Düzenleyicilik (Moderasyon) Analizi

Düzenleyicilik analizi tek bir soruyu ele alır: iki değişken arasındaki bağ herkes için aynı mı, yoksa üçüncü bir değişkenin düzeyine göre değişiyor mu? Örneğin iş yükünün tükenmişlikle ilişkisi yönetici desteği yüksek olanlarda daha zayıf olabilir. Bu soru, yordayıcı ile düzenleyicinin çarpımından oluşan bir terimin modele eklenmesiyle yanıtlanır; çarpım teriminin katsayısı, yordayıcının eğiminin düzenleyici bir birim arttığında ne kadar değiştiğini söyler. Panelde yordayıcı ve düzenleyici çarpım kurulmadan önce ortalamadan arındırılır, böylece tablodaki ana etkiler sıfır noktasına değil düzenleyicinin ortalamasına bağlı olarak okunabilir. Model bundan sonra sıradan bir en küçük kareler regresyonudur: sabit terim, yordayıcı, düzenleyici ve etkileşim dört satır hâlinde tahmin edilir. Yöntem ayrıca düzenleyicinin üç düzeyi için yordayıcının eğimini ayrı ayrı hesaplar, çünkü anlamlı bir etkileşim tek başına ilişkinin hangi düzeyde güçlü olduğunu söylemez.

• İş yükünün tükenmişlikle ilişkisi, yönetici desteği yüksek olan çalışanlarda zayıflıyor mu?
• Fiyat algısının satın alma niyetine etkisi marka bağlılığı arttıkça azalıyor mu?
• Ekran süresinin uyku kalitesiyle ilişkisi yaşa göre farklılaşıyor mu?
• Hizmet memnuniyetinin tavsiye etme niyetine katkısı, müşterinin kıdemine göre değişiyor mu?

• Araştırma sorusu bir ilişkinin gücünün kime göre değiştiğini içerdiğinde; yani soruda 'kimler için' ya da 'hangi koşulda' ifadesi geçtiğinde.
• Düzenleyici olarak düşünülen değişken sayısal ölçüldüğünde; kategorik bir düzenleyicide grup temelli yaklaşımlar daha doğrudan yanıt verir.
• Yordayıcı, düzenleyici ve sonuç aynı yanıtlayıcıdan ve aynı ölçümden geldiğinde, yani üç sütun tek bir veri setinde eşleştirilmiş durumdayken.
• En az 10 eksiksiz gözlem bulunduğunda; motor bu sayının altında koşuyu reddeder. Etkileşim terimleri ana etkilerden daha düşük güçle sınandığı için pratikte çok daha büyük örneklem gerekir.
• Sonuç değişkeni sürekli ölçüldüğünde; model en küçük kareler yöntemiyle kurulduğu için ikili ya da sayım türü sonuçlara uygun değildir.

• Sonuç değişkeni: sürekli ölçülmüş tek sayısal sütun (ölçek puanı, süre, tutar, yüzde).
• Yordayıcı: tek sayısal sütun. Etkisinin düzenleyiciye göre değişip değişmediği sınanan değişken budur.
• Düzenleyici: tek sayısal sütun. İki kategorili bir değişken 0 ve 1 olarak kodlanarak da verilebilir, bu durumda basit eğimler iki grubun eğimlerine yaklaşır; üç ve daha çok kategorili bir değişken bu forma uygun değildir.
• Parametre formu yalnız bir yordayıcı, bir düzenleyici ve bir sonuç alır. Kontrol değişkeni eklenecek bir alan yoktur, yani modele kovaryant katılamaz.
• Her satır bir katılımcıdır; üç sütunun herhangi birinde kayıp değer taşıyan satır analizden düşer.

Etkileşim teriminin doğru kurulması

Çarpım terimi ham değerlerden kurulduğunda ana etkiler ölçeğin sıfır noktasındaki eğimleri gösterir; beşli bir ölçekte sıfır diye bir yanıt bulunmadığından bu sayılar yorumlanamaz hâle gelir. Merkezleme bu sorunu ortadan kaldırır ve ana etkileri ortalamadaki eğimler olarak okunur kılar.

