Wie testet man Mediationseffekte in SPSS Amos?
In diesem Beitrag
Was ist ein Mediationseffekt?
Eine Mediation liegt vor, wenn der Einfluss einer unabhängigen Variable X auf eine abhängige Variable Y nicht (oder nicht ausschließlich) direkt erfolgt, sondern über eine dritte Variable M vermittelt wird. Diese dritte Variable nennt man Mediatorvariable.
Ein Beispiel aus der Psychologie: Stress (X) beeinflusst die Schlafqualität (Y) – aber vielleicht läuft dieser Effekt maßgeblich über das Grübeln (M) als vermittelnden Prozess. Die Frage lautet dann: Wie groß ist der indirekte Effekt von Stress auf Schlafqualität, der über das Grübeln vermittelt wird?
Mediationsanalysen sind in der Psychologie, den Sozialwissenschaften und der Medizin weit verbreitet – und Strukturgleichungsmodelle in SPSS Amos bieten eine methodisch robuste Grundlage, um solche Prozesse systematisch zu testen.
Die Logik des indirekten Effekts
Im klassischen Mediationsmodell gibt es drei zentrale Pfade:
- Pfad a: Der Effekt von X auf den Mediator M
- Pfad b: Der Effekt des Mediators M auf Y (unter Kontrolle von X)
- Pfad c‘: Der direkte Effekt von X auf Y (nach Kontrolle von M)
Der indirekte Effekt ergibt sich als Produkt dieser beiden Pfade:
Indirekter Effekt
Entscheidend ist: Der indirekte Effekt ist kein einfacher Regressionskoeffizient, sondern das Produkt zweier Parameter. Das hat methodische Konsequenzen, auf die wir gleich eingehen.
Das Mediationsmodell in Amos aufbauen
Bevor Sie mit der Analyse beginnen, müssen Ihre Daten in SPSS vorliegen. Wie Sie dabei vorgehen, beschreibt unser Beitrag zum Datentransfer von SPSS nach Amos.
Schritt 1: Pfaddiagramm zeichnen
Öffnen Sie Amos Graphics und starten Sie ein neues Modell. Zeichnen Sie die drei Variablen X, M und Y als Rechtecke (beobachtete Variablen). Verbinden Sie die Variablen mit einseitigen Pfeilen:
- X → M (Pfad a)
- M → Y (Pfad b)
- X → Y (direkter Pfad c‘)
Vergessen Sie nicht, M und Y je ein Residuum (Fehlerterm) zuzuweisen – in Amos über das Symbol für unbeobachtete Variablen (Ellipse) oder per Rechtsklick → Add a unique variable to [Variablenname].
Schritt 2: Daten verknüpfen
Klicken Sie auf File → Data Files → File Name und wählen Sie Ihre SPSS-Datei (.sav). Stellen Sie sicher, dass die Variablennamen im Diagramm exakt mit den Spaltennamen in der SPSS-Datei übereinstimmen.
Schritt 3: Indirekten Effekt definieren
Damit Amos den indirekten Effekt (a × b) berechnet und nicht nur die einzelnen Pfade, müssen Sie im Menü View → Analysis Properties → Output die Option „Indirect, direct and total effects“ aktivieren. Nur so erhalten Sie den indirekten Effekt als eigenständige Größe im Output.
Bootstrap-Konfidenzintervalle aktivieren
Hier liegt die methodische Kernentscheidung der modernen Mediationsanalyse: Wie testen Sie, ob der indirekte Effekt statistisch bedeutsam ist?
Warum Bootstrap?
Der indirekte Effekt ist ein Produkt zweier Koeffizienten (a × b). Diese Produktverteilung ist häufig asymmetrisch und weicht von der Normalverteilung ab – besonders dann, wenn einer der beiden Pfade klein ist oder die Stichprobe moderat groß ist. Klassische symmetrische Konfidenzintervalle (z. B. aus dem Sobel-Test) unterschätzen in solchen Fällen die Unsicherheit.
