مهر ۵, ۱۳۹۹

آرشیو پایان نامه روانشناسی – الگو‎یابی معادله ساختاری: اندازه‎گیری اثر واسطه‎گر

الگو‎یابی معادله ساختاری: اندازه‎گیری اثر واسطه‎گر 

 

روابط ساختاری بین متغیرهای پنهان در الگویابی معادله ساختاری به شکل کوواریانس، اثرات مستقیم و اثرات غیر مستقیم می‎توانند باشند. کوواریانس قابل قیاس با همبستگی است؛ از این حیث که به منزله روابط غیر جهت‎دار۶ بین متغیرهای مستقل تعریف می‎شود که با کمان‎های دو سویه۷ نشان داده می‎شوند. اثرات مستقیم، روابط بین متغیرهای اندازه‎گیری‎شده و نهفته هستند که با کمان‎های یک سویه۸ نشان داده می‎شوند. خاطر نشان می‎سازد که اگرچه کمان‎ها متضمن جهت مسیرند اما نباید روابط بین متغیرهای نهفته را علّی تفسیر کرد؛ مگر آنکه داده‎های آنها بر اساس مطالعات طولی یا آزمایشی باشند (وستون وگور، ۲۰۰۵).

 

اثر غیر مستقیم، رابطه بین یک متغیر نهفته مستقل و متغیر نهفته وابسته است که از طریق یک یا چند متغیر نهفته واسطه‎گری می‎شود. واسطه‎گری ممکن است کامل۹ یا نسبی۱۰ باشد. اگر روابط مفروض مشتمل

 

بر اثرات مستقیم و غیر مستقیم بـاشد، واسطـه‎گری نسبی است و اگر صرفاً اثـرات غیر مستقیم فرض شوند،

 

واسطه‎گری کامل است (همان منبع).

 

پیش از بیان شیوه‎های اندازه‎گیری اثر واسطه‎گر، اشاره می‎کنیم که هر چند معمولاً اثر غیر مستقیم و واسطه‎گر معادل هم درنظرگرفته شده‎اند،  برخی مؤلفان (برای مثال، هولم بک[۱]،۱۹۹۷) بر این باورند که در بهره‎گیری از الگویابی معادله ساختاری برای آزمون اثرهای واسطه‎گر مهم است که بین اثرهای غیر مستقیم و واسطه‎گر تمایز قائل شد؛ به این معنا که ممکن است اثر غیر مستقیم معنادار باشد ولی معیارهای اثر واسطه‎گر وجود نداشته باشد.

 

دانلود مقاله و پایان نامه

 

روشی که به‎طور گسترده برای سنجش واسطه‎گری مورد استفاده قرار گرفته، روش گام‎های علّی است که در آثار کلاسیک بارون وکنی (بارون و کنی، ۱۹۸۶؛ کنی و دیگران، ۱۹۹۸؛ جود و کنی، ۱۹۸۱الف، ۱۹۸۱ب، نقل از مک کینون و دیگران، ۲۰۰۷) نشان داده شده است. طبق این روش، چهار گام وجود دارد که با سه معادله رگرسیون انجام می‎شود و بر اساس آن تعیین می‎گردد که یک متغیر (برای مثال، حمایت اجتماعی) رابطه بین یک متغیر پیش‎بینی‎کننده (برای مثال، شرایط مشاوره) و یک پیامد (برای مثال، بهزیستی) را واسطه‎گری می‎کند (شکل‎های ۱ـ۳ الف و ۱ـ۳ ب) (نقل از فریژر۴، تیکس۵و بارون۶، ۲۰۰۴).

 

 

 

 

مسیر پ

 

 

متغیر پیش‎بینی‎کننده 

 

(شرایط مشاوره)

 

 

متغیر پیامد 

 

(بهزیستی)

 

 

شکل ۱ـ۳ الف

 

 

متغیر واسطه‎گر 

 

(حمایت اجتماعی)

 

 

متغیر پیش‎بینی‎کننده 

 

(شرایط مشاوره)

 

 

متغیر پیامد 

 

(بهزیستی)

 

 

شکل ۱ـ۳ ب

 

 

مسیر الف الف الف

 

 

مسیر ب

 

 

مسیر پ

شکل ۱ـ۳ نمودار مسیرها در الگوهای واسطه‎‎گر ( اقتباس از فریژر و دیگران، ۲۰۰۴، ص. ۱۲۶)

 

 

 

فریژر و دیگران (۲۰۰۴) این گام‎ها را به شرح زیر توضیح می‎دهند:

 

۱ـ رابطه معنادار بین پیش‎بینی‎کننده و پیامد (مسیر پ در شکل ۱ـ۳ الف)؛

 

۲ـ رابطه معنادار بین پیش‎بینی‎کننده و واسطه‎گر (مسیر الف در شکل ۱ـ۳ ب)؛

 

۳ـ رابطه معنادار واسطه‎گر و متغیر پیامد (مسیر ب در شکل ۱ـ۳ ب)، این رابطه برآورد می‎شود در حالی
که اثرات پیش‎بینی‎کننده بر پیامد کنترل می‎شود؛

 

۴ـ نیرومندی رابطه بین پیش‎بینی‎کننده و پیامد به‎طور معناداری کاهش می‎یابد؛ وقتی که واسطه‎گر به
الگو اضافه شود (مقایسه مسیر پ در شکل ۱ـ۳ الف با مسیر پ” در شکل ۱ـ۳ ب). اگر حمایت اجتماعی یک واسطه‎گر کامل باشد، رابطه بین شرایط مشاوره و بهزیستی از صفر متفاوت خواهد بود، پس از آنکه حمایت اجتماعی وارد الگو می‎شود. اگر حمایت اجتماعی یک واسطه‎گر نسبی باشد، که بیشتر احتمال دارد این‎طور باشد، رابطه بین شرایط مشاوره و بهزیستی به‎طور معناداری کمتر خواهد بود، وقتی که حمایت اجتماعی وارد الگو می‎شود اما هنوز بیشتر از صفر خواهد بود.

 

همان‎طور که کنی و همکاران (۱۹۹۸، نقل از وو و سومبو، ۲۰۰۸) اذعان دارند این رویه چهار گامی، آزمون آماری مستقیم برای اثر واسطه‎گری نیست بلکه ابزاری است برای تشخیص اینکه آیا اثر واسطه‎گر وجود دارد یا نه. در واقع، با این روش نمی‎توان معناداری اثر واسطه‎گر را سنجید.

 

یک روش مورد استفاده برای سنجش معناداری اثر واسطه‎گر (ab) آزمون سوبل۱[۲](۱۹۸۲) بوده است که مستقیماً معناداری ab را نسبت به توزیع بهنجارZ با بهره گرفتن از خطای استاندارد اثر واسطه‎گر می‎سنجد. بدین ترتیب که پس از تقسیم حاصل ضرب دو ضریب غیر استانداردی که مسیرهای واسطه‎گری را تشکیل می‎دهند، بر خطای استاندارد این حاصل ضرب، نسبت به‎ دست آمده با جدول توزیع بهنجار مقایسه می‎شود؛ اگر نسبت به‎ دست آمده بزرگ‎تر از ۹۶/۱ باشد، نتیجه گرفته می‎شود که اثر واسطه‎گر معنادار است. فواصل اطمینان برای اثر واسطه‎گر نیز مورد استفاده قرار گرفته که به همان نتیجه‎گیری منجر شده است (لاک وود۲

 

 

و مک کینون، ۱۹۹۸؛ وو و سومبو، ۲۰۰۸).

 

مک کینون و دیگران (مک کینون، لاک وود، هافمن۳، وست و شیت۵، ۲۰۰۲؛ هویل۶و مک    کینون،۱۹۹۷، نقل از وو و سومبو، ۲۰۰۸) نشان داده‎اند که توان آماری آزمون سوبل کم است؛ زیرا وقتی حجم نمونه کوچک است، توزیع ab از توزیع نرمال دور می‎شود. برای فائق آمدن بر این مشکل، مک کینون آماره Z’ را فراهم کرده است که با آن می‎توان اثر واسطه‎گر (ab) را آزمون کرد. جدول Z’ از توزیع نمونه‎گیری تجربی برای مجموعه گسترده ارزش‎های a و b حاصل شده است. بر اساس این توزیع‎های تجربی، ارزش‎های بحرانی برای سطح معناداری متفاوت تعیین شده‎اند. جداول این ارزش‎های بحرانی را به شکل الکترونیکی در http://www.public.asu.edu/~davidpm/ripl/methods.htm می‎توان یافت. در پژوهش کنونی، برای تعیین معناداری اثر واسطه‎گر از این روش سود جسته‎ایم. در این روش، که به آزمون نامتقارن توزیع حاصل‎ضرب[۳] معروف است، ضریب واسطه‎گری به عنوان حاصل ضرب دو مسیر غیراستاندارد، که مسیر واسطه‎گری فرضی را تشکیل می‎دهند، محاسبه می‎شود. سپس، ۹۵ درصد فاصله اطمینان در اطراف این ضریب، برآورد می‎شود. اگر این فاصله شامل صفر نگردد، واسطه‎گری نسبی فرض می‎شود. مک کینون و دیگران (۲۰۰۲، نقل از شوارتز و دیگران، ۲۰۰۶) فقط به واسطه‎گری نسبی اذعان دارند و استدلال می‎کنند که واسطه‎گری کامل وجود ندارد.

 

مک کینون و دیگران (۲۰۰۷) در تأیید صحت و دقت این روش اظهار می‎کنند که فواصل اطمینان، که به وسیله روش توزیع حاصل ضرب محاسبه می‎شود، نامتقارن و منطبق با توزیع نابهنجار اثر غیر مستقیم‎اند. این پژوهشگران برنامه کامپیوتریPRODCLIN را معرفی کرده‎اند که به شکل الکترونیکی در www.public.asu.edu/~davidpm/ripl/prodclin برای سهولت بهره‎برداری پژوهشگران از این روش موجود است. این برنامه، فواصل اطمینان برای اثر غیر مستقیم را بر مبنای توزیع حاصل ضرب محاسبه می‎کند. در پژوهش کنونی برای تعیین معناداری اثر واسطه‎گر سردرگمی هویت از این برنامه کامپیوتری که مک کینون (ارتباط شخصی، ۱۳ جولای، ۲۰۱۰) آن را معرفی کرده است، بهره گرفتیم.

 

 

 

 

 

 

۱٫ Holmbeck, G. N.۳٫ Tix, A. P.
۲٫ Frazier, P. A.۴٫ Barron, K. E.

 

 

 

 

 

 

 

 

 

۱٫ Sobel, M. E.۳٫ Hoffman, J. M.۵٫ Sheets, V.
۲٫ Lockwood, C. M. 

 

 

۴٫ West, S. G.۶٫ Hoyle, R. H.

 

 

 

 

  1. Asymetric Distribution of Product Test