PROCESO : MODERACIÓN Y MEDIACIÓN

PROCESS es un método complementario al enfoque PLS-SEM muy popular en el campo del marketing, así como en las ciencias sociales y del comportamiento. PROCESS se descompone en torno a dos conceptos principales: mediación y moderación.

El análisis de mediación se utiliza para probar hipótesis que aclaran los diversos mecanismos intermedios por los que surgen los efectos causales, mientras que el análisis de moderación se utiliza para explorar cuestiones sobre las condiciones de un efecto.

Lo que tienen en común estos dos conceptos es que exploran el papel que desempeña una tercera variable en la relación entre una variable explicativa X y una variable de respuesta Y.

MODELO DE MEDIACIÓN

El modelo de mediación supone que X influye en un mediador M que, a su vez, influye en Y. Los efectos directos e indirectos permiten concluir sobre la significatividad o no del modelo de mediación.

MODELO DE MODERACIÓN

El modelo de moderación supone que X influye en Y con mayor o menor intensidad en función de un moderador W. La significación de la moderación se basa en la significación o no del coeficiente asociado a la variable de interacción.

RESULTADOS DE UN ANÁLISIS DE PROCESOS EN XLSTAT

La tabla de análisis de la varianza se utiliza para evaluar el poder explicativo de las variables explicativas. El poder explicativo se evalúa comparando el ajuste (por mínimos cuadrados) del modelo final con el ajuste del modelo rudimentario que sólo incluye una constante igual a la media de la variable dependiente.

La tabla de parámetros del modelo muestra la estimación de los parámetros, el error estándar correspondiente, la t de Student, la probabilidad correspondiente, así como el intervalo de confianza.

La tabla del efecto directo de X sobre Y muestra la estimación del efecto directo de X sobre Y, el error estándar correspondiente, la t de Student, la probabilidad correspondiente, así como el intervalo de confianza.

La tabla del efecto directo condicional de X sobre Y muestra la estimación del efecto directo condicional de X sobre Y para tres valores del moderador (el percentil 16, la mediana y el percentil 84), el error estándar correspondiente, la t de Student, la probabilidad correspondiente y el intervalo de confianza.

La tabla del efecto indirecto de X sobre Y muestra la estimación del efecto indirecto de X sobre Y, y el correspondiente intervalo de confianza y desviación estándar obtenidos por el método bootstrap. Si el intervalo de confianza incluye 0, entonces el efecto indirecto de X sobre Y en el modelo no es significativo.

La tabla del efecto indirecto condicional de X sobre Y muestra la estimación del efecto indirecto condicional de X sobre Y para tres valores del moderador (el percentil 16, la mediana y el percentil 84), el error estándar correspondiente, la t de Student, la probabilidad correspondiente, así como el intervalo de confianza. Si el intervalo de confianza incluye 0, entonces para el valor del moderador en cuestión, el efecto indirecto condicional de X sobre Y en el modelo no es significativo.

La tabla del índice de mediación moderada muestra la estimación del índice de mediación moderada, así como el intervalo de confianza y la desviación estándar correspondientes obtenidos por el método bootstrap. Si el intervalo de confianza incluye 0, el modelo de mediación moderada no se considera significativo.

Gráfico de Johnson-Neyman: Este gráfico se utiliza para visualizar a partir de qué valor del moderador el efecto pasa a ser significativo.

Gráfico de efecto condicional: Este gráfico se utiliza para visualizar la evolución del efecto condicional en el modelo para tres valores del moderador (el percentil 16, la mediana y el percentil 84).

Nota: Hay muchos modelos predefinidos disponibles. Al elegir un modelo, éste se muestra directamente a la derecha en el cuadro de diálogo.