Bootstrap-Konfidenzintervalle umgehen dieses Problem: Sie ziehen wiederholt Stichproben aus den vorhandenen Daten und schätzen die Verteilung des indirekten Effekts empirisch – ohne Normalverteilungsannahme. In der Methodenliteratur wird empfohlen, Bootstrap-Konfidenzintervalle als Standard für den Test indirekter Effekte zu verwenden, weil sie robuster und genauer als klassische Approximationsverfahren sind.
Bootstrap in Amos aktivieren – Schritt für Schritt
- Gehen Sie zu View → Analysis Properties
- Klicken Sie auf den Reiter Bootstrap
- Setzen Sie einen Haken bei „Perform bootstrap“
- Tragen Sie die Anzahl der Bootstrap-Stichproben ein – empfohlen werden mindestens 2.000, besser 5.000
- Aktivieren Sie zusätzlich „Bias-corrected confidence intervals“ (BC-Bootstrap)
- Stellen Sie das Konfidenzniveau ein (Standard: 95 %)
Der Bias-corrected Bootstrap (BC) korrigiert systematische Verzerrungen in der Schätzung und gilt als genauer als der einfache Percentile-Bootstrap. Für Abschlussarbeiten ist dieser Ansatz methodisch gut begründbar.
Ergebnisse lesen und interpretieren
Nach der Schätzung öffnen Sie den Amos-Output über View → Text Output. Relevant sind zwei Bereiche:
Direkte und indirekte Effekte
Im Abschnitt „Indirect Effects“ finden Sie den geschätzten indirekten Effekt von X auf Y über M. Der Amos-Output weist direkte, indirekte und totale Effekte getrennt aus – sowohl unstandardisiert als auch standardisiert (wenn Sie standardisierte Schätzungen angefordert haben).
Bootstrap-Konfidenzintervalle prüfen
Im Bootstrap-Abschnitt des Outputs finden Sie für jeden indirekten Effekt die untere und obere Grenze des Konfidenzintervalls. Die Entscheidungsregel ist einfach:
Kriterium für einen signifikanten indirekten Effekt
- Das 95-%-Bootstrap-Konfidenzintervall des indirekten Effekts schließt den Wert 0 nicht ein → Der indirekte Effekt ist statistisch bedeutsam
- Das Konfidenzintervall schließt 0 ein → Kein belastbarer Nachweis für einen Mediationseffekt
Ein p-Wert für den indirekten Effekt wird in Amos nicht direkt ausgewiesen – das Konfidenzintervall ist das primäre Entscheidungskriterium.
Fit-Indizes prüfen
Auch bei einem einfachen Mediationsmodell sollten Sie die Modellpassung berichten. Prüfen Sie CFI, RMSEA und SRMR – wie Sie diese Werte einordnen, erklärt unser Beitrag zur Interpretation der Fit-Indizes in Amos.
Partielle vs. vollständige Mediation
Sobald Sie wissen, dass der indirekte Effekt bedeutsam ist, stellt sich die nächste Frage: Wie stark ist der direkte Pfad von X auf Y noch – nach Kontrolle des Mediators?
| Art der Mediation | Direkter Effekt (c‘) | Indirekter Effekt (a × b) | Interpretation |
|---|---|---|---|
| Vollständige Mediation | Nicht signifikant (≈ 0) | Signifikant | M erklärt den gesamten Effekt von X auf Y |
| Partielle Mediation | Signifikant | Signifikant | M erklärt einen Teil des Effekts; direkter Effekt bleibt bestehen |
| Keine Mediation | Signifikant oder nicht | Nicht signifikant | Kein vermittelter Effekt nachweisbar |
In der Praxis ist vollständige Mediation eher die Ausnahme. Für Abschlussarbeiten ist partielle Mediation eine valide und häufig theoretisch plausible Lösung – sofern der indirekte Effekt signifikant ist und inhaltlich interpretiert werden kann.
