משתנה מתווך
מה זה משתנה מתווך?
משתנה מתווך הוא משתנה שמושפע מהמשתנה הבלתי-תלוי ומשפיע על המשתנה התלוי. באופן כללי, משתנה נחשב כמתווך אם בלעדיו הקשר הישיר בין המשתנה הבלתי-תלוי לתלוי ייחלש או יתבטל.
במחקרים רפואיים חשוב לגלות מהו הגורם המתווך. למשל, מים מזוהמים (A) גורמים למחלת הכולרה (B) באמצעות חיידק (C).
התיווך יכול להיות חלקי או מלא. המשמעות של תיווך מלא היא שללא המשתנה המתווך (C), אין כל קשר בין A ל-B. בתיווך חלקי, אם ננכה את השפעת המשתנה C, עדיין יהיה קשר בין A לבין B, אך הקשר יהיה חלש יותר.
לדוגמה, במחקר נמצא מתאם חיובי בין גובה המשכורת (A) לביצועי העובד (B). תוכלו לנחש שקיים גם משתנה מתווך, והוא שביעות רצון העובד (C) המושפעת מגודל המשכורת. בניכוי מידת שביעות הרצון של העובד נחלש הקשר בין גובה המשכורת לביצועי העובד.
איך מחשבים תיווך או בודקים משתנה מתווך באמצעות SPSS?
ראשית, נבדוק אם קיים קשר בין המשתנים שלנו באמצעות מתאם פירסון.
בתפריט ה-SPP יש לבחור:
Analyze -> Correlate -> Bivariate
בחלון הבא נכניס את שלושת המשתנים שלנו: "ביצועי העובד" (Productivity), "משכורת" (Wage) ו- "שביעות רצון העובד" (Satisfaction) בלחיצה על המשתנה הרצוי ואז על החץ.
נריץ את המבחן באמצעות לחיצה על OK:
מהפלט אנו יכולים להבחין כי יש קשר בין כל המשתנים, כפי שמופיע בשורת ה-Sig המציינת את מובהקות הקשר.
בין גובה המשכורת לשביעות רצון העובד יש קשר במובהקות p-value=0.31, בין גובה המשכורת לביצועי העובד p=0.47 ובין שביעות רצון העובד לביצועי p=0.01.
(אגב, מספיק לעבור על חצי מהטבלה בריבועים המסומנים – בשאר הריבועים הערכים חוזרים על עצמם).
כעת, על מנת לבדוק האם המשתנה "שביעות רצון העובד" הוא אכן משתנה מתווך, נבצע רגרסיה לינארית בבלוקים. בכל בלוק יוכנס משתנה אחד.
ביצוע הרגרסיה בבלוקים מאפשרת רגרסיה בשלבים, באמצעותה נבחן מספר מודלים (או מספר השערות).
בתפריט ה-SPSS יש לבחור:
Analyze -> Regression->Linear
תחת "Dependent" נכניס את המשתנה התלוי "ביצועי העובד" (Productivity) בלחיצה על המשתנה הרצוי ואז על החץ.
תחת (Independent(s נכניס את המשתנה הבלתי תלוי, "גובה המשכורת" (Wage).
נלחץ על Next, כדי להוסיף שלב (בלוק) נוסף למודל.
לאחר מכן, נוסיף את המשתנה הבלתי תלוי השני תחת (Independent(s – "שביעות רצון העובד" (Satisfaction).
בשיטה (Method) נשאיר את האפשרות שבברירת המחדל – Enter.
נריץ את הרגרסיה בלחיצה על OK ונבדוק את מובהקות התרומה של כל משתנה בלתי תלוי להסבר המשתנה התלוי, בטבלת ה-Coefficients.
בשלב הראשון של המודל, אפשר לראות שהמתאם בין גובה המשכורת לביצועי העובד נמצא מובהק- Sig.
נסתכל על השלב השני: לאחר שהכנסנו את משתנה שביעות הרצון למודל, התרומה של גובה המשכורת כבר אינה מובהקת (Sig=0.055). משתנה שביעות הרצון לעומת זאת, נמצא מובהק. מכאן ששביעות רצון העובד הוא משתנה מתווך.
כיצד נציג את התוצאות?
ראשית כל, נציג את הנתונים בטבלה כדלהלן:
נכתוב:
בכדי לבחון את הקשר בין המשתנים ערכנו רגרסיה לינארית.
ברגרסיה עם משתנה בלתי-תלוי יחיד, גובה המשכורת, נמצא מתאם בין גובה המשכורת לביצועי העובד (ß=0.343, p=0.047) לעומת זאת, ברגרסיה מרובת-משתנים התרומה של משתנה המשכורת לא היתה מובהקת (ß=0.282, p=0.55) בעוד שהתרומה של משתנה שביעות הרצון היתה מובהקת (ß=0.523, p=0.01).
ואיך יראה הפלט אם המשתנה אינו משתנה מתווך?
נביט בדוגמה הבאה:
שוב, בשלב הראשון של המודל, אפשר לראות שהמתאם בין גובה המשכורת לביצועי העובד נמצא מובהק -Sig.
אבל הפעם, לאחר שהוספנו את שביעות הרצון של העובד למודל, תרומת הגובה נותרה מובהקת. לעומת זאת, משתנה שביעות הרצון אינו מובהק, כך שאינו משתנה מתווך.
המודל הוא מודל לינארי עם משתנה בלתי-תלוי (מסביר) אחד.
לחילופין, אם בשלב זה שני תרומתם של שני המשתנים מובהקת, המודל שברשותנו הוא רגרסיה מרובת משתנים עם שני משתנים מסבירים.
האם הערך היה לכם לעזר?
במידה וכן, לחצו:
במידה והייתם מעוניינים שנשפר את הערך, שתפו אותנו ונעדכן אתכם ברגע שנכניס שינויים.
לידיעתכם, נעשה שימוש בכתובת המייל שלכם אך ורק לשם עדכון בנוגע לערך ותו לא!