Sonuç değişkeninin sürekli ve ilişkilerin doğrusal olması

Model, düzenleyicinin her düzeyinde yordayıcı ile sonuç arasındaki bağın düz bir çizgiyle temsil edilebildiğini varsayar. Eğrisel bir örüntü, etkileşim terimine yanlış biçimde yansıyabilir ve olmayan bir düzenleyicilik izlenimi verebilir.

Artıkların bağımsız ve yayılımının sabit olması

Katsayıların standart hataları, artıkların birbirinden bağımsız olduğu ve öngörülen değerler boyunca benzer biçimde yayıldığı varsayımıyla üretilir. Yayılım düzenleyicinin bir ucunda genişliyorsa etkileşimin p değeri yanlı çıkar.

Düzenleyicinin tüm aralığında yeterli gözlem bulunması

Basit eğimler düzenleyicinin ortalamasının bir standart sapma altında ve üstünde hesaplanır. Düzenleyicinin dağılımı çarpıksa bu noktalardan biri veri içinde gerçekten gözlenmemiş bir bölgeye denk gelebilir ve o eğim veriden çok modelden gelir.

Etkileşim terimiyle ana etkilerin aşırı örtüşmemesi

Çarpım terimi bileşenlerinden türetildiği için üç yordayıcı arasında doğal bir örtüşme vardır. Merkezleme bu örtüşmeyi belirgin biçimde azaltır, ancak düzenleyicinin dağılımı çarpık olduğunda tümüyle gidermez.

• Etkileşim teriminin doğru kurulması: Yordayıcı ile düzenleyici, çarpım terimi oluşturulmadan önce motorda her koşuda ortalamadan arındırılır. Bu davranış kapatılamaz, dolayısıyla tablodaki katsayılar merkezlenmiş ölçekte raporlanır.
• Sonuç değişkeninin sürekli ve ilişkilerin doğrusal olması: Panel ilişkilerin biçimini incelemez, karesel terim eklemez ve eğrisellik uyarısı üretmez. Bu değerlendirme araştırmacıya kalır.
• Artıkların bağımsız ve yayılımının sabit olması: Bu yöntemde artık tanısı hesaplanmaz: ne ardışık bağımlılık istatistiği, ne heteroskedastisite sınaması, ne de artık değerlerinin kendisi döner. Denetim tümüyle araştırmacıya kalır ve sağlam standart hata seçeneği sunulmaz.
• Düzenleyicinin tüm aralığında yeterli gözlem bulunması: Motor basit eğimleri kullanılan standart sapmayla birlikte döndürür, ancak bu noktaların çevresinde kaç gözlem bulunduğunu bildirmez ve düzenleyicinin dağılımına ilişkin uyarı vermez.
• Etkileşim terimiyle ana etkilerin aşırı örtüşmemesi: Çoklu bağlantı ölçüsü döndürülmez; VIF, tolerans ya da koşul indeksi bu yöntemin çıktılarında yer almaz. Standart hataların beklenenden büyük çıkması örtüşmenin belirtisi olabilir, panel bu konuda uyarı üretmez.

1. 1Üç sütunu da içeren CSV ya da XLSX dosyasını yükleme alanına bırakın; her satır bir katılımcıya karşılık gelmelidir.
2. 2Veri sekmesindeki tabloda üç sütunun sayısal okunduğunu denetleyin ve Değişken sekmesinde kayıp değer kodlarını tanımlayın; tanımlanmamış bir kod hem ortalamayı hem standart sapmayı kaydırarak basit eğimleri bozar.
3. 3Ölçek toplam puanı kullanacaksanız bu puanı Değişken sekmesinde türetilmiş sütun olarak oluşturun; yöntem hazır sütunlarla çalışır, madde kümesinden puan üretmez.
4. 4Analiz sekmesinde yapısal eşitlik kategorisini açın ya da arama kutusuna yöntem adını yazın. Veri gereksinimleri kutusu üç rolün her biri için hangi sütunlarınızın uygun olduğunu gösterir; uymayan yöntemler listeden kaldırılmaz, soluklaştırılır ve nedeni yazılır.
5. 5Parametre formunda sonuç değişkenini, yordayıcıyı ve düzenleyiciyi birer sütun olarak seçin. Anlamlılık düzeyi alanı 0,05 ile hazır gelir; bu değer yalnız etkileşimin anlamlı sayılıp sayılmadığını bildiren bayrağın eşiğini belirler.
6. 6Koşuyu başlatın. Bu yöntemde grafik çizilmez; sonuç katsayı tablosu, etkileşim bloğu ve basit eğimler tablosundan oluşan açılır kapanır bölümler hâlinde gelir.
7. 7Tabloları Excel olarak indirin. Hesaplama künyesi kartı kullanılan kütüphane çağrısını ve sürümünü yazar, koşu Geçmiş sekmesinde kalır. Ücretsiz planda aylık 50 koşu hakkı vardır.

