Mediationsanalyse: Indirekten Effekt interpretieren

Als Letztes müssen wir noch den indirekten Effekt interpretieren. Er ist der eigentliche Mediationseffekt. Es gibt zwar verschiedene Verfahren und Tests, um den indirekten Effekt beispielsweise auf Signifikanz zu überprüfen, allerdings haben die meisten Verfahren Nachteile und können nicht empfohlen werden. Deshalb gilt als aktuelle Empfehlung, lediglich den indirekten Effekt zusammen mit dem Konfidenzintervall anzugeben, wie wir es in diesem Artikel zeigen.

SPSS Ausgabe interpretieren

Run MATRIX procedure:

*************** PROCESS Procedure for SPSS Version 3.3 *******************

          Written by Andrew F. Hayes, Ph.D.       www.afhayes.com
    Documentation available in Hayes (2018). www.guilford.com/p/hayes3

**************************************************************************
Model  : 4
    Y  : reg
    X  : ideologi
    M  : konsens

Sample
Size:  49

**************************************************************************
OUTCOME VARIABLE:
 konsens

Model Summary
          R       R-sq        MSE     F(HC3)        df1        df2          p
      .7576      .5740  1627.0914    48.1364     1.0000    47.0000      .0000

Model
              coeff    se(HC3)          t          p       LLCI       ULCI
constant    11.7932    22.6953      .5196      .6058   -33.8643    57.4507
ideologi    27.5810     3.9753     6.9380      .0000    19.5836    35.5784

**************************************************************************
OUTCOME VARIABLE:
 reg

Model Summary
          R       R-sq        MSE     F(HC3)        df1        df2          p
      .6831      .4666  1345.8501    16.0915     2.0000    46.0000      .0000

Model
              coeff    se(HC3)          t          p       LLCI       ULCI
constant    60.4191    18.1986     3.3200      .0018    23.7868    97.0514
ideologi      .0044     5.2906      .0008      .9993   -10.6451    10.6540
konsens       .5492      .1535     3.5776      .0008      .2402      .8581

************************** TOTAL EFFECT MODEL ****************************
OUTCOME VARIABLE:
 reg

Model Summary
          R       R-sq        MSE     F(HC3)        df1        df2          p
      .5176      .2679  1807.9039    17.3236     1.0000    47.0000      .0001

Model
              coeff    se(HC3)          t          p       LLCI       ULCI
constant    66.8954    19.2636     3.4726      .0011    28.1417   105.6491
ideologi    15.1508     3.6401     4.1622      .0001     7.8277    22.4738

************** TOTAL, DIRECT, AND INDIRECT EFFECTS OF X ON Y **************

Total effect of X on Y
     Effect    se(HC3)          t          p       LLCI       ULCI       c_ps       c_cs
    15.1508     3.6401     4.1622      .0001     7.8277    22.4738      .3081      .5176

Direct effect of X on Y
     Effect    se(HC3)          t          p       LLCI       ULCI      c'_ps      c'_cs
      .0044     5.2906      .0008      .9993   -10.6451    10.6540      .0001      .0002

Indirect effect(s) of X on Y:
            Effect     BootSE   BootLLCI   BootULCI
konsens    15.1463     3.9841     7.3477    23.0759

Partially standardized indirect effect(s) of X on Y:
            Effect     BootSE   BootLLCI   BootULCI
konsens      .3080      .0734      .1595      .4505

Completely standardized indirect effect(s) of X on Y:
            Effect     BootSE   BootLLCI   BootULCI
konsens      .5175      .1165      .2684      .7226

*********** BOOTSTRAP RESULTS FOR REGRESSION MODEL PARAMETERS ************

OUTCOME VARIABLE:
 konsens

              Coeff   BootMean     BootSE   BootLLCI   BootULCI
constant    11.7932    11.4533    21.8206   -31.7826    54.4548
ideologi    27.5810    27.6559     3.8143    20.2423    35.2418

----------

OUTCOME VARIABLE:
 reg

              Coeff   BootMean     BootSE   BootLLCI   BootULCI
constant    60.4191    59.9990    18.1073    24.8976    96.0415
ideologi      .0044      .4222     5.0683    -8.9780    10.8300
konsens       .5492      .5408      .1426      .2527      .8044

*********************** ANALYSIS NOTES AND ERRORS ************************

Level of confidence for all confidence intervals in output:
  95.0000

Number of bootstrap samples for percentile bootstrap confidence intervals:
  5000

NOTE: A heteroscedasticity consistent standard error and covariance matrix estimator was used.

NOTE: Variables names longer than eight characters can produce incorrect output.
      Shorter variable names are recommended.

------ END MATRIX -----

Interpretation

Für die Interpretation interessiert uns vor allem das Konfidenzintervall (obere und untere Grenze hier jeweils grün und blau dargestellt). Diese Werte des Konfidenzintervalls sind durch robustes Bootstrapping berechnet worden. Für die Interpretation schaut man jetzt, ob Null im Konfidenzintervall enthalten ist.

Ist Null enthalten, wird die untere Grenze des Konfidenzintervalls (hier grün) in den meisten Fällen negativ sein, während die obere Grenze (hier blau) positiv ist. Ist Null nicht im Konfidenzintervall enthalten, kann man davon ausgehen, das der indirekte Effekt signifikant ist. In den meisten Fällen berichtet man dies nicht direkt, sondern lediglich, dass man einen Mediationseffekt gefunden hat und gibt zusätzlich die entsprechenden Konfidenzintervalle an.

Ergebnisse Berichten

Schriftlich können wir den indirekten Effekt wie unten berichten.

Auf der nächsten Seite fassen wir noch einmal alle Ergebnisse und Darstellungsarten zusammen.