Mediatorvariable
In diesem Beitrag
Was versteht man unter Mediatorvariable?
Eine Mediatorvariable (kurz: Mediator) ist eine Variable, die den Mechanismus oder Prozess erklärt, über den eine unabhängige Variable (UV) auf eine abhängige Variable (AV) wirkt. Der Mediator liegt dabei kausal zwischen UV und AV: Die UV beeinflusst zunächst den Mediator, und der Mediator beeinflusst seinerseits die AV.
Formal lässt sich eine Mediationsstruktur in drei Pfade zerlegen:
- Pfad a: Effekt der UV auf den Mediator
- Pfad b: Effekt des Mediators auf die AV (unter Kontrolle der UV)
- Pfad c: Gesamteffekt der UV auf die AV (ohne Mediator im Modell)
- Pfad c‘: Direkter Effekt der UV auf die AV (mit Mediator im Modell)
Der indirekte Effekt – also der Anteil, den der Mediator vermittelt – ergibt sich als Produkt aus Pfad a und Pfad b:
Indirekter Effekt
Von einer vollständigen Mediation spricht man, wenn der direkte Effekt (c‘) nach Aufnahme des Mediators auf null sinkt. Bei einer partiellen Mediation bleibt ein signifikanter direkter Effekt bestehen.
Warum ist die Mediatorvariable für statistische Analysen wichtig?
Viele Forschungsfragen zielen nicht nur darauf ab, ob ein Zusammenhang zwischen zwei Variablen besteht, sondern warum er besteht. Mediationsanalysen helfen dabei, den zugrundeliegenden Wirkmechanismus aufzudecken. Das ist besonders relevant in der Psychologie, Sozialwissenschaft, Medizin und Wirtschaftsforschung.
Zur Überprüfung eines Mediationseffekts werden häufig Bootstrap-Verfahren eingesetzt, etwa mit dem PROCESS-Makro für SPSS oder R. Diese liefern Konfidenzintervalle für den indirekten Effekt (a × b). Schließt das Konfidenzintervall die Null nicht ein, gilt der Mediationseffekt als statistisch bedeutsam.
Praxisbeispiel zu Mediatorvariable
Eine Forscherin untersucht, ob Stress (UV) zu einer schlechteren Schlafqualität (AV) führt. Sie vermutet, dass Grübeln (Mediator) diesen Zusammenhang vermittelt: Stress führt zu mehr Grübeln, und Grübeln verschlechtert den Schlaf.
| Pfad | Bezeichnung | Koeffizient β | Signifikanz |
|---|---|---|---|
| a | Stress → Grübeln | 0.52 | p < .001 |
| b | Grübeln → Schlafqualität | 0.44 | p < .001 |
| c | Stress → Schlafqualität (gesamt) | 0.61 | p < .001 |
| c‘ | Stress → Schlafqualität (direkt) | 0.38 | p < .01 |
Der indirekte Effekt beträgt a × b = 0.52 × 0.44 = 0.23. Da der direkte Effekt (c‘ = 0.38) weiterhin signifikant ist, liegt hier eine partielle Mediation vor: Grübeln erklärt einen Teil des Zusammenhangs zwischen Stress und Schlafqualität, aber nicht den gesamten Effekt.
