Analiza moderacji sprawdza, czy związek między predyktorem X a wynikiem Y zmienia się zależnie od trzeciej zmiennej W. W pracy dyplomowej może odpowiadać na pytanie, czy wsparcie przełożonego słabiej lub silniej wiąże się z dobrostanem przy różnym obciążeniu pracą. Nie jest to mediacja i nie wystarczy porównać dwóch osobnych korelacji.
Ten poradnik pokazuje, jak zapisać interakcję, przygotować dane, wykonać analizę w module GAMLj programu Jamovi, odczytać proste nachylenia i opisać wynik bez języka przyczynowego. Jeśli dopiero wybierasz podstawowy model, zacznij od regresji liniowej w Jamovi.
Co naprawdę oznacza moderacja
Moderator nie musi być przyczyną X ani Y. Jego rola polega na tym, że nachylenie relacji X–Y zależy od wartości W. W równaniu regresji odpowiada za to składnik interakcyjny X×W:
Współczynnik b₃ mówi, o ile zmienia się nachylenie X, gdy W rośnie o jednostkę.
Istotny efekt główny X nie jest warunkiem moderacji. Gdy linie mają przeciwne nachylenia, średni efekt X może być bliski zeru, choć interakcja jest wyraźna.
Moderacja i mediacja odpowiadają na inne pytania
Kiedy lub dla kogo? W zmienia relację X–Y.
X × W → Y
Przez jaki mechanizm? X wiąże się z Y poprzez M.
X → M → Y
Jeżeli interesuje Cię efekt pośredni, właściwy będzie osobny poradnik o analizie mediacji w Jamovi. Połączenie obu modeli jest możliwe, ale wymaga mocniejszego uzasadnienia i większej próby.
Jak przygotować zmienne
Każdy wiersz powinien oznaczać jedną osobę. X, W, Y oraz uzasadnione zmienne kontrolne umieść w osobnych kolumnach. Sprawdź kody braków, kierunek skal i wartości odstające według procedury przygotowania danych w Jamovi.
- Dla moderatora ciągłego zachowaj pełną informację zamiast dzielić wynik arbitralnie na „niski” i „wysoki”.
- Centrowanie X i W ułatwia interpretację efektów głównych, lecz nie tworzy ani nie usuwa interakcji.
- Dla moderatora kategorialnego ustaw właściwy poziom referencyjny.
- Nie dodawaj interakcji po obejrzeniu wyników bez wcześniejszej hipotezy lub wyraźnego oznaczenia analizy eksploracyjnej.
Jak wykonać analizę w Jamovi
- Z biblioteki modułów zainstaluj GAMLj.
- Otwórz GAMLj → General Linear Model i przypisz Y do Dependent Variable.
- Dodaj X i W jako Covariates albo Factors zgodnie z ich poziomem pomiaru.
- W sekcji Model Terms dodaj X, W oraz X×W. Hierarchiczny model zachowuje składniki główne.
- Włącz estimates, przedziały ufności i miary dopasowania.
- W sekcji Simple Effects lub Simple Slopes wybierz X jako zmienną ogniskową, a W jako moderator.
- Utwórz interaction plot i zapisz wartości W użyte do wykresu, zwykle średnią oraz ±1 SD.
Wersje mają znaczenie. GAMLj jest modułem rozwijanym niezależnie od podstawowego Jamovi. W pracy podaj wersję programu i modułu, a nazwy opcji sprawdź w swoim interfejsie.
Zobacz, jak moderator obraca relację
Ta sama zmienna X, trzy warunki W
Przesuń suwak. Zobaczysz, jak składnik X×W rozsuwa proste i zmienia warunkową relację.
Niskie W
Średnie W
Wysokie W
Wartości są syntetyczne i pokazują logikę interpretacji, nie próg istotności.
Wykres nie zastępuje tabeli współczynników ani przedziałów ufności. Pomaga sprawdzić kierunek i skalę interakcji oraz wykryć sytuację, w której proste przecinają się. Nie interpretuj linii poza zakresem obserwowanych wartości X i W.
Jak czytać simple slopes
Proste nachylenia pokazują efekt X przy konkretnych wartościach W. Dla moderatora ciągłego program często podaje wynik przy średniej i jednym odchyleniu standardowym poniżej oraz powyżej średniej. Każde nachylenie powinno mieć oszacowanie, błąd standardowy, przedział ufności i wartość p.
Jeżeli potrzebujesz podstaw interpretacji przedziałów, zobacz poradnik o wartości p i przedziałach ufności.
Wzór opisu wyniku
Przeprowadzono analizę moderacji metodą regresji liniowej, sprawdzając, czy obciążenie pracą moderuje związek wsparcia przełożonego z dobrostanem. Składnik interakcyjny wsparcie × obciążenie był istotny, b = −0,18, 95% CI [−0,30; −0,06], p = 0,004. Analiza prostych nachyleń wskazała, że przy niskim obciążeniu związek wsparcia z dobrostanem był dodatni, b = 0,42, 95% CI [0,26; 0,58], natomiast przy wysokim obciążeniu był słabszy, b = 0,08, 95% CI [−0,07; 0,23]. Wynik jest zgodny z hipotezą, że obciążenie osłabia badaną relację.
Liczby są przykładowe. W swoim tekście dodaj liczebność, sposób kodowania, wersję programu, dopasowanie modelu i informację, czy predyktory centrowano.
Najczęstsze błędy
Różnica między wynikiem istotnym i nieistotnym nie jest automatycznie istotną różnicą.
Podział ciągłego moderatora po medianie traci informację i może zmieniać wynik.
Model z samym X×W zwykle nie ma właściwej interpretacji hierarchicznej.
Rozchodzące się linie trzeba potwierdzić współczynnikiem interakcji i niepewnością.
Co wolno wnioskować
Moderacja opisuje warunkową zależność w przyjętym modelu. W danych przekrojowych nie dowodzi, że W przyczynowo zmienia działanie X. Siła wniosku zależy od projektu, jakości pomiaru, kolejności czasowej i możliwych zmiennych zakłócających.
Dobry raport łączy trzy warstwy: uzasadnienie teoretyczne interakcji, współczynnik X×W z przedziałem ufności oraz proste nachylenia pokazane w zakresie danych. Sam kolorowy wykres nie wystarcza, ale dobrze zaprojektowany wykres pozwala czytelnikowi zrozumieć wynik.
