تفاوت متغیرهای تعدیل گر و میانجی
اثر یک متغیر سوم در رابطۀ بین متغیر مستقل و متغیر وابسته می تواند به دو صورت متمایز باشد: ۱) به عنوان متغیر تعدیل کننده (Moderater Variable)، یا ۲) به عنوان متغیر واسطه ای (Mediator variable).
متغیرهای تعدیل کننده
- ماهیت
به طور کلی یک متغیر تعدیل کنند، یک متغیر کیفی (مانند جنس، مذهب، طبقه اجتماعی) یا کمَی (مانند بیرونی بودن مرکز کنترل یا ادراک لیاقت) است که جهت و شدت، و یا جهت یا شدت رابطه بین یک متغیر مستقل (یا پیش بین) و یک متغیر وابسته (یا ملاک) را تحت تأثیر قرار می دهد.
در پژوهش هایی از نوع همبستگی (غیرآزمایشی) یک متغیر تعدیل کننده، متغیر سومی است که روی همبستگی صفر مرتبه دو متغیر دیگر اثر می گذارد. این اثر می تواند به صورت کم شدن میزان همبستگی یا تغییر دادن به آن باشد. در پژوهش های آزمایشی، یک اثر تعدیل کننده را می توان با اثر متقابل بین یک متغیر مستقل اصلی و متغیر مستقل دومی در تحلیل واریانس نشان داد. این اثر متقابل می تواند به صورت منظم یا نامنظم باشد. در اثر متقابل نامنظم، ترکیب ضربدری سطوح متغیر مستقل اصلی و متغیر تعدیل کننده اثرات مغایری به دست می دهند. مثلاً در مقایسه دو روش تدریس، (a1 و a2) برای دو گروه (b1 و b2) روش a1 برای گروه b1 بهترین اثر را می دهد، در حالی که برای b2 بدترین اثر را دارد. در اثر متقابل منظم، اثر روش تدریس a1 و a2 برای دو گروه در یک جهت است، منتهی برای یک گروه اثر بارزتر است.
- چهارچوب تحلیلی برای اندازه گیری اثر متغیر تعدیل کننده
استفاده از یک دیاگرام مسیر (pathdagram) می توان نقش متغیر تعدیل کننده را هم در مطالعات آزمایشی و هم در مطالعات همبستگی نشان داد. در مدل شکل ۱ سه مسیر علَی a، b، و c داده شده است: مسیر a اثر یک متغیر پیش بین یا مستقل، مسیر b اثر متغیر تعدیل کننده (در صورت معنادار بودن) نشان می دهند. مطلوب است که متغیر تعدیل کننده با متغیر پیش بین و ملاک همبستگی نداشته باشد تا بهتر قابل تفسیر باشد. یکی از پیش فرض های مدل تحلیل واریانس در پژوهش های آزمایشی این است که اثر اصلی متغیرهای مستقل و اثر متقابل آن ها جمعی (additive) باشد، یعنی، تداخل نداشته باشد.
شکل۱: دیاگرام مسیر برای مدل متغیر تعدیل کننده
ویژگی دیگر متغیرهای تعدیل کننده این است که همانند متغیرهای مستقل نقش یکسانی به عنوان متغیرهای علَی نسبت به متغیر ملاک یا وابسته داشته، هر دو نسبت به آن تقدم دارند. در حالی که رابطۀ بین متغیر واسطه ای و متغیر پیش بین چنین نیست. متغیر پیش بین باید همواره نسبت به متغیر واسطه ای تقدم و نقش علَی داشته باشد. بنابراین، متغیرهای تعدیل کننده همواره نقش متغیرهای مستقل را دارند، در صورتی که نقش متغیرهای واسطه ای برحسب تمرکز تحلیل تغیر می کند، در رابطه با متغیر ملاک، نقش متغیر مستقل و در رابطه با متغیر پیش بین، نقش متغیر وابسته را دارند.
متغیرهای واسطه ای
- ماهیت
چنان چه متغیری در رابطۀ بین دو متغیر پیش بین و ملاک، سهمی داشته باشد به عنوان متغیر واسطه ای عمل کرده است. مثلاً نشان داده شده است که فراحافظه(metamemory) و اسنادها بین آموزش راهبرد یادگیری و به خاطرآوری واسطه می شوند. به عبارت دیگر، آموزش تکالیف جدید بدون در نظر گرفتن فرا گرفتن فراحافظه و اسنادهای یادگیرندگان، روی به خاطرآوری مطالب جدید مؤثر نیست. برای تصریح معنای متغیر واسطه ای از یک دیاگرام مسیر برای نشان دادن یک مدل علَی (شکل ۲) استفاده شده است.
شکل ۲: دیاگرام مسیر یک مدل علَی سه متغیری
۲- چهارچوب تحلیلی برای اندازه گیری اثر متغیرهای واسطه ای
برای اینکه متغیری به عنوان متغیر واسطه ای عمل کند باید دارای شرایط زیر باشد:
- بین متغیر واسطه ای و متغیر مستقل همبستگی معنادار باشد. (مسیر a وجود داشته باشد).
- بین متغیر واسطه ای و متغیر برآمد (وابسته) همبستگی معنادار باشد. (مسیر b وجود داشته باشد).
- با کنترل اثر متغیر واسطه ای رابطۀ بین متغیر مستقل و وابسته تضعیف شود و میزان این تضعیف با میزان اثر متغیر واسطه ای رابطه داشته باشد. هرگاه، اثر متغیر واسطه ای زیاد باشد، کنترل آن سبب از بین رفتن رابطه بین متغیر مستقل و وابسته می شود. چنان چه با کنترل اثر متغیر واسطه ای رابطه ی بین متغیر مستقل و وابسته صفر نشده ولی تضعیف شود، دال بر این است که متغیرهای واسطه ای دیگری در کارند. در اغلب زمینه های علوم رفتاری برای هر معلول ممکن است چندین علت وجود داشته باشد. لذا، واقع بینانه است که آن متغیرهای واسطه ای که به طور معناداری مسیر c را در مدل علَی شکل (۲) کاهش می دهند جستجو شوند.
۳- شیوه های مناسب برای آزمودن متغیر واسطه ای
تحلیل واریانس به طور کامل فرضیۀ وجود یک متغیر واسطه ای را مورد آزمون قرار نمی دهد. برای آزمودن اثر متغیر واسطه ای مجموعه ای از مدل های رگرسیون باید برآورد شوند.
نخست باید سه معادله رگرسیون زیر برآورد شود:
- رگرسیون متغیر واسطه ای روی متغیر مستقل
- رگرسیون متغیر برآمد (وابسته) روی متغیر مستقل
- رگرسیون متغیر برآمد روی متغیرهای مستقل و واسطه ای
در هر معادله ضرایب رگرسیون برآورد شده و مورد آزمون قرار می گیرد. برای برقراری اثر واسطه ای شرایط زیر باید وجود داشته باشد:
۱) ضریب رگرسیون در معادله اول باید معنادار باشد (همبستگی بین متغیر مستقل و واسطه ای باید معنادار باشد)، و ۲) ضریب رگرسیون متغیر واسطه ای در معادله سوم باید معنادار باشد، یعنی با کنترل متغیر مستقل بین متغیر واسطه ای و متغیر ملاک رابطه معنادار وجود داشته باشد. با کنترل متغیر واسطه ای ضریب رگرسیون متغیر وابسته روی متغیر مستقل صفر یا تضعیف شود. چنان چه ضریب رگرسیون متغیر مستقل معنادار باشد، واسطگی کامل وجود ندارد. به عبارت دیگر، در واسطگی کامل با کنترل اثر متغیر واسطه ای، رابطۀ بین متغیر مستقل و وابسته از بین می رود. البته با رگرسیون سلسله مراتبی نیز، اثر متغیر واسطه ای را می توان اندازه گیری کرد. به این صورت که متغیر واسطه ای قبل از متغیر مستقل وارد تحلیل می شود. به عبارت دیگر، با حذف اثر متغیر واسطه ای از متغیر مستقل، چنان چه رگرسیون متغیر وابسته روی متغیر مستقل معنادار نباشد، واسطگی کامل وجود دارد.
عالی. ممنون