Due fasi
Stima prima i punteggi delle variabili latenti e poi forma il termine di interazione da questi. Robusto e predefinito in OpenPLS; funziona con costrutti riflessivi e formativi.
METODO PLS-SEM
Moderazione in PLS-SEM: quando un effetto dipende da una terza variabile
L’analisi di moderazione verifica se la forza o la direzione di una relazione tra due costrutti cambia a seconda del valore di un terzo costrutto, il moderatore. Questa pagina spiega l’effetto di interazione, come leggerlo e le pendenze semplici, gli approcci di stima e gli errori comuni.
Che cosa verifica un’analisi di moderazione
In un modello semplice, un predittore influenza un target con un coefficiente fisso. La moderazione chiede se quel coefficiente dipende a sua volta da una variabile moderatrice. Ad esempio, l’effetto dell’utilità percepita sull’adozione potrebbe essere più forte negli utenti giovani che in quelli anziani: l’età modera il percorso da utilità ad adozione.
Tecnicamente, la moderazione aggiunge un termine di interazione, il prodotto del predittore e del moderatore, come predittore aggiuntivo del target. Un effetto di interazione significativo indica che la relazione da predittore a target cambia quando cambia il moderatore.
Un esempio svolto
Si verifica l’effetto della fiducia sulla fedeltà con la soddisfazione come moderatore. Il termine di interazione è positivo e significativo (coefficiente di interazione 0,16, p = 0,01). Rappresentando le pendenze semplici, la pendenza da fiducia a fedeltà è bassa quando la soddisfazione è bassa e ripida quando è alta.
Quindi la fiducia conta di più per la fedeltà tra i clienti molto soddisfatti: la soddisfazione rafforza la relazione.
Come leggere il risultato
La moderazione riporta l’effetto di interazione: coefficiente, errore standard, valore t e valore p, di solito dal bootstrapping.
- Interazione p < 0,05
- Moderazione significativa: l’effetto da predittore a target dipende davvero dal moderatore. Interpreta l’interazione, non solo gli effetti principali.
- Interazione positiva
- La relazione da predittore a target si rafforza all’aumentare del moderatore.
- Interazione negativa
- La relazione si indebolisce, o si inverte, all’aumentare del moderatore.
- Interazione p ≥ 0,05
- Nessuna evidenza di moderazione. Riporta l’effetto diretto e non interpretare l’interazione.
Leggi un’interazione significativa con un grafico delle pendenze semplici: mostra la pendenza da predittore a target a valori bassi, medi e alti del moderatore, rendendo concrete la direzione e l’entità della moderazione.
Approcci di stima
Indicatore prodotto
Costruisce l’interazione moltiplicando gli indicatori del predittore e del moderatore. Richiede costrutti riflessivi e funziona meglio con lo stesso numero di indicatori.
Ortogonalizzazione
Una variante dell’approccio a indicatore prodotto che rimuove la correlazione tra il termine di interazione e le sue componenti per ridurre la collinearità.
Pendenze semplici
Non è un metodo di stima ma il modo standard di interpretare un’interazione significativa: rappresentare la relazione da predittore a target a diversi livelli del moderatore.
Eseguire una moderazione passo dopo passo
- Specifica il percorso diretto da predittore a target che ritieni moderato.
- Aggiungi il moderatore e il termine di interazione (predittore per moderatore) come predittori del target.
- Stima il modello ed esegui il bootstrap dell’effetto di interazione per ottenerne valore t e valore p.
- Se l’interazione è significativa, rappresenta le pendenze semplici per vedere come cambia l’effetto ai vari livelli del moderatore.
- Riporta il coefficiente di interazione, la sua significatività e l’interpretazione delle pendenze semplici, e la dimensione dell’effetto f² dell’interazione quando possibile.
Errori comuni
- Interpretare l’effetto principale come incondizionato quando è presente un’interazione significativa. Con la moderazione, l’effetto principale è solo l’effetto alla media del moderatore.
- Suddividere un moderatore continuo in gruppi ed eseguire invece un confronto tra gruppi. Ciò scarta informazione; di solito è meglio un termine di interazione continuo.
- Riportare solo il coefficiente di interazione senza un grafico delle pendenze semplici, lasciando poco chiare direzione ed entità.
- Ignorare la dimensione dell’effetto f² dell’interazione, spesso piccola anche quando l’interazione è significativa.
Moderazione in OpenPLS
OpenPLS include un pannello di moderazione che usa l’approccio a due fasi. Scegli predittore, moderatore e target, e aggiunge il termine di interazione, riporta i percorsi del modello base e del modello con interazione e fornisce l’effetto di interazione con il suo valore t e valore p via bootstrap, insieme a un grafico delle pendenze semplici. Gratis e nel browser.
Testa una moderazione sul tuo modello
Costruisci il tuo modello nell’editor visuale, aggiungi un moderatore e ottieni l’effetto di interazione e le pendenze semplici in un’unica esecuzione. Gratis, senza installazione.
Domande frequenti
- Qual è la differenza tra moderazione e mediazione?
- La moderazione cambia la forza o la direzione di una relazione a seconda di una terza variabile. La mediazione spiega una relazione attraverso una variabile interveniente che sta sul percorso tra predittore e risultato. La moderazione riguarda quando un effetto vale; la mediazione, come funziona.
- Quando usare la moderazione invece dell’analisi multigruppo?
- Usa un termine di interazione continuo (moderazione) quando il moderatore è continuo, perché suddividerlo in gruppi per una MGA spreca informazione. Usa la MGA quando il raggruppamento è davvero categoriale, come paese o genere.
- Che cos’è un grafico delle pendenze semplici?
- Un grafico della relazione da predittore a target calcolata a valori bassi, medi e alti del moderatore. Trasforma un coefficiente di interazione significativo in un’immagine concreta di come cambia l’effetto.
Letture di approfondimento
Un trattamento pratico in Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3a ed., Sage. Sugli approcci di stima: 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. Vedi anche Memon, M. A., et al. (2019). Moderation analysis: issues and guidelines. Journal of Applied Structural Equation Modeling, 3(1), i-xi.