Comment établir une médiation complète ou partielle dans un modèle médiatique simple?

J'ai récemment reçu cette question d'un étudiant:

Dans un modèle de médiation simple, si j'ai trouvé que l'effet indirect (ab) était significatif et que l'effet direct (c ') était petit et insignifiant, cela signifie-t-il que j'ai une médiation complète ou une médiation partielle?

Définitions

Je vais utiliser la notation a commune à la médiation simple, comme indiqué ici . En supposant qu'il y a un effet positif à médier (c.-à-d., ) et que tous les arguments causaux sous-jacents sont satisfaits$a, b, c, c'$$c > 0$

• La médiation partielle se produit lorsque .$0 < c' < c$
• La médiation complète se produit lorsque .$c' = 0$

L'intérêt théorique concerne les paramètres sous-jacents plutôt que les estimations d'échantillon de ces paramètres.

Test de médiation partielle

Des tests de signification peuvent être appliqués pour tester la médiation partielle. Les tests de signification peuvent supporter des inférences telles que est significativement supérieur à zéro, ou que est significativement inférieur à .$ab$$c'$$c$

Test de médiation complète

Les tests de signification ne peuvent pas être facilement appliqués au test de médiation complète. Le fait que soit significatif et non significatif est insuffisant pour prouver une médiation complète. Premièrement, la différence entre significatif et non significatif n'est pas nécessairement significative. Deuxièmement, même si la réduction est significative, un non significatif ne prouve pas que la valeur de est nulle.$c$$c'$$c'$$c'$

J'imagine qu'il y a une discussion de ces approches pour tester la médiation complète dans la littérature, mais quelques options me viennent à l'esprit:

• Test d'équivalence : vous pouvez tester l'hypothèse nulle selon laquelle , où et est réputé suffisamment proche de zéro ou suffisamment inférieur à qui le rejet de l'hypothèse nulle est considéré comme un argument pour qu'une médiation complète soit plausible.$c' < \hat{c}$$0 < \hat{c} < c$$\hat{c}$$c$
• Intervalles de confiance : vous pouvez obtenir des intervalles de confiance sur .$c'$
• Approches bayésiennes : vous pouvez utiliser des approches bayésiennes pour obtenir une densité postérieure sur et si l'intervalle de crédibilité à 95% était suffisamment petit, vous pourriez faire valoir que la médiation est vraisemblablement proche d'être terminée. Une recherche rapide a révélé cet article ( analyse de médiation bayésienne ).$c'$

Réflexions générales sur le rapport d'analyse de médiation

Il me semble que lors de la quantification du degré de médiation, tant le pourcentage de réduction de à est intéressant que l'ampleur de l'effet indirect. Les termes médiation partielle et complète suggèrent une distinction binaire qui est probablement rarement vraie dans les applications de recherche en sciences sociales. Le rapport d'une analyse de médiation devrait plutôt se concentrer sur la quantification du degré de médiation à la fois en pourcentage et en termes de taille de l'effet indirect. Il devrait également quantifier l'incertitude de ces estimations.$c$$c'$

Examen des points de David Kenny

Comme point supplémentaire, il convient de noter que David A. Kenny reconnaît les problèmes liés aux tests de signification pour la médiation sur sa page Web . Je cite le passage principal ici:

Il est à noter que les étapes sont exprimées en termes de coefficients zéro et non nul, et non en termes de signification statistique, comme c'était le cas dans Baron et Kenny (1986). Étant donné que des coefficients trivialement petits peuvent être statistiquement significatifs avec de grands échantillons et que de très grands coefficients peuvent être non significatifs avec de petits échantillons, les étapes ne doivent pas être définies en termes de signification statistique. La signification statistique est informative, mais d'autres informations devraient faire partie de la prise de décision statistique. Par exemple, considérons le cas dans lequel le chemin a est grand et b est nul. Dans ce cas, c = c '. Il est très possible que le test statistique de c 'ne soit pas significatif (en raison de la colinéarité entre X et M), alors que c est statistiquement significatif.

L'approche de Baron et Kenny est quelque peu dépassée - de nos jours, il est recommandé d'utiliser une approche d'amorçage pour tester la médiation (Preacher et Hayes, 2004). Un problème avec l'approche B & K est, qu'il est possible d'observer un changement d'un important chemin vers un non significatif chemin avec un petit changement dans la taille absolue du coefficient.$X\rightarrow Y$$X\rightarrow Y$

Un test de médiation plus direct consiste à tester la différence de (qui, dans la plupart des cas, équivaut à tester l'effet indirect ). L'approche bootstrap a beaucoup plus de puissance statistique et ne repose pas sur des hypothèses de normalité multivariées (qui sont de toute façon violées dans les effets indirects).$c - c'$$ab$

Pour répondre directement à votre question:

Q: Dans un modèle de médiation simple, si j'ai trouvé que l'effet indirect (ab) était significatif et que l'effet direct (c ') était petit et insignifiant, cela signifie-t-il que j'ai une médiation complète ou une médiation partielle?

R: Selon B&K: médiation complète. Selon P&H: pas nécessairement une médiation complète.

Preacher, KJ et Hayes, AF (2004). Procédures SPSS et SAS pour estimer les effets indirects dans les modèles de médiation simples. Méthodes, instruments et ordinateurs de recherche sur le comportement, 36, 717-731. doi: 10.3758 / BF03206553