Como você estabelece a mediação completa versus a mediação parcial em um modelo simples de mediação?

Recentemente, recebi esta pergunta de um aluno:

Em um modelo simples de mediação, se eu considero o efeito indireto (ab) significativo e o efeito direto (c ') pequeno e insignificante, isso significa que eu tenho mediação total ou parcial?

Definições

Usarei notação a comum à mediação simples, como mostrado aqui . Supondo que exista um efeito positivo a ser mediado (ou seja, ) e que quaisquer argumentos causais subjacentes sejam satisfeitos,$a, b, c, c'$$c > 0$

• A mediação parcial ocorre quando .$0 < c' < c$
• A mediação completa ocorre quando .$c' = 0$

O interesse teórico diz respeito aos parâmetros subjacentes, e não às estimativas amostrais desses parâmetros.

Teste para mediação parcial

Testes de significância podem ser aplicados para testar a mediação parcial. Os testes de significância podem suportar inferências como que é significativamente maior que zero ou que é significativamente menor que .$ab$$c'$$c$

Teste para mediação completa

Os testes de significância não podem ser facilmente aplicados ao teste de mediação completa. O fato de ser significativo e não ser significativo é insuficiente para provar a mediação completa. Primeiro, a diferença entre significativo e não significativo não é necessariamente significativa. Segundo, mesmo que a redução seja significativa, um não significativo não prova que o valor de é zero.$c$$c'$$c'$$c'$

Imagino que haja uma discussão dessas abordagens para testar a mediação completa na literatura, mas algumas opções vêm à mente:

• Teste de equivalência : Você pode testar a hipótese nula de que , em que e são considerados suficientemente próximos de zero ou suficientes menos que que a rejeição da hipótese nula é vista como um argumento para que a mediação completa seja plausível.$c' < \hat{c}$$0 < \hat{c} < c$$\hat{c}$$c$
• Intervalos de confiança : Você pode obter intervalos de confiança em .$c'$
• Abordagens bayesianas : você pode usar abordagens bayesianas para obter uma densidade posterior em e se o intervalo de credibilidade de 95% for suficientemente pequeno, você pode argumentar que a mediação está plausivelmente próxima da conclusão. Uma rápida pesquisa revelou este artigo ( análise de mediação bayesiana ).$c'$

Considerações gerais sobre relatórios de análise de mediação

Parece-me que, ao quantificar o grau de mediação, tanto a redução percentual de a é interessante quanto o tamanho do efeito indireto. Os termos mediação parcial e completa sugerem uma distinção binária que provavelmente raramente é verdadeira em aplicações de pesquisa em ciências sociais. Em vez disso, o relatório de uma análise de mediação deve focar na quantificação do grau de mediação, tanto em termos percentuais quanto em termos do tamanho do efeito indireto. Também deve quantificar a incerteza nessas estimativas.$c$$c'$

Análise dos pontos de David Kenny

Como um ponto adicional, vale a pena notar que David A. Kenny reconhece os problemas relacionados ao teste de significância para mediação em sua página da web . Cito a passagem principal aqui:

Observe que as etapas são declaradas em termos de coeficientes zero e diferente de zero, não em termos de significância estatística, como eram em Baron e Kenny (1986). Como coeficientes trivialmente pequenos podem ser estatisticamente significativos com tamanhos de amostra grandes e coeficientes muito grandes podem ser não significativos com tamanhos de amostra pequenos, as etapas não devem ser definidas em termos de significância estatística. A significância estatística é informativa, mas outras informações devem fazer parte da tomada de decisão estatística. Por exemplo, considere o caso em que o caminho a é grande eb é zero. Nesse caso, c = c '. É muito possível que o teste estatístico de c 'não seja significativo (devido à colinearidade entre X e M), enquanto c é estatisticamente significativo.

A abordagem de Baron e Kenny está um pouco desatualizada - atualmente é recomendável usar uma abordagem de bootstrap para testar a mediação (Preacher & Hayes, 2004). Um problema com a abordagem B & K é, que é possível observar uma mudança a partir de uma significativa caminho para um não significativa caminho com uma muito pequena mudança no tamanho absoluto do coeficiente.$X\rightarrow Y$$X\rightarrow Y$

Um teste mais direto de mediação é testar a diferença de (que, na maioria dos casos, é equivalente a testar o efeito indireto ). A abordagem de bootstrapping tem muito mais poder estatístico e não se baseia em suposições de normalidade multivariadas (que são violadas de qualquer maneira por efeitos indiretos).$c - c'$$ab$

Para responder diretamente à sua pergunta:

P: Em um modelo simples de mediação, se eu considero o efeito indireto (ab) significativo e o efeito direto (c ') pequeno e insignificante, isso significa que tenho mediação total ou parcial?

A: De acordo com B&K: mediação completa. Segundo P&H: não necessariamente mediação completa.

Pregador, KJ, & Hayes, AF (2004). Procedimentos SPSS e SAS para estimar efeitos indiretos em modelos de mediação simples. Behavior Research Methods, Instruments, & Computers, 36, 717-731. doi: 10.3758 / BF03206553