Estou interessado em testar um modelo de mediação simples com um IV, um DV e um mediador. O efeito indireto é significativo, conforme testado pela macro Preacher e Hayes SPSS, que sugere que o mediador serve para mediar estatisticamente o relacionamento.
Ao ler sobre mediação, li coisas como "Observe que um modelo de mediação é um modelo causal". - David Kenny . Certamente posso apreciar o uso de modelos de mediação como modelos causais e, de fato, se um modelo é teoricamente sólido, posso ver isso como muito útil.
No meu modelo, no entanto, o mediador (uma característica considerada uma diátese para transtornos de ansiedade) não é causada pela variável independente (sintomas de um transtorno de ansiedade). Em vez disso, as variáveis mediador e independente estão relacionadas, e acredito que a associação entre a variável independente e a variável dependente pode ser explicada em grande parte pela variação entre o mediador IV-DV. Em essência, estou tentando demonstrar que relatórios anteriores do relacionamento IV-DV podem ser explicados por um mediador relacionado que não é causado pelo IV.
A mediação é útil nesse caso, porque explica como o relacionamento IV-DV pode ser estatisticamente explicado pelo relacionamento IV-Mediador-DV. Meu problema é a questão da causalidade. Uma revisão poderia voltar e nos dizer que a mediação não é apropriada porque o IV realmente não causa o mediador (o que eu nunca teria discutido em primeiro lugar)?
Isso faz sentido? Qualquer feedback sobre este assunto seria muito apreciado!
Edit : O que quero dizer é que X está correlacionado com Y não porque causa Y, mas porque Z causa Y (parcialmente) e porque X e Z são altamente correlacionados. Um pouco confuso, mas é isso. As relações causais neste caso não estão realmente em questão e este manuscrito não se refere tanto à causalidade. Eu simplesmente procuro demonstrar que a variação entre X e Y pode ser explicada pela variação entre Z e Y. Então, basicamente, X é correlacionado indiretamente de Y a Z (o "mediador" neste caso).