調整効果と媒介効果の違いは?

調整効果は、第3の変数に応じて関係の強さや向きを変えます。媒介効果は、予測変数と結果の間のパス上にある介在変数を通して関係を説明します。調整効果は効果が「いつ」成り立つか、媒介効果は「どのように」働くかに関わります。

多母集団分析ではなく調整効果を使うべきなのはいつ?

調整変数が連続なら連続的な交互作用項(調整効果)を使います。MGA のためにグループに分けると情報を捨てるからです。国や性別のように本当にカテゴリの場合は MGA を使います。

単純傾斜のプロットとは?

調整変数の低・平均・高の値で計算した、予測変数から目的変数への関係のプロットです。有意な交互作用係数を、効果がどう変わるかの具体的な図にします。

PLS-SEM の手法

PLS-SEM の調整効果:効果が第3の変数に依存するとき

調整効果の分析は、2つの構成概念の関係の強さや向きが、第3の構成概念すなわち調整変数の値によって変わるかを検定します。このページでは、交互作用効果、その読み方と単純傾斜、推定のアプローチ、そしてよくある落とし穴を説明します。

調整効果の分析が検定するもの

単純なモデルでは、予測変数は1つの固定係数で目的変数に影響します。調整効果は、その係数自体が調整変数に依存するかを問います。例えば、知覚された有用性が採用に与える効果は、年配の利用者より若い利用者で強いかもしれません。年齢が、有用性から採用へのパスを調整しています。

仕組みとしては、調整効果は交互作用項、すなわち予測変数と調整変数の積を、目的変数の追加の予測変数として加えます。有意な交互作用効果は、調整変数が変わると予測変数から目的変数への関係が変わることを意味します。

計算例

信頼が忠誠に与える効果を、満足を調整変数として検定します。交互作用項は正で有意です(交互作用係数 0.16、p = 0.01)。単純傾斜を描くと、信頼から忠誠への傾きは、満足が低いときは緩やかで、満足が高いときは急になります。

つまり信頼は、満足度の高い顧客ほど忠誠にとって重要になります。満足が関係を強めています。

単純傾斜:信頼から忠誠への傾きは、調整変数(満足)が高まるほど急になります。正の交互作用です。

結果の読み方

調整効果は交互作用効果を報告します。係数、標準誤差、t 値、p 値で、通常はブートストラップによります。

交互作用 p < 0.05: 有意な調整効果:予測変数から目的変数への効果は実際に調整変数に依存します。主効果だけでなく交互作用を解釈してください。
正の交互作用: 調整変数が大きくなるほど、予測変数から目的変数への関係が強くなります。
負の交互作用: 調整変数が大きくなるほど、関係は弱くなるか逆転します。
交互作用 p ≥ 0.05: 調整効果の証拠はありません。直接効果を報告し、交互作用は解釈しないでください。

有意な交互作用は単純傾斜のプロットで読み解きます。調整変数の低・平均・高の値における予測変数から目的変数への傾きを示し、調整効果の向きと大きさを具体的にします。

推定のアプローチ

2段階法

まず潜在変数のスコアを推定し、そのスコアから交互作用項を作ります。頑健で、OpenPLS の既定です。反映的構成概念にも形成的構成概念にも使えます。

積指標法

予測変数と調整変数の指標を掛け合わせて交互作用を作ります。反映的構成概念が必要で、指標数が等しいと最もうまく機能します。

直交化

積指標法の変種で、交互作用項とその構成要素との相関を取り除き、多重共線性を抑えます。

単純傾斜

推定法ではなく、有意な交互作用を解釈する標準的な方法です。調整変数の各水準で予測変数から目的変数への関係を描きます。

調整効果を段階的に実行する

調整されていると考える、予測変数から目的変数への直接パスを指定します。
調整変数と交互作用項(予測変数 × 調整変数)を目的変数の予測変数として加えます。
モデルを推定し、交互作用効果をブートストラップして t 値と p 値を得ます。
交互作用が有意なら、単純傾斜を描いて、調整変数の水準ごとに効果がどう変わるかを見ます。
交互作用係数、その有意性、単純傾斜の解釈を報告し、可能なら交互作用の f² 効果量も報告します。

よくある落とし穴

有意な交互作用があるのに、主効果を無条件のものとして解釈すること。調整効果があるとき、主効果は調整変数の平均における効果にすぎません。
連続的な調整変数をグループに分け、代わりに群間比較を行うこと。情報を捨てることになり、通常は連続的な交互作用項のほうが優れています。
単純傾斜のプロットなしに交互作用係数だけを報告し、向きと大きさを不明確にすること。
交互作用の f² 効果量を無視すること。交互作用が有意でも、しばしば小さい値です。

OpenPLS の調整効果

OpenPLS には、2段階法を用いる調整効果パネルがあります。予測変数、調整変数、目的変数を選ぶと、交互作用項を加え、基本モデルと交互作用モデルのパスを報告し、交互作用効果をブートストラップの t 値・p 値とともに、単純傾斜のプロットつきで示します。無料で、ブラウザ上で動作します。

自分のモデルで調整効果を検証する

ビジュアルエディタでモデルを構築し、調整変数を加えて、交互作用効果と単純傾斜を1回の実行で取得できます。無料、インストール不要。

OpenPLS を開く PLS-SEM とは？

よくある質問

調整効果と媒介効果の違いは?: 調整効果は、第3の変数に応じて関係の強さや向きを変えます。媒介効果は、予測変数と結果の間のパス上にある介在変数を通して関係を説明します。調整効果は効果が「いつ」成り立つか、媒介効果は「どのように」働くかに関わります。
多母集団分析ではなく調整効果を使うべきなのはいつ?: 調整変数が連続なら連続的な交互作用項(調整効果)を使います。MGA のためにグループに分けると情報を捨てるからです。国や性別のように本当にカテゴリの場合は MGA を使います。
単純傾斜のプロットとは?: 調整変数の低・平均・高の値で計算した、予測変数から目的変数への関係のプロットです。有意な交互作用係数を、効果がどう変わるかの具体的な図にします。

参考文献

実務的な解説は Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3rd ed., Sage にあります。推定のアプローチについては 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。あわせて Memon, M. A., et al. (2019). Moderation analysis: issues and guidelines. Journal of Applied Structural Equation Modeling, 3(1), i-xi も参照してください。