تحلیل میانجی با روش بارون و کنی (1986)

تحلیل میانجی (Mediation Analysis) یکی از روش‌های آماری است که برای بررسی نقش یک متغیر میانجی (Mediator) در توضیح رابطه بین یک متغیر مستقل (Independent Variable یا IV) و یک متغیر وابسته (Dependent Variable یا DV) استفاده می‌شود. روش بارون و کنی (Baron & Kenny, 1986) یکی از رویکردهای کلاسیک و پرکاربرد در این زمینه است که بر اساس تحلیل رگرسیون خطی چندگانه بنا شده است. این روش فرض می‌کند که روابط خطی هستند و داده‌ها نرمال توزیع شده‌اند. هدف اصلی، تعیین این است که آیا متغیر میانجی رابطه بین IV و DV را “میانجی‌گری” می‌کند یا خیر.

این روش شامل چهار مرحله اصلی است که به صورت گام‌به‌گام انجام می‌شود. هر مرحله با یک مدل رگرسیون بررسی می‌شود. اگر همه مراحل برقرار باشند، میانجی‌گری تأیید می‌شود. در ادامه، مراحل را به طور کامل توصیف می‌کنم:

مراحل روش بارون و کنی

فرض کنید متغیر مستقل X (IV)، متغیر وابسته Y (DV) و متغیر میانجی M (Mediator) است.

1. مرحله اول: بررسی رابطه مستقیم بین IV و DV
   • مدل رگرسیون: Y = β₀ + β₁X + ε
   • شرط: ضریب β₁ (مسیر c، که رابطه مستقیم X با Y است) باید معنادار باشد (p < 0.05).
   • تفسیر: اگر رابطه معناداری بین X و Y وجود نداشته باشد، میانجی‌گری ممکن نیست، زیرا چیزی برای میانجی‌گری وجود ندارد. این مرحله بررسی اثر کل (Total Effect) است.
2. مرحله دوم: بررسی رابطه بین IV و Mediator
   • مدل رگرسیون: M = β₀ + β₁X + ε
   • شرط: ضریب β₁ (مسیر a، که رابطه X با M است) باید معنادار باشد.
   • تفسیر: متغیر مستقل باید بر متغیر میانجی تأثیرگذار باشد. اگر این رابطه معنادار نباشد، میانجی‌گری رد می‌شود.
3. مرحله سوم: بررسی رابطه بین Mediator و DV با کنترل IV
   • مدل رگرسیون: Y = β₀ + β₁X + β₂M + ε
   • شرط: ضریب β₂ (مسیر b، که رابطه M با Y است) باید معنادار باشد، در حالی که X کنترل شده است.
   • تفسیر: متغیر میانجی باید بر متغیر وابسته تأثیرگذار باشد، حتی وقتی اثر مستقیم X کنترل شود. همچنین، ضریب β₁ در این مدل (مسیر c’، که اثر مستقیم باقی‌مانده است) بررسی می‌شود.
4. مرحله چهارم: مقایسه اثر مستقیم قبل و بعد از افزودن Mediator
   • مقایسه: ضریب مسیر c (از مرحله اول) با مسیر c’ (از مرحله سوم) مقایسه می‌شود.
   • شرط:
     • اگر c’ به طور معنادار کوچکتر از c شود و به صفر برسد (یا نزدیک صفر و غیرمعنادار شود)، میانجی‌گری کامل (Full Mediation) است.
     • اگر c’ کوچکتر شود اما همچنان معنادار بماند، میانجی‌گری جزئی (Partial Mediation) است.
   • تفسیر: این مرحله نشان می‌دهد که چقدر از رابطه X-Y توسط M توضیح داده می‌شود. برای بررسی دقیق‌تر، می‌توان از آزمون سوبل (Sobel Test) برای معناداری اثر غیرمستقیم (a * b) استفاده کرد، هرچند بارون و کنی آن را الزامی نمی‌دانند.

