modellen kunt testen tegelijktjdig
- Je krijgt meteen alle efe ten (dire tc indire t en totale efe t en daarnaast
gestandaardiseerde waardes en standaard error (SEe
- Je kan meer omplexe mediates onderzoeken
o Met meerdere mediatoren en één voorspeller
o Met meer voorspellers en één mediator
o Vers hillende uitkomst variabelen
o Je kan latente variabelen meenemen
Vervolgens kunnen we kijken of het efe t fully
mediated is door:
1 Te kijken naar de signif ante van de
oëf iënten
2 Het vergelijken van oested midels (van
omplex naar minder omplexec zie
voorbeeld hiernaast Maar vorige week
deden we eerst het meest simpele en
daarna steeds spe ifekere model?
doen we dit nu andersom?
Relate tussen drie variabelen
Verschil tussen mediatie en moderatie.
S heiding gedragsproblemen bij kinderen
(ls het is s heiding veroorzaak M en dan Y = mediator (een ding lijdt tot het anderc dat lijdt weer
tot het ander enz dominostenene
(ls s heiding anders is voor M = moderator (persoonlijkheid is anders daarom andere rea tesc
elke keer als de rea te anders is op een bepaald iets dan is er sprake van moderatee
Mediate betekend dat drie variabelen orrelerenc het betekent dus niets ausaals
Bij ausaliteit kunnen er twee dingen gebeuren: de ene variabel kan de ander beïnvloeden (reverse
causality) of een andere variabel is verantwoordelijk voor de orrelate (( voorspelt B en B voorspelt
C hier is sprake van mediate
Een mediate kan ook zijn dat er geen dire t efe t isc maar dat die alleen gaat via een andere
variabel Dus op het plaatje hiernaast zou (
dan niet bestaan en alleen B en C er zijn
Full mediatio: is dat er alleen een efe t van
b en is Partal mediatio is dat er ook een
dire t efe t is
Een dire t efe t van X op Y = a
Een indire t efe t van X op Y = bx
Totale efe t van X op Y = a+bx
Het simpeler model (dus bijvoorbeeld die
zonder dire te relatee is oested onder het ingewikkeldere model Daarnaast kan er ook sprake zijn
van een model met een extra mediator
De ausale relate moet gevonden worden in de theorie en niet in de analyse van het model Dus uit
de theorie moet je halen wat logis h isc de test in (MOS geef alleen orrelates weer
Spe iale gevallen
Suppressiog mediatio de regressielijnen van het dire te en
indire te efe t zijn tegenovergesteld (positef en negatefe aan
elkaar De relate van de stppellijn hiernaast is + en de gewone
lijnen zijn (bij elkaare -
Twee keer – is + dan is het geen supressiio Dus bij de lijn tussen
X en C is het – en bij de lijn tussen C en Y is het +c dan is dat
samen alsnog een negateve relate (ls X en Y ook negatef is:
zijn zowel de indire te als de dire te relate negatef en is er dus
geen supressiio (ls de ene negatef is en de ander positef dan is het wel (partale supression
, Ciofiuoders wanneer een derde variabel wordt toegevoegdc veranderd de relate van X op Y Zie
hiernaast: de stppellijnc die veranderd
Spuriius efect Wanneer een derde variabel wordt toegevoegd en het efe t verdwijnt geheel De
stppellijn verdwijnt dus Bijvoorbeeld in een gebied met meer ooievaars worden meer baby’r s
geboren E hter wanneer je een derde variabel toevoegtc namelijk platenland verdwijnt dit efe tc
omdat de plaats veel belangrijker is voor het efe t in verband met meer traditonele waarden en
normenc waardoor mensen meer kinderen krijgen en waar ook meer ooievaars zijn
Onderzoeken van mediate
De ouderwetse methode Baron en Kenny hebben een
artkel ges hreven over de stappen die je kunt nemen om
mediate te onderzoeken Dit zijn de volgende:
1 Is X een signif ante voorspeller van Y? (ae
2 Is X een signif ante voorspeller voor M? (be
3 In het model met M en X als voorspellersc is M een
signif ante voorspeller voor Y? ( e
Daarna is het nog belangrijk om te kijken of er een vergrotng of verkleining van de dire te
relate is
Het probleem van de methode van B&K is e hter dat er sprake kan zijn van suppressiio efect: als de
ene positef is en de andere relate negatef en je doet dat x elkaar dan vind je geen signif ant efe t
in stap 1 (ls je in de eerste stap al geen orrelate hebtc zou je stoppenc maar dat moet je niet doen
Daarnaast kan er een lage power zijn door gebruik te maken van de drie stappen van B&K
New school Je kan via SEM (STRUCTUR(L EQU(TION MODELINGc dus in (MOSe ook de relates
testen door gebruik te maken van nested models:
- Dit is makkelijkerc omdat je vers hillende modellen kunt testen tegelijktjdig
- Je krijgt meteen alle efe ten (dire tc indire t en totale efe t en daarnaast
gestandaardiseerde waardes en standaard error (SEe
- Je kan meer omplexe mediates onderzoeken
o Met meerdere mediatoren en één voorspeller
o Met meer voorspellers en één mediator
o Vers hillende uitkomst variabelen
o Je kan latente variabelen meenemen
Vervolgens kunnen we kijken of het efe t fully
mediated is door:
1 Te kijken naar de signif ante van de
oëf iënten
2 Het vergelijken van oested midels (van
omplex naar minder omplexec zie
voorbeeld hiernaast Maar vorige week
deden we eerst het meest simpele en
daarna steeds spe ifekere model?
doen we dit nu andersom?
