Seit 2019 im DACH-RaumSeit 2019
50+ Statistik-Experten50+ Experten
Über 1.200 Projekte1.200+ Projekte
Alle StatistikprogrammeAlle Programme
Express möglichExpress
Statistik-Glossar

Indirekter Effekt

Mediierter Effekt · Maximilian Fuchs · 27. April 2026 · 4 Min. Lesezeit

Was versteht man unter dem indirekten Effekt?

Der indirekte Effekt beschreibt den Teil des Einflusses einer unabhängigen Variable auf eine abhängige Variable, der über eine dritte Variable – den sogenannten Mediator – vermittelt wird. Anstatt direkt auf das Ergebnis zu wirken, „läuft“ der Effekt sozusagen einen Umweg: von der Ursache über den Mediator zum Ergebnis.

Formal ergibt sich der indirekte Effekt aus dem Produkt zweier Regressionskoeffizienten: dem Pfad von der unabhängigen Variable zum Mediator () und dem Pfad vom Mediator zur abhängigen Variable ():

Dieses Konzept stammt aus der Mediationsanalyse. Der gesamte Effekt einer unabhängigen Variable setzt sich dabei aus dem direkten Effekt (der Wirkung, die unabhängig vom Mediator besteht) und dem indirekten Effekt zusammen:

Einfach erklärt Stell dir vor, Sport treibt zur Gewichtsabnahme bei. Aber warum? Weil Sport den Stoffwechsel ankurbelt – und ein schnellerer Stoffwechsel das Gewicht senkt. Der Mediator ist hier der Stoffwechsel. Der indirekte Effekt misst genau diesen Umweg.

Warum ist der indirekte Effekt für statistische Analysen wichtig?

Viele Zusammenhänge in der Forschung sind nicht so direkt, wie sie auf den ersten Blick erscheinen. Der indirekte Effekt hilft dabei, die zugrundeliegenden Mechanismen zu verstehen – also das „Warum“ hinter einer Beziehung. Das ist besonders in der Sozialwissenschaft, Psychologie und Medizin relevant, wo komplexe Wirkungsketten die Regel sind.

Um zu prüfen, ob ein indirekter Effekt statistisch bedeutsam ist, hat sich das Bootstrap-Konfidenzintervall als Standardmethode etabliert. Dabei wird der Datensatz viele Male neu gezogen (z. B. 5.000 oder 10.000 Mal), und für jede Stichprobe wird berechnet. Schließt das resultierende Konfidenzintervall die Null nicht ein, gilt der indirekte Effekt als statistisch signifikant.

Gut zu wissen Der klassische Sobel-Test ist eine ältere Alternative zur Signifikanzprüfung des indirekten Effekts. Er setzt jedoch Normalverteilung des Produkts voraus – eine Annahme, die in der Praxis oft verletzt wird. Daher wird heute das Bootstrap-Verfahren bevorzugt.

Je nachdem, ob ein direkter Effekt neben dem indirekten bestehen bleibt oder verschwindet, spricht man von partieller oder vollständiger Mediation. Die Stärke des indirekten Effekts lässt sich außerdem durch den Anteil am Gesamteffekt ausdrücken:

Häufiger Fehler Ein signifikanter indirekter Effekt belegt keine Kausalität. Dafür sind ein theoretisch begründetes Modell und – idealerweise – ein Studiendesign mit zeitlicher Abfolge der Variablen notwendig.

Praxisbeispiel

Eine Bildungsforscherin untersucht, ob ein intensives Leseförderprogramm (X) die Schulnoten (Y) verbessert. Sie vermutet, dass der Effekt über das Leseverständnis (M) vermittelt wird.

Pfad Beschreibung Koeffizient
Förderprogramm → Leseverständnis 0,45
Leseverständnis → Schulnoten 0,60
Indirekter Effekt 0,27
Direkter Effekt Förderprogramm → Schulnoten (ohne Mediator) 0,10
Gesamteffekt Förderprogramm → Schulnoten (gesamt) 0,37

Das Bootstrap-Konfidenzintervall für den indirekten Effekt von 0,27 schließt die Null nicht ein (95 %-KI: [0,14; 0,42]). Das bedeutet: Ein Großteil des positiven Effekts des Förderprogramms auf die Noten läuft tatsächlich über das verbesserte Leseverständnis. Da der direkte Effekt klein, aber vorhanden ist, liegt eine partielle Mediation vor.

Mediationsanalyse Indirekter Effekt Mediator Bootstrap Pfadanalyse Kausalität Regressionsanalyse

Ihr persönlicher Ansprechpartner

Maximilian Fuchs, M. Sc.

Teilen Sie uns mit, wie wir Ihnen helfen können.

  • Persönlicher Ansprechpartner
  • Schnelle Rückmeldung
  • Transparente Preise
  • Schutz Ihrer Daten

Fragen? Einfach anrufen!