نکات مهم و محدودیت‌ها:

• این روش فرض می‌کند هیچ متغیر مداخله‌گر (Confounder) دیگری وجود ندارد.
• داده‌ها باید نرمال باشند و هیچ هم‌خطی (Multicollinearity) شدیدی وجود نداشته باشد.
• در سال‌های اخیر، روش‌های پیشرفته‌تری مانند بوت‌استرپینگ (Bootstrapping) یا مدل‌سازی معادلات ساختاری (SEM) پیشنهاد شده‌اند، زیرا روش بارون و کنی ممکن است در موارد پیچیده خطا داشته باشد (مثلاً وقتی اثر کل معنادار نیست اما میانجی‌گری وجود دارد).
• برای محاسبه اثر غیرمستقیم، فرمول: اثر غیرمستقیم = a * b، و اثر کل = c = c’ + (a * b).

جدول تصمیم‌گیری روش بارون و کنی

جدول زیر مراحل تصمیم‌گیری را خلاصه می‌کند. اگر شرط هر مرحله برقرار نباشد، تحلیل متوقف می‌شود.

مرحله	مدل رگرسیون	شرط تصمیم‌گیری	نتیجه اگر شرط برقرار باشد	نتیجه اگر شرط برقرار نباشد
1	Y روی X	β₁ (مسیر c) معنادار است؟	ادامه به مرحله 2	عدم وجود رابطه؛ میانجی‌گری رد می‌شود
2	M روی X	β₁ (مسیر a) معنادار است؟	ادامه به مرحله 3	میانجی‌گری رد می‌شود
3	Y روی X و M	β₂ (مسیر b) معنادار است؟	ادامه به مرحله 4	میانجی‌گری رد می‌شود
4	مقایسه c و c’	c’ < c و غیرمعنادار؟	میانجی‌گری کامل	اگر c’ < c اما معنادار: میانجی‌گری جزئی؛ در غیر این صورت رد

نمودار تصمیم‌گیری

نمودار زیر (به صورت ساده‌شده با استفاده از متن) مسیرهای تصمیم‌گیری را نشان می‌دهد. این یک نمودار مسیر (Path Diagram) استاندارد برای تحلیل میانجی است:

text

X (IV) ------------> Y (DV)

| (مسیر c: اثر کل)

|

v (مسیر a)

M (Mediator)

|

v (مسیر b)

Y (DV) <------------ (مسیر c': اثر مستقیم باقی‌مانده)

تفسیر نمودار:

• فلش مستقیم از X به Y: اثر کل (c).
• فلش از X به M (a) و سپس از M به Y (b): اثر غیرمستقیم (a * b).
• وقتی M اضافه می‌شود، فلش مستقیم باقی‌مانده (c’) باید کاهش یابد.
• اگر c’ = 0، میانجی کامل؛ اگر c’ > 0 اما کمتر از c، میانجی جزئی.

این نمودار را می‌توان در نرم‌افزارهایی مانند AMOS یا R برای مدل‌سازی واقعی ترسیم کرد.

منبع مقاله مربوطه با فرمت APA

Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173

خواهشمند است، نظر خودتان را در پایان نوشته در سایت https://rava20.ir مرقوم نمایید. همین نظرات و پیشنهاد های شما باعث پیشرفت سایت می گردد. با تشکر 

پیشنهاد می شود مطالب زیر را هم در سایت روا 20 مطالعه نمایید:

آزمون تحلیل واریانس  تحلیل واریانس چند متغیره (MANOVA):

نوشته

ضریب بتا چگونه در تحلیل رگرسیون تفسیر می‌شود؟

نوشته

آزمون تحلیل رگرسیون یا regression analysis test

نوشته

تحلیل رگرسیون چیست؟ Regression Analysis

نوشته

داده های کیفی – تعریف، انواع، تجزیه و تحلیل مثالها، روشهای جمع آوری و اهمیت داده های کیفی در پژوهش بازاریابی