Katsayı tablosu

Sabit terim, merkezlenmiş yordayıcı, merkezlenmiş düzenleyici ve etkileşim için dört satır. Her satırda katsayı, standart hata, t değeri ve p değeri yer alır.

Etkileşim kestirimi ve p değeri

Çarpım teriminin katsayısı ve anlamlılık değeri ayrı bir blokta yinelenir. Katsayı, düzenleyici bir birim arttığında yordayıcının eğiminin ne kadar değiştiğini sonuç değişkeninin biriminde verir.

Anlamlılık bayrağı

Etkileşimin p değeri, formda girilen anlamlılık düzeyinin altında mı sorusuna verilen doğru ya da yanlış yanıtı. Eşiği siz belirlediğiniz için bayrak yalnız bir karşılaştırmanın kısayoludur.

R kare ve düzeltilmiş R kare

Etkileşim terimini içeren modelin sonuç değişkenindeki değişkenliği açıklama oranı ve bunun yordayıcı sayısına göre düzeltilmiş hâli. Etkileşim terimi eklendiğinde R kare'nin ne kadar arttığı ayrıca döndürülmez.

Basit eğimler

Düzenleyicinin ortalamasının bir standart sapma altında, ortalamada ve bir standart sapma üstünde yordayıcının eğimi. Üç sayı etkileşimin yönünü somutlaştırır ve raporun asıl malzemesidir.

Kullanılan standart sapma

Basit eğimlerin hesaplandığı noktaların dayandığı düzenleyici standart sapması. Bu sayı bildirilmeden basit eğimler yinelenebilir olmaz.

Etkileşim katsayısı

Düzenleyicideki bir birimlik artışa karşılık yordayıcının eğimindeki değişim, sonuç değişkeninin biriminde. İşareti önemlidir: negatif bir katsayı düzenleyici yükseldikçe ilişkinin zayıfladığını, pozitif bir katsayı güçlendiğini söyler. Büyüklüğü her zaman ölçeklere bağlı olduğu için farklı araştırmalarla doğrudan karşılaştırılamaz.

Açıklanan varyans ve değişimi

Sonuçta etkileşimli modelin R kare ve düzeltilmiş R kare değerleri döner. Etkileşimin açıklanan varyansa katkısı, yani iki model arasındaki artış, bu yöntemde hesaplanmaz; görmek isterseniz aynı üç sütunla doğrusal regresyonu etkileşim terimi olmadan kurup R kare değerlerini kendiniz karşılaştırmanız gerekir. Anket verilerinde etkileşimin katkısı genellikle 0,01 ile 0,03 arasında kalır ve küçük olması etkileşimin önemsiz olduğu anlamına gelmez.

Basit eğimler arasındaki açıklık

Düzenleyicinin alt ve üst ucundaki iki eğim arasındaki fark, düzenleyiciliğin pratik büyüklüğünü en okunur biçimde verir. Bir uçta eğim sıfıra yaklaşıyor, diğer uçta belirgin bir büyüklükteyse ilişkinin koşullu olduğu savı güçlenir. Bu eğimlerin tek tek anlamlılığı sınanmaz, yalnız değerleri döndürülür.

Hiçbir çıktı için güven aralığı döndürülmez. Katsayı tablosu kestirim, standart hata, t ve p değerinden oluşur; alt ve üst sınır bulunmaz. Basit eğimler için ne standart hata ne p değeri ne de aralık verilir, yani bir eğimin sıfırdan ayrıştığına dair sınama bu çıktıda yoktur. Ayrıca düzenleyicinin hangi aralığında ilişkinin anlamlı olduğunu belirleyen Johnson-Neyman bölgesi hesaplanmaz ve önyüklemeli bir kestirim seçeneği sunulmaz. Bir etkileşim katsayısı için aralık bildirmeniz gerekiyorsa bunu kestirim ve standart hata üzerinden başka bir araçla üretmelisiniz; basit eğimlerin aralıkları için ise gerekli kovaryans bilgisi sonuçta dönmediği için aynı yol izlenemez.

Aşağıdaki sayılar temsili bir örnektir; gerçek bir araştırmanın ya da gerçek bir kullanıcının verisi değildir.

Araştırma sorusu

İş yükünün tükenmişlikle ilişkisi, algılanan yönetici desteğine göre değişiyor mu? (Temsili örnek, gerçek veri değildir.)

Değişkenler

Sonuç: tükenmişlik puanı (sürekli, 0-100) · Yordayıcı: iş yükü puanı (sürekli, 0-100) · Düzenleyici: algılanan yönetici desteği puanı (sürekli, 0-100)

Örnek sonuç

Model 284 eksiksiz gözlemle kuruldu. Sabit terim 52,4. Merkezlenmiş iş yükü b = 0,46, SH = 0,07, t = 6,57, p < 0,001. Merkezlenmiş yönetici desteği b = -0,31, SH = 0,08, t = -3,88, p < 0,001. Etkileşim b = -0,042, SH = 0,015, t = -2,80, p = 0,005; anlamlılık bayrağı 0,05 eşiğinde açık. R kare = 0,34, düzeltilmiş R kare = 0,33. Düzenleyicinin standart sapması 8,6 olarak bildirildi. Basit eğimler: ortalamanın bir standart sapma altında 0,82, ortalamada 0,46, ortalamanın bir standart sapma üstünde 0,10.

Yorum

Etkileşim katsayısının negatif olması, yönetici desteği yükseldikçe iş yükü ile tükenmişlik arasındaki bağın zayıfladığını gösteriyor. Basit eğimler bunu somutlaştırıyor: desteğin düşük olduğu uçta iş yükündeki her bir puanlık artış tükenmişlikte ortalama 0,82 puanlık artışla birlikte giderken, desteğin yüksek olduğu uçta bu birliktelik 0,10 puana kadar iniyor, yani neredeyse kayboluyor. Ortalamadaki eğim olan 0,46 ise tablodaki ana etkiyle aynı sayıdır; merkezleme tam bunu sağlar. Modelin açıkladığı yüzde 34'lük değişkenliğin ne kadarının etkileşimden geldiği bu çıktıdan okunamaz, bunun için etkileşimsiz modelin ayrıca kurulması gerekir. Basit eğimlerin tek tek anlamlılığı sınanmadığı için 'yüksek destek grubunda ilişki anlamsızdır' biçiminde bir cümle bu sayılara dayandırılamaz; söylenebilecek olan eğimin belirgin biçimde küçüldüğüdür. Son olarak veri kesitseldir: destek tükenmişliği azaltıyor denemez, yalnız ilişkinin destek düzeyine göre farklılaştığı betimlenir.

Araştırma sorusu: Hizmet puanının bağlılık üzerindeki etkisi gelir düzeyi yükseldikçe zayıflıyor mu?

Bağımsız değişken (X)

hizmet_puani

Bağımlı değişken (Y)

baglilik

Düzenleyici değişken (W)

gelir

Anlamlılık düzeyi (alfa)

0.05

Hesaplama künyesi: scipy 1.18.0 · statsmodels 0.14.6 · scikit-learn 1.9.0 · numpy 2.5.1 · pandas 3.0.5 · semopy 2.3.11 · 89fc29a · Veri tohumu: 20260914

İş yükü ile tükenmişlik arasındaki ilişki algılanan yönetici desteğine göre farklılaştı, b = -0,042, SH = 0,015, t = -2,80, p = 0,005; etkileşimi içeren model değişkenliğin %34'ünü açıkladı (düzeltilmiş R kare = 0,33, n = 284). Basit eğimler, iş yükünün eğiminin düşük destek düzeyinde 0,82, ortalama düzeyde 0,46 ve yüksek destek düzeyinde 0,10 olduğunu gösterdi (düzenleyicinin standart sapması 8,6).

APA düzenine yakın örnek cümle; sayılar temsilidir.

• Modele kontrol değişkeni eklenemez. Parametre formu tam olarak bir yordayıcı, bir düzenleyici ve bir sonuç alır; yaş, kıdem ya da benzeri kovaryantların etkisini arındırmak bu yöntemle mümkün değildir.
• Basit eğimler için standart hata, p değeri ya da güven aralığı döndürülmez; üç sayı yalnız kestirim olarak verilir, dolayısıyla belirli bir düzeyde eğimin sıfırdan ayrıştığı sınanamaz.
• Johnson-Neyman anlamlılık bölgesi hesaplanmaz. Düzenleyicinin hangi değerinden sonra ilişkinin anlamlı hâle geldiği sorusu bu çıktıyla yanıtlanamaz; eğimler yalnız üç sabit noktada verilir.
• Önyükleme yapılmaz ve sağlam standart hata seçeneği yoktur. Artıkların yayılımı sabit değilse p değerleri yanlıdır ve bunu düzeltecek bir ayar sunulmaz.
• Etkileşim teriminin açıklanan varyansa katkısı döndürülmez; bu artış için etkileşimsiz modelin ayrıca kurulup karşılaştırılması gerekir.
• Üç ve daha çok kategorili bir düzenleyici bu forma uygun değildir; sayısal olarak kodlanmış kategoriler arasındaki mesafeler eşit varsayılır ve sonuç yanıltıcı olur.
• Sonuç değişkeni ikili, sıralı ya da sayım türündeyse en küçük kareler modeli uygun değildir ve düzenleyicilik bu yolla sınanamaz.

• Doğrusal Regresyon (OLS)Neden: Etkileşim terimini Değişken sekmesinde türetilmiş sütun olarak kendiniz kurup kontrol değişkenleriyle birlikte modele katmak istiyorsanız; bu yol kovaryant eklemeye izin verir ama basit eğimleri kendiniz hesaplamanız gerekir.
• İki Yönlü ANOVANeden: Düzenleyici kategorik olduğunda; etkileşim iki faktörün ortak etkisi olarak sınanır ve grup ortalamaları doğrudan karşılaştırılır.
• Aracılık AnaliziNeden: Soru ilişkinin kime göre değiştiği değil, hangi değişken üzerinden işlediğiyse; aracılık mekanizmayı, düzenleyicilik koşulu ele alır.
• Yapısal Eşitlik Modeli (YEM)Neden: Örtük değişkenler, birden çok yordayıcı ve aynı modelde birkaç yol birlikte sınanacaksa; ölçme hatası da modele katılır.

• Doğrusal Regresyon (OLS)
• Aracılık Analizi
• Yapısal Eşitlik Modeli (YEM)

Merkezleme neden gerekli ve panel bunu kendisi mi yapıyor?

Panel yordayıcı ile düzenleyiciyi çarpım terimini kurmadan önce ortalamadan arındırır, yani merkezleme her koşuda kendiliğinden uygulanır ve kapatılamaz. Gerekçesi şudur: ham değerlerle kurulmuş bir etkileşim modelinde yordayıcının katsayısı, düzenleyicinin sıfır olduğu durumdaki eğimi gösterir. Yüz üzerinden puanlanan bir destek ölçeğinde sıfır ya hiç gözlenmez ya da uç bir değerdir, dolayısıyla o katsayı yorumlanamaz ve büyüklüğü yanıltıcıdır. Merkezlemeden sonra aynı katsayı düzenleyicinin ortalamasındaki eğime karşılık gelir, yani tabloda doğrudan okunabilir bir sayı olur. Merkezleme ayrıca çarpım terimi ile bileşenleri arasındaki örtüşmeyi azaltır; