Zrozumienie moderacji jest jednym z tych aspektów w statystyce które są łatwiejsze niż się to wszystkim wydaje.

Poniżej przedstawiamy trzy proste sugestie umożliwiające łatwiejsze zrozumienie efektów moderacji.

Uświadom sobie, że analiza moderacji to tak na prawdę analiza interakcji.

Spotkałem wielu badaczy, którzy byli zaskoczeni wiedzą o tym, że moderacja jest tylko innym terminem przynależącym do pojęcia interakcji.

Jest tak dlatego, że moderacja często pojawia się w dyskusjach o mediacji. Przez co wydaje się to bardziej enigmatyczne. Poza tym, częściej o interakcji myśli się w kontekście analizy wariancji, a nie regresji.

Zarówno interakcja i moderacja znaczy to samo: wpływ jednego predyktora na zmienną zależną jest inny na różnych wartościach drugiego predyktora.

Kiedy mówimy o moderacji, często  mówimy, że pierwszy predyktor jest rozumiany jako zmienna niezależna a drugi jako moderator. Innymi słowy, jesteśmy zainteresowani wpływem zmiennej niezależnej na zależną i oczekujemy różnych wpływów na poziomach moderatora. W tym przypadku nie jesteśmy zainteresowani wpływem moderatora na zmienną zależną.

Natomiast kiedy mówimy o interakcji, nie wprowadzamy rozróżnienia między zmienną niezależną i moderatorem. Predyktor może być również uważany jako moderator. Matematycznie nie ma tutaj żadnej różnicy. Nie trzeba interpretować jednej jednej zmiennej jako niezależnej a drugiej jako moderatora. Pomaga to zrozumieć sens analizy moderacji. Niemniej jednak dla ułatwienia komunikacji między badaczami słowo „moderator” jednoznacznie określa tę konkretną zmienną zmieniającą układ lub kierunek relacji między zmienną niezależną i zależną.

 2. Efekt moderacji jest trudny do interpretacji bez oceny wzrokowej grafu.

Wykres lub graf pomaga to w zobaczeniu jaki jest efekt zmiennej niezależnej na różnych poziomach moderatora. Jeśli zmienna niezależna jest kategorialna mierzymy to jako wpływ w dwóch lub więcej podzbiorach na zmienną zależną. Możemy zwizualizować go za pomocą wykresu słupkowego. Różnice te wtedy wyraźnie widać na grafie w postaci różnic między średnimi. Efekt moderacji zakłada, że wpływ zmiennych niezależnych  jest inny na poziomach moderatora. W przypadku kiedy nie wizualizujemy wyników może być ciężko rozpoznać znaczące wpływy.

Jeśli zmienna niezależna jest ciągła, możemy mierzyć jej efekt przez nachylenie linii regresji. Jeśli nachylenie linii regresji jest różne w podzbiorach moderatora to znaczy, że możemy mieć do czynienia z istotnym efektem moderacji. Wykres powyżej przedstawia istotne różnice pomiędzy nachyleniami linii regresji w podzbiorach płci co znaczy, że płeć moderuje relację pomiędzy zmienną zależną i niezależną.

3) Co zrobić kiedy zmienna niezależna i moderator są zmiennymi ilościowymi?

Dla przykładu konwencja sugerowana przez Cohen i Cohen zakłada, że warto wybrać 3 przedziały moderatora (poziom średni, jedno odchylenie standardowe powyżej i poniżej średniej). W większości przypadków ta konwencja działa bardzo dobrze. Niemniej jednak są sytuacje kiedy nie działa. Jest to przypadek w którym moderator jest mocno skośny.

Podobnie, czasem bardzo specyficzne wartości moderatora są szczególnie znaczące. Dla przykładu „lata edukacji”. Wartości pomiędzy 12-16 identyfikują osoby uczące się w gimnazjum. W tym przypadku wartość 16 jest dokładniejsza niż wartość 16,01.

Warto czasem spędzić trochę więcej czasu żeby ustalić odpowiednie wartości, które można interpretować łatwiej i prościej przekazać audytorium.