Analiza supresji

Efekt supresji to przykład efektu pośredniego, czyli wpływającego na zmianę relacji między predykatorem a zmienną objaśnianą po wprowadzeniu tzw. trzeciej zmiennej. Do efektów pośrednich należą: efekty mediacyjne, efekty supresyjne i efekty zakłócające. Efekty te są równoważne.

Trzecią zmienną uwzględniamy najczęściej wtedy, gdy próbujemy wyjaśnić mechanizm leżący u podłoża relacji między dwiema zmiennymi. W takim przypadku trzecia zmienna pełni rolę mediatora. Model taki ma zastosowanie również w przypadku, gdy chcemy zaprezentować działanie zmiennych zakłócających wpływ zmiennej niezależnej na zmienną zależną. Kontrola zmiennej zakłócającej umożliwia wówczas określenie niezależnego wpływu pozostałych zmiennych na zmienną objaśnianą. To, czy zmienna trzecia jest traktowana jako mediator czy jako zmienna zakłócająca zależy od rodzaju wcześniej wysnutych hipotez i teorii w obrębie których interpretujemy uzyskane wyniki.

Gdy zakładamy, że kontrolowanie zmiennej trzeciej osłabi związek między predykatorem a zmienną zależną, to mówimy o efekcie mediacji lub efekcie zakłócenia. Gdy pojawia się efekt odwrotny, tzn. związek między tymi zmiennymi się zwiększa, mówimy o efekcie supresji.

Supresja zachodzi wówczas, gdy zmienna pośrednicząca podwyższa własności predykcyjne zmiennej niezależnej na zmienną zależną. Dzięki temu można na przykład ująć w ramy statystyczne teorie pojawiające się w psychologii społecznej teorie procesów przeciwstawnych, czyli takie które zakładają że pojawienie się jednego procesu psychologicznego uruchamia proces o działaniu przeciwstawnym, tłumiącym pierwotny proces (np. teorie dotyczące motywacji).

Określenie supresja dotyczy wzajemnego tłumienia się efektów predyktorów, przez co włączenie w analizę tylko jednego z nich może nie wykazać istniejącego związku ze zmienną zależną. Tylko analizowanie obu predyktorów jednocześnie umożliwia ujawnienie ich związków ze zmienną zależną (stąd efekt supresji nazywa się też efektem uwydatnienia). Wystąpienie efektu supresji oznacza, że wśród osób badanych dwa związane ze sobą predykatory wywierają rożny wpływ na zmienną zależną. Nie znaczy to jednak, że wzajemny wpływ obu predyktorów jest od siebie zależny, jak dzieje się to w przypadku efektu moderacji.  Predyktory mogą jednak działać na siebie wzajemnie jako supresory i wtedy mówimy o zmiennych supresyjnych.

Wyróżniamy trzy rodzaje supresji:

• Tradycyjną/ klasyczną, która występuje gdy efekt całkowity predykatora na zmienną objaśnianą jest zerowy bądź nieistotny statystycznie, jednak po włączaniu trzeciej zmiennej do równania regresji go uwydatnia tak bardzo, że staje się istotny statystycznie
• Sieciową/ negatywną, która występuje w sytuacji gdy włączenie do równania zmiennej trzeciej odwraca znak relacji między predykatorem a zmienną zależną.
• Kooperatywną, która ma miejsce wtedy, gdy wstępnie istotna relacja między predykatorem a zmienną zależną wzrasta przy kontrolowaniu zmiennej trzeciej.

Do obliczenia istotności efektu supresji używamy tych samych testów statystycznych, co w przypadku analizy mediacji czy zakłócania (np. test Sobela, metoda bootsrappingu).

W ostatnich latach (np. Locke, 2009; Paulhus i in., 2004; Zagefka, Pehrson, Mole i Chan, 2010 za: Cichocka, Bilewicz, 2010) pojawiają się artykuły przedstawiające badania wykorzystujące efekt supresji, które sugerują że ta metoda może być użyteczna w zwiększaniu trafności przewidywań budowanych modeli, a także w wyjaśnianiu na pierwszy rzut oka niewidocznych efektów statystycznych. Analiza supresji jest wykorzystywana jako narzędzie analizy danych oraz metoda weryfikacji teorii. Analiza supresji pozwala odszukać złożone zależności przyczynowe tam, gdzie pozornie ich brak.

Autorem Tekstu Jest Judyta Borchet

Źródło:

Cichocka, A., Bilewicz, M. (2010). Co się kryje w nieistotnych efektach statystycznych? Możliwości zastosowania analizy supresji w naukach społecznych. Psychologia Społeczna, 5, 191-198.