تفاوت متغیر میانجی و تعدیلگر چیست؟
میانجی و تعدیلگر هر دو «متغیر سوم» هستند، اما نقش یکسانی ندارند. اشتباه گرفتن آنها میتواند هم فرضیه پژوهش را تغییر دهد و هم روش تحلیل را اشتباه کند. 📊
━━━━━━━━━━━━━━
میانجی به سؤال «چگونه؟» پاسخ میدهد
متغیر میانجی در مسیر ارتباط میان متغیر مستقل و پیامد قرار میگیرد.
یعنی فرض میکنیم:
متغیر مستقل ← میانجی ← پیامد
مثلاً اگر حمایت اجتماعی با رضایت از زندگی مرتبط باشد، ممکن است بخشی از این ارتباط از طریق کاهش احساس تنهایی توضیح داده شود.
در این مثال، «احساس تنهایی» نقش میانجی دارد.
━━━━━━━━━━━━━━
تعدیلگر به سؤال «برای چه کسی یا در چه شرایطی؟» پاسخ میدهد
متغیر تعدیلگر مشخص میکند شدت یا جهت رابطه میان دو متغیر تحت چه شرایطی تغییر میکند.
مثلاً ممکن است رابطه استرس و فرسودگی شغلی در افرادی با حمایت اجتماعی بالا ضعیفتر باشد.
در این حالت، حمایت اجتماعی تعدیلگر است؛ چون قدرت رابطه استرس و فرسودگی به سطح آن بستگی دارد.
━━━━━━━━━━━━━━
فرق اصلی را اینطور به خاطر بسپارید 🧠
میانجی:
«این اثر از چه مسیری اتفاق میافتد؟»
تعدیلگر:
«این اثر چه زمانی، برای چه کسی یا تحت چه شرایطی تغییر میکند؟»
این تفاوت مفهومی مهمتر از انتخاب نرمافزار یا مدل آماری است.
━━━━━━━━━━━━━━
یک اشتباه رایج
نباید فقط با مشاهده چند همبستگی تصمیم بگیرید که یک متغیر میانجی است.
برای تفسیر میانجیگری، ترتیب زمانی متغیرها، منطق نظری و احتمال وجود عوامل مخدوشکننده اهمیت زیادی دارند.
⚠️ در دادههای مقطعی، تفسیر یک مسیر میانجی به عنوان سازوکار علّی معمولاً نیازمند احتیاط جدی است.
━━━━━━━━━━━━━━
جمعبندی
اگر میخواهید بدانید یک رابطه «از چه مسیری» شکل میگیرد، به میانجی فکر کنید.
اگر میخواهید بدانید رابطه «در چه شرایطی تغییر میکند»، به تعدیلگر فکر کنید.
اول نقش نظری متغیر را مشخص کنید؛ بعد سراغ مدل آماری بروید.
@researchyarr
Post #1786
501
- 👍 3