Was ist der Unterschied zwischen Moderation und Mediation?

Moderation verändert Stärke oder Richtung einer Beziehung je nach einer dritten Variable. Mediation erklärt eine Beziehung über eine zwischengeschaltete Variable, die auf dem Pfad zwischen Prädiktor und Ergebnis liegt. Moderation betrifft, wann ein Effekt gilt; Mediation, wie er zustande kommt.

Wann sollte ich Moderation statt Mehrgruppenanalyse verwenden?

Nutze einen stetigen Interaktionsterm (Moderation), wenn der Moderator stetig ist, denn das Aufteilen in Gruppen für eine MGA wirft Information weg. Nutze die MGA, wenn die Gruppierung wirklich kategorial ist, etwa Land oder Geschlecht.

Was ist ein Simple-Slopes-Plot?

Eine Darstellung der Beziehung von Prädiktor zu Ziel, berechnet bei niedrigen, mittleren und hohen Werten des Moderators. Sie macht aus einem signifikanten Interaktionskoeffizienten ein konkretes Bild davon, wie sich der Effekt ändert.

PLS-SEM-METHODE

Moderation in PLS-SEM: wenn ein Effekt von einer dritten Variable abhängt

Die Moderationsanalyse prüft, ob sich Stärke oder Richtung einer Beziehung zwischen zwei Konstrukten je nach Ausprägung eines dritten Konstrukts ändert, des Moderators. Diese Seite erklärt den Interaktionseffekt, wie man ihn und Simple Slopes liest, die Schätzansätze und die häufigen Fehler.

Was eine Moderationsanalyse testet

In einem einfachen Modell wirkt ein Prädiktor mit einem festen Koeffizienten auf ein Zielkonstrukt. Moderation fragt, ob dieser Koeffizient selbst von einer Moderatorvariable abhängt. Zum Beispiel kann der Effekt der wahrgenommenen Nützlichkeit auf die Adoption bei jüngeren Nutzern stärker sein als bei älteren: Das Alter moderiert den Pfad von Nützlichkeit zu Adoption.

Technisch fügt Moderation einen Interaktionsterm hinzu, das Produkt aus Prädiktor und Moderator, als zusätzlichen Prädiktor des Zielkonstrukts. Ein signifikanter Interaktionseffekt bedeutet, dass sich die Beziehung von Prädiktor zu Ziel ändert, wenn sich der Moderator ändert.

Ein durchgerechnetes Beispiel

Wir testen den Effekt von Vertrauen auf Loyalität mit Zufriedenheit als Moderator. Der Interaktionsterm ist positiv und signifikant (Interaktionskoeffizient 0,16, p = 0,01). Zeichnet man die Simple Slopes, ist die Steigung von Vertrauen zu Loyalität flach, wenn die Zufriedenheit niedrig ist, und steil, wenn sie hoch ist.

Vertrauen zählt für Loyalität also mehr bei sehr zufriedenen Kunden: Zufriedenheit stärkt die Beziehung.

Simple Slopes: Die Steigung von Vertrauen zu Loyalität wird steiler, wenn der Moderator (Zufriedenheit) steigt, eine positive Interaktion.

Wie man das Ergebnis liest

Die Moderation berichtet den Interaktionseffekt: Koeffizient, Standardfehler, t-Wert und p-Wert, meist aus dem Bootstrapping.

Interaktion p < 0,05: Signifikante Moderation: Der Effekt von Prädiktor zu Ziel hängt tatsächlich vom Moderator ab. Interpretiere die Interaktion, nicht nur die Haupteffekte.
Positive Interaktion: Die Beziehung von Prädiktor zu Ziel wird stärker, wenn der Moderator steigt.
Negative Interaktion: Die Beziehung wird schwächer oder kehrt sich um, wenn der Moderator steigt.
Interaktion p ≥ 0,05: Kein Beleg für Moderation. Berichte den direkten Effekt und interpretiere die Interaktion nicht.

Lies eine signifikante Interaktion mit einem Simple-Slopes-Plot: Er zeigt die Steigung von Prädiktor zu Ziel bei niedrigen, mittleren und hohen Werten des Moderators und macht Richtung und Größe der Moderation konkret.

Schätzansätze

Zweistufig (Two-Stage)

Schätzt zuerst die Werte der latenten Variablen und bildet dann den Interaktionsterm aus diesen Werten. Robust und die Vorgabe in OpenPLS; funktioniert mit reflektiven und formativen Konstrukten.

Produktindikator

Bildet die Interaktion durch Multiplikation der Indikatoren von Prädiktor und Moderator. Erfordert reflektive Konstrukte und funktioniert am besten bei gleicher Indikatorzahl.

Orthogonalisierung

Eine Variante des Produktindikator-Ansatzes, die die Korrelation zwischen Interaktionsterm und seinen Komponenten entfernt, um Kollinearität zu reduzieren.

Simple Slopes

Keine Schätzmethode, sondern die übliche Art, eine signifikante Interaktion zu interpretieren: die Beziehung von Prädiktor zu Ziel auf verschiedenen Moderator-Niveaus darstellen.

Eine Moderation Schritt für Schritt durchführen

Lege den direkten Pfad von Prädiktor zu Ziel fest, den du für moderiert hältst.
Füge den Moderator und den Interaktionsterm (Prädiktor mal Moderator) als Prädiktoren des Zielkonstrukts hinzu.
Schätze das Modell und bootstrappe den Interaktionseffekt, um t-Wert und p-Wert zu erhalten.
Ist die Interaktion signifikant, stelle Simple Slopes dar, um zu sehen, wie sich der Effekt über die Moderator-Niveaus ändert.
Berichte den Interaktionskoeffizienten, seine Signifikanz und die Simple-Slopes-Interpretation sowie, wo möglich, die f²-Effektstärke der Interaktion.

Häufige Fehler

Den Haupteffekt als unbedingt interpretieren, obwohl eine signifikante Interaktion vorliegt. Bei Moderation ist der Haupteffekt nur der Effekt am Mittelwert des Moderators.
Einen stetigen Moderator in Gruppen aufteilen und stattdessen einen Gruppenvergleich rechnen. Das verwirft Information; ein stetiger Interaktionsterm ist meist besser.
Nur den Interaktionskoeffizienten berichten, ohne Simple-Slopes-Plot, sodass Richtung und Größe unklar bleiben.
Die f²-Effektstärke der Interaktion ignorieren, die oft klein ist, auch wenn die Interaktion signifikant ist.

Moderation in OpenPLS

OpenPLS enthält ein Moderations-Panel nach dem zweistufigen Ansatz. Wähle Prädiktor, Moderator und Ziel, und es fügt den Interaktionsterm hinzu, berichtet die Pfade des Basis- und des Interaktionsmodells und liefert den Interaktionseffekt mit Bootstrap-t-Wert und p-Wert, zusammen mit einem Simple-Slopes-Plot. Kostenlos und direkt im Browser.

Teste eine Moderation an deinem eigenen Modell

Baue dein Modell im visuellen Editor, füge einen Moderator hinzu und erhalte Interaktionseffekt und Simple Slopes in einem Lauf. Kostenlos, ohne Installation.

OpenPLS öffnen Was ist PLS-SEM?

Häufige Fragen

Was ist der Unterschied zwischen Moderation und Mediation?: Moderation verändert Stärke oder Richtung einer Beziehung je nach einer dritten Variable. Mediation erklärt eine Beziehung über eine zwischengeschaltete Variable, die auf dem Pfad zwischen Prädiktor und Ergebnis liegt. Moderation betrifft, wann ein Effekt gilt; Mediation, wie er zustande kommt.
Wann sollte ich Moderation statt Mehrgruppenanalyse verwenden?: Nutze einen stetigen Interaktionsterm (Moderation), wenn der Moderator stetig ist, denn das Aufteilen in Gruppen für eine MGA wirft Information weg. Nutze die MGA, wenn die Gruppierung wirklich kategorial ist, etwa Land oder Geschlecht.
Was ist ein Simple-Slopes-Plot?: Eine Darstellung der Beziehung von Prädiktor zu Ziel, berechnet bei niedrigen, mittleren und hohen Werten des Moderators. Sie macht aus einem signifikanten Interaktionskoeffizienten ein konkretes Bild davon, wie sich der Effekt ändert.

Weiterführende Literatur

Eine praxisnahe Behandlung in Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3. Aufl., Sage. Zu den Schätzansätzen: Henseler, J., & Chin, W. W. (2010). A comparison of approaches for the analysis of interaction effects between latent variables using partial least squares path modeling. Structural Equation Modeling, 17(1), 82-109. Siehe auch Memon, M. A., et al. (2019). Moderation analysis: issues and guidelines. Journal of Applied Structural Equation Modeling, 3(1), i-xi.