Wat is het verschil tussen moderatie en mediation?
Moderatie en mediation zijn twee heel verschillende ideeën, dus het is een beetje jammer dat ze niet alleen zulke vergelijkbare namen hebben, maar ook de neiging hebben om hetzelfde citaat te vergezellen: Baron en Kenny (1986). Hoewel er enkele overeenkomsten zijn tussen de twee analyses die belangrijk zijn om te begrijpen, zullen we ons hier concentreren op de verschillen tussen moderatie en bemiddeling.
Om te beginnen moeten we begrijpen dat beide analyses te maken hebben met een beter begrip van de relatie tussen een onafhankelijke en afhankelijke variabele. In dit opzicht hebben zowel mediation als moderatie te maken met het nagaan hoe een derde variabele in die relatie past. Om deze twee concepten te begrijpen, eindigen hier de overeenkomsten.
Moderatie is een manier om te controleren of die derde variabele de sterkte of richting van de relatie tussen een onafhankelijke en afhankelijke variabele beïnvloedt. Een gemakkelijke manier om dit te onthouden is dat de moderatorvariabele de sterkte van een relatie kan veranderen van sterk naar matig, naar helemaal niets. Het is bijna als een draaiknop op de relatie; als je de waarden van de moderator verandert, kan een statistische relatie die je eerder hebt waargenomen verdwijnen. Als je bijvoorbeeld verwachtte dat de tijd die je zou studeren in verband met de cijfers op een calculus-test, zou zijn, zou je waarschijnlijk gelijk hebben. Laten we zeggen dat er een sterke relatie is tussen de tijd die wordt besteed aan studeren en cijfers. Het is echter mogelijk dat die relatie niet over de hele linie geldt; zoiets als niveau zou een mogelijke moderator kunnen zijn. Als je de waarde van deze moderator verandert van student naar basisschool, zal die relatie waarschijnlijk niet standhouden. Geen enkele hoeveelheid studeren zal een tweedeklasser waarschijnlijk een A helpen op een wiskunde-examen, maar voor een student is studietijd van groot belang.
Bemiddeling is iets eenvoudiger in zijn naamgeving. Een bemiddelaar bemiddelt de relatie tussen de onafhankelijke en afhankelijke variabelen – en verklaart de reden voor het bestaan van een dergelijke relatie. Een andere manier om over een mediatorvariabele na te denken, is dat deze een effect heeft. In een perfecte mediation leidt een onafhankelijke variabele tot een soort verandering in de mediatorvariabele, wat vervolgens leidt tot een verandering in de afhankelijke variabele. In de praktijk worden de relaties tussen de onafhankelijke variabele, mediator en afhankelijke variabele echter niet getest op causaliteit, maar alleen op een correlationeel verband.
Het doel van mediation analyse is om te zien of de invloed van de mediator sterker is dan de directe invloed van de onafhankelijke variabele. Een voor de hand liggende real-life mediator is temperatuur op een fornuis. Water begint pas te koken als je je fornuis hebt aangezet, maar het is niet de knop van de kachel die ervoor zorgt dat het water kookt, het is de warmte die ontstaat als je aan die knop draait. Om zoiets als dit te testen, zouden we kunnen controleren hoe nauw de knop die wordt gedraaid gecorreleerd is met de toestand van het water (d.w.z. kookt het?). De eerste paar minuten zou er geen effect zijn, dus we kunnen dat beschouwen als een zwakke correlatie. Vergeleken met de relatie tussen de temperatuur van uw kookplaat en de toestand van het water, kunnen we zien dat het eigenlijk de temperatuur van de kachel (de bemiddelaar) is die ervoor zorgt dat het water kookt, niet alleen de actie van het draaien van een knop (de onafhankelijke variabele). Door de sterkte van deze effecten te vergelijken krijg je inzicht in wat werkelijk het effect op het water draagt (de afhankelijke variabele).