Eine häufig hilfreiche Ergänzung ist die Effektstärke des indirekten Effekts. Als Maß eignet sich der Anteil des totalen Effekts, der über den Mediator vermittelt wird:
Anteil des vermittelten Effekts
Ein PM-Wert von 0,60 würde bedeuten, dass 60 % des totalen Effekts von X auf Y über M vermittelt werden.
Häufige Fehler beim Mediationstest
Mediation ist konzeptionell einleuchtend – methodisch aber ein Bereich, in dem viele Abschlussarbeiten typische Stolpersteine aufweisen.
Weitere häufige Probleme:
- Stichprobengröße zu klein: Bootstrap-Analysen benötigen ausreichend Beobachtungen. Als Faustregel gilt n ≥ 100, besser n ≥ 200 für stabile Bootstrap-Schätzungen.
- Kein direkter Pfad im Modell: Wenn Sie den Pfad X → Y (c‘) weglassen, können Sie partielle und vollständige Mediation nicht unterscheiden.
- Fehlende Normalverteilungsprüfung: Auch wenn Bootstrap keine Normalverteilung voraussetzt, sollten grobe Ausreißer oder extrem schiefe Verteilungen vorab behandelt werden. Wie Sie mit problematischen Datenstrukturen in Amos umgehen, erklärt unser Beitrag zu fehlenden Werten in SPSS Amos.
- Kausalität implizieren ohne Design: Mediation in einem Querschnittsdesign zeigt statistische Zusammenhänge, keine Kausalität. Formulieren Sie Ihre Schlussfolgerungen entsprechend vorsichtig.
Ergebnisse in der Abschlussarbeit berichten
Für den Methodenteil und den Ergebnisteil Ihrer Arbeit benötigen Sie eine standardisierte Berichtsstruktur. Typischerweise gehören folgende Angaben in den Ergebnisteil:
- Unstandardisierter und standardisierter Pfadkoeffizient für Pfad a (X → M), inklusive Standardfehler und p-Wert
- Unstandardisierter und standardisierter Pfadkoeffizient für Pfad b (M → Y), inklusive Standardfehler und p-Wert
- Direkter Effekt c‘ (X → Y nach Kontrolle von M) mit p-Wert
- Indirekter Effekt (a × b): Punktschätzer, Bootstrap-SE, 95-%-BC-Konfidenzintervall [LL, UL]
- Totaler Effekt (a × b + c‘) und ggf. PM als Effektstärkemaß
- Fit-Indizes des Gesamtmodells (CFI, RMSEA, SRMR)
Ein Beispielsatz für den Ergebnisteil könnte lauten: „Der indirekte Effekt von X auf Y über M war statistisch bedeutsam (B = 0,18, SE = 0,06, 95-%-CI [0,08, 0,32]). Der direkte Effekt von X auf Y war nach Kontrolle des Mediators nicht mehr signifikant (β = 0,12, p = .21), was auf eine vollständige Mediation hindeutet.“
Ausführlichere Hinweise zur Darstellung finden Sie in unserem Beitrag darüber, wie man SEM-Ergebnisse in einer Abschlussarbeit berichtet.
Wenn Sie sich bei der methodischen Umsetzung unsicher sind – sei es bei der Modellspezifikation, der Interpretation der Bootstrap-Ergebnisse oder der Einordnung der Fit-Indizes – bietet professionelle Unterstützung für SPSS Amos-Analysen eine sinnvolle Absicherung, bevor Sie Ihre Ergebnisse einreichen.
Für komplexere Fragestellungen – etwa wenn Sie mehrere Mediatoren gleichzeitig testen oder Mediation mit Moderation kombinieren möchten – lohnt sich auch ein Blick auf Moderationseffekte in SPSS Amos sowie auf die Grundlagen des Strukturgleichungsmodells als übergeordneten methodischen Rahmen.
