Moderatoranalyse und Mediatoranalyse

Die Moderatoranalyse und Mediatoranalyse sind zwei Spezialformen der multiplen Regression. Es wird hierbei jeweils untersucht, inwiefern eine dritte Variable den Zusammenhang zwischen einer unabhängigen Variable (UV) und einer abhängigen Variable (AV) beeinflusst. Je nachdem welche dieser Analysen durchgeführt wird, beruht die Datenmodellierung auf einer von zwei Annahmen.

Bei der Moderatoranalyse gehst Du davon aus, dass sich Deine dritte Variable (= Moderatorvariable) direkt auf die Beziehung zwischen UV und AV auswirkt. Das heißt, je nach Veränderung der Ausprägung der Moderatorvariable ändert sich auch der Zusammenhang zwischen UV und AV. Mathematisch betrachtet wird dann untersucht, wie sich Deine UV, die Moderatorvariable sowie die Interaktion zwischen UV und Moderatorvariable auf Deine AV auswirken.

Sehen wir uns den Sachverhalt wieder anhand eines Beispiels an. Diesmal wollen wir den Zusammenhang zwischen Schlafpensum und Konzentrationsfähigkeit untersuchen sowie Koffeinkonsum als Moderatorvariable miteinbeziehen.

Moderationsanalyse

Damit wir diesbezüglich ein Moderationsmodell aufstellen können, müssen wir voraussetzen, dass die Versuchsleiter den teilnehmenden Personen die zu konsumierende Koffeinmenge vorschreiben. Wenn die Versuchspersonen so viel Koffein konsumieren könnten wie sie wollten, würde sich das Design eher für eine Mediationsanalyse eignen. Denn Personen, die wenig geschlafen haben, würden möglicherweise auch mehr Koffein zu sich nehmen. Sind die Voraussetzungen für die Moderationsanalyse aber erfüllt, ergibt sich folgendes Modell:

Wie weist man statistisch nach, dass kontrollierter Koffeinkonsum einen moderierenden Effekt zwischen Schlafpensum und Konzentrationsfähigkeit besitzt? Dazu muss der t-Test bei der Regressionsanalyse einen signifikanten Effekt des Interaktionsterms (Schlafpensum x Koffeinkonsum) auf die AV zeigen. Wären lediglich die UV und die Moderatorvariable signifikant, aber nicht deren Interaktion, hättest Du einfach die Haupteffekte zweiter UVs entdeckt. Diese wären aber unabhängig voneinander.

Mediatoranalyse

Bei der Mediatoranalyse gehst Du davon aus, dass Deine dritte Variable direkt mit Deiner UV und Deiner AV zusammenhängt. Diese Variable heißt auch Mediatorvariable. Sie soll sich nicht nur auf deren Beziehung auswirken. Dies wäre wie bereits erwähnt der Fall, wenn wir das eben beschriebene Experiment wiederholen, mit dem Unterschied, dass die Teilnehmer diesmal selbst entscheiden dürfen, wie viel Koffein sie konsumieren. Das Modell würde dann folgendermaßen aussehen:

Damit Du in diesem Modell einen Mediationseffekt nachweisen kannst, wäre es bspw. bei der Statistiksoftware SPSS notwendig drei Regressionen zu rechnen. Denn ohne entsprechendes Plugin gibt es keine entsprechenden Module zur Analyse von Mediationsmodellen. In zwei separaten Regressionen müsstest Du zeigen, dass sowohl der Zusammenhang zwischen Schlafpensum und Konzentrationsfähigkeit, als auch jener zwischen Schlafpensum und (selbst bestimmtem) Koffeinkonsum signifikant ist. Es müssen also zwischen UV und AV sowie zwischen UV und Mediator signifikante Regressionseffekte bestehen. Nur dann machen weitere Analysen überhaupt Sinn. Im dritten und letzten Schritt würdest Du eine multiple Regression durchführen, in der Schlafpensum und Koffeinkonsum als UVs eingehen. Wenn die Mediatorvariable dann immer noch signifikant ist und der Regressionskoeffizient von Schlafpensum kleiner, als bei der ersten berechneten Regression, kannst Du davon ausgehen, dass die Variable Koffeinkonsum einen moderierenden Effekt auf Dein Modell hat.

Bedenke, dass Moderator- und Mediatoranalysen theoretisch immer besonders gut durchdacht sein müssen. Denn es kann schnell zu Verwechslungen kommen, ob eine dritte Variable eher als Moderator oder Mediator einzustufen ist.