Moderierte Mediation
In diesem Beitrag
Was versteht man unter moderierter Mediation?
Moderierte Mediation beschreibt ein statistisches Modell, das zwei klassische Konzepte miteinander verbindet: Mediation und Moderation. Bei einer reinen Mediation erklärt eine dritte Variable – der sogenannte Mediator – den Mechanismus, über den eine unabhängige Variable (X) auf eine abhängige Variable (Y) wirkt. Bei einer Moderation hingegen verändert eine weitere Variable (der Moderator) die Stärke oder Richtung eines Effekts.
Moderierte Mediation kombiniert beides: Der indirekte Effekt von X auf Y – also der Weg über den Mediator M – hängt selbst von einer Moderatorvariable W ab. Anders gesagt: Der Vermittlungsmechanismus ist nicht für alle Personen oder Gruppen gleich stark, sondern variiert je nach Ausprägung des Moderators.
Formal lässt sich der bedingte indirekte Effekt so darstellen: Der Gesamtpfad von X über M nach Y wird an einer bestimmten Stelle durch W beeinflusst. Am häufigsten wird der Pfad a (von X zu M) oder der Pfad b (von M zu Y) moderiert – oder in manchen Modellen sogar beide Pfade gleichzeitig. Das Produkt der Pfadkoeffizienten ergibt den indirekten Effekt, und dieser Wert variiert je nach W.
Warum ist moderierte Mediation für statistische Analysen wichtig?
Viele Forschungsfragen lassen sich mit einfachen Mediations- oder Moderationsmodellen nicht vollständig beantworten. Moderierte Mediation ermöglicht es, gleichzeitig zu fragen: Wie wirkt eine Variable? – und: Für wen oder unter welchen Bedingungen gilt dieser Mechanismus?
Das Modell ist besonders wertvoll, wenn theoretisch angenommen werden kann, dass ein Wirkmechanismus kontextabhängig ist. In der Psychologie, Soziologie, Organisationsforschung und Medizin ist das häufig der Fall. Ohne moderierte Mediation würden solche Unterschiede im Datensatz einfach verschwinden – gemittelt über alle Gruppen.
Bedingte indirekte Effekte
Der zentrale Output einer moderierten Mediationsanalyse sind bedingte indirekte Effekte: Der indirekte Effekt von X auf Y wird für verschiedene Werte des Moderators W berechnet – typischerweise für den Mittelwert sowie einen Standardabweichung darunter und darüber. Unterscheiden sich diese Werte signifikant, liegt eine moderierte Mediation vor.
Die Analyse wird in der Praxis häufig mit dem PROCESS-Makro von Andrew Hayes in SPSS oder R durchgeführt. Für die Signifikanztestung der bedingten indirekten Effekte wird Bootstrap-Resampling empfohlen, da die Sampling-Verteilung des Produktterms in der Regel nicht normalverteilt ist.
Praxisbeispiel zu moderierter Mediation
Ein Forschungsteam untersucht, ob Arbeitsbelastung (X) über emotionale Erschöpfung (M) zu geringerer Arbeitszufriedenheit (Y) führt. Die Hypothese lautet: Dieser Mechanismus gilt besonders stark für Beschäftigte mit geringer Resilienz (W).
| Element | Variable im Beispiel | Rolle im Modell |
|---|---|---|
| X | Arbeitsbelastung | Unabhängige Variable |
| M | Emotionale Erschöpfung | Mediator |
| Y | Arbeitszufriedenheit | Abhängige Variable |
| W | Resilienz | Moderator (des Pfades a) |
Die Analyse ergibt: Der Pfad von Arbeitsbelastung zu emotionaler Erschöpfung (Pfad a) ist bei niedriger Resilienz deutlich stärker als bei hoher Resilienz. Der bedingte indirekte Effekt auf die Arbeitszufriedenheit ist bei niedriger Resilienz signifikant negativ, bei hoher Resilienz jedoch nicht mehr signifikant von null verschieden. Das bedeutet: Der Erschöpfungs-Mechanismus ist nur für wenig resiliente Beschäftigte relevant – ein Befund, der praktische Konsequenzen für gezielte Interventionen hat.
