En estadística , un modelo de mediación busca identificar y explicar el mecanismo o proceso que subyace a una relación observada entre una variable independiente y una variable dependiente a través de la inclusión de una tercera variable hipotética, conocida como variable mediadora (también variable mediadora , variable intermediaria ). , o variable interviniente ). [1]En lugar de una relación causal directa entre la variable independiente y la variable dependiente, un modelo de mediación propone que la variable independiente influye en la variable mediadora (no observable), que a su vez influye en la variable dependiente. Así, la variable mediadora sirve para aclarar la naturaleza de la relación entre las variables independiente y dependiente. [2]
Los análisis de mediación se emplean para comprender una relación conocida mediante la exploración del mecanismo o proceso subyacente por el cual una variable influye en otra variable a través de una variable mediadora. [3] En particular, el análisis de mediación puede contribuir a comprender mejor la relación entre una variable independiente y una variable dependiente cuando estas variables no tienen una conexión directa obvia.
Baron y Kenny (1986) establecieron varios requisitos que deben cumplirse para formar una verdadera relación de mediación. [4] Se describen a continuación utilizando un ejemplo del mundo real. Consulte el diagrama anterior para obtener una representación visual de la relación de mediación general que se explicará. Nota: Hayes (2009) criticó el enfoque de pasos de mediación de Baron y Kenny, [5] y, a partir de 2019, David A. Kennyen su sitio web declaró que la mediación puede existir en ausencia de un efecto total 'significativo' y, por lo tanto, el paso 1 a continuación puede no ser necesario. Esta situación a veces se denomina "mediación inconsistente". Publicaciones posteriores de Hayes también cuestionaron los conceptos de mediación total o parcial y abogaron por el abandono de estos términos, junto con el enfoque clásico de pasos de mediación que se describe a continuación.
El siguiente ejemplo, extraído de Howell (2009), [6] explica cada paso de los requisitos de Baron y Kenny para comprender mejor cómo se caracteriza un efecto de mediación. Los pasos 1 y 2 usan análisis de regresión simple, mientras que el paso 3 usa análisis de regresión múltiple .
Dichos hallazgos llevarían a la conclusión de que sus sentimientos de competencia y autoestima median la relación entre cómo fue criado y qué tan seguro se siente acerca de criar a sus propios hijos.
Nota: Si el paso 1 no produce un resultado significativo, aún puede haber motivos para pasar al paso 2. A veces, en realidad, existe una relación significativa entre las variables independientes y dependientes, pero debido a los tamaños de muestra pequeños u otros factores extraños, no podría ser posible. ser suficiente poder para predecir el efecto que realmente existe. [7]