Efecto directo
La ruta de X a Y que no pasa por el mediador (c prima).
MÉTODO PLS-SEM
Mediación en PLS-SEM: cómo un efecto actúa a través de una tercera variable
El análisis de mediación pregunta si un predictor afecta a un resultado de forma indirecta, a través de una variable mediadora intermedia, y no solo de forma directa. Esta página explica los efectos directo, indirecto y total, cómo clasificar la mediación, un ejemplo resuelto y los errores comunes.
Qué prueba un análisis de mediación
La mediación divide el efecto de un predictor X sobre un resultado Y en dos rutas. El efecto directo es la ruta que va de X a Y. El efecto indirecto pasa por un mediador M: X afecta a M, y M afecta a Y. El efecto indirecto es el producto de esas dos rutas (a por b), y el efecto total es el directo más el indirecto.
La mediación responde cómo se produce un efecto. Si la formación mejora el desempeño en parte porque eleva la motivación, entonces la motivación es el mediador y el efecto de formación sobre desempeño es en parte indirecto.
Un ejemplo resuelto
Supongamos que X es formación, M es motivación e Y es desempeño. El modelo estima a = 0,50 (formación a motivación) y b = 0,60 (motivación a desempeño), así que el efecto indirecto es 0,50 por 0,60 = 0,30. El efecto directo c’ es 0,10 y no significativo, por lo que el efecto total es 0,30 más 0,10 = 0,40.
Como el efecto indirecto es significativo y el directo no, se trata de mediación total (solo indirecta): la formación eleva el desempeño casi por completo al elevar la motivación.
Cómo clasificar el resultado
Primero prueba el efecto indirecto (a por b) con bootstrapping. Luego mira el efecto directo para clasificar el tipo de mediación.
- Indirecto sig., directo n.s.
- Mediación total (solo indirecta). El efecto de X sobre Y pasa enteramente por el mediador.
- Indirecto sig., directo sig.
- Mediación parcial (complementaria o competitiva). Parte del efecto pasa por M, parte es directa.
- Indirecto n.s., directo sig.
- Sin mediación (solo directa). X afecta a Y directamente, no a través de M.
- Indirecto n.s., directo n.s.
- No hay efecto que explicar. Ninguna ruta es significativa.
Juzga el efecto indirecto por un intervalo de confianza bootstrap, no por la significación de a y b por separado. Los antiguos pasos de Baron y Kenny ya no se recomiendan.
Las cantidades clave
Efecto indirecto
El efecto que pasa por el mediador, el producto a por b. Con varios mediadores, cada cadena tiene su propio efecto indirecto específico.
Efecto total
El efecto directo más todos los efectos indirectos de X sobre Y.
VAF
Variance accounted for: el efecto indirecto dividido por el efecto total. Expresa cuánto del efecto total lleva el mediador.
Ejecutar una mediación paso a paso
- Especifica el predictor, el mediador y el resultado, con las rutas X a M, M a Y y la directa X a Y.
- Estima el modelo para obtener el efecto directo y el efecto indirecto específico (a por b).
- Aplica bootstrapping para obtener un intervalo de confianza del efecto indirecto; es significativo si el intervalo excluye el cero.
- Clasifica la mediación según la significación de los efectos indirecto y directo.
- Informa los efectos directo, indirecto y total, y opcionalmente el VAF.
Errores habituales
- Usar el antiguo procedimiento de pasos causales de Baron y Kenny o la prueba de Sobel en lugar de aplicar bootstrapping al efecto indirecto. El bootstrapping es el estándar actual.
- Llamar a la mediación parcial una versión más débil de la total. Son hallazgos distintos, no un ranking.
- Probar a y b por separado en lugar del producto a por b. Que ambos sean significativos no garantiza un efecto indirecto significativo.
- Afirmar mediación a partir de datos transversales como si fuera causal. La mediación es una afirmación causal que el diseño debe sostener.
Mediación en OpenPLS
OpenPLS muestra el efecto directo, el efecto indirecto específico de cada cadena de mediación y el efecto total de cada relación, en los propios resultados. Añade bootstrapping para obtener intervalos de confianza de los efectos indirectos y clasificar la mediación. Gratis y en el navegador.
Prueba una mediación en tu propio modelo
Construye X, M e Y en el editor visual, calcula y lee los efectos directo, indirecto y total en un solo sitio. Gratis, sin instalación.
Preguntas frecuentes
- ¿Cuál es la diferencia entre mediación y moderación?
- La mediación explica cómo X afecta a Y, a través de un mediador intermedio en la ruta. La moderación explica cuándo el efecto de X sobre Y es más fuerte o más débil, según una tercera variable. La mediación trata del mecanismo; la moderación, de las condiciones.
- ¿Qué es mediación total frente a parcial?
- La mediación total (solo indirecta) significa que el efecto indirecto es significativo y el directo no, así que el efecto pasa enteramente por el mediador. La mediación parcial significa que ambos son significativos, así que el efecto se reparte entre la ruta directa y el mediador.
- ¿Necesito aplicar bootstrapping al efecto indirecto?
- Sí. El efecto indirecto es un producto de dos coeficientes y su distribución no es simétrica, así que lo juzgas con un intervalo de confianza bootstrap en lugar de la significación de las dos rutas por separado.
Lecturas adicionales
Las referencias estándar son Zhao, X., Lynch, J. G., & Chen, Q. (2010). Reconsidering Baron and Kenny: myths and truths about mediation analysis. Journal of Consumer Research, 37(2), 197-206, y Nitzl, C., Roldan, J. L., & Cepeda, G. (2016). Mediation analysis in partial least squares path modeling. Industrial Management & Data Systems, 116(9), 1849-1864. Un tratamiento práctico en Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3.ª ed., Sage.