متغیر میانجی mediation
مدل میانجی چگونگی یا چرایی رابطه دو متغیر را توصیف میکند. در این مدل فرض بر این است که متغیر میانجی به عنوان رابط بین متغیر مستقل یا پیشبین و متغیر وابسته یا ملاک قرار میگیرد و رابطه متغیرهای مستقل و وابسته را تحت تاثیر قرار میدهد. با ورود متغیر میانجی به مدل، اثر غیرمستقیم مطرح میشود. بنابراین بایستی اثرات مستقیم، غیر مستقیم و اثر کل مورد بررسی قرار گیرند.
متغیر میانجی، متغیری است که برای رابطه بین متغیر پیشبین و ملاک دلیل ارائه میکند” (بارون و کنی، ۱۹۸۶، ص ۱۱۷۶).
ریشه و خاستگاه تکنیک میانجی “mediation” در حوزه علوم اجتماعی به ابداع شیوه تحلیل مسیر باز میگردد.
متغیر میانجی (M)، متغیری است که واجد شرایط زیر باشد:
- متغیر مستقل باید همبستگی معناداری با متغیر میانجی داشته باشد.
- متغیر میانجی باید همبستگی معناداری با متغیر وابسته داشته باشد.
- هرگاه مسیرهای a و b کنترل شوند؛ رابطه بین متغیر مستقل و وابسته که پیشتر معنادار بوده؛ دیگر معنادار نباشد؛ ضمن اینکه هرگاه مسیر c صفر باشد؛ قویترین رابطهی میانجی نمایان خواهد شد.
مثال
در یک تحقیق انتظار میرود که هر چه افراد رخدادهای مثبت بیشتری را در زندگی تجربه نمایند، شادی درونی بیشتری خواهند داشت. افزون بر این محقق پیشبینی میکند که قدرشناسی به عنوان یک میانجی سبب شادی درونی هرچه بیشتر در زندگی شود. به بیان دیگر، مقدار قابل توجهی از واریانس مشترک بین رخدادهای مثبت زندگی و شادی درونی به وسیله مسیر غیرمستقیم و با واسطه قدرشناسی تبیین میشود. یعنی این که اگر افراد در زندگی خویش وقایع و رخدادهای مثبت بیشتری را تجربه نمایند؛ سپاسگزارتر و قدرشناستر بوده و در نتیجه خود را شادتر احساس میکنند.
معادلات رگرسیون برای مدل میانجی
در مطالعات اولیه بارون و کنی (۱۹۸۶) روشهای علی را برای آزمون میانجی پیشنهاد کردند. اما در بیشتر تحقیقات اخیر از آزمون هایی استفاده شده است که براساس ضرایب حاصل از معادلات رگرسیون زیر به دست میآید:
(۱) Y=i1+cX+e1
(۲) Y=i2+c ́X+bM+e2
(۳) M=i3+aX+e3
نمودار مسیر برای مدل میانجی
C: اثر کل X بر Y
Ć: اثر X بر Y با کنترل M
b: اثر متغیر میانجی بر Y
a: اثر X بر متغیر میانجی
i1، i2 و i3: مقدار ثابت یا عرض از مبدأ هر معادله
e1، e2 و e1: باقیمانده های مربوط به هر معادله
البته باید به این نکته توجه داشت که میانجی هنگامی رخ میدهد که با اضافه شدن متغیر میانجی، شدت رابطه اصلی بین متغیرهای پیشبین (X) و ملاک (Y) کاهش پیدا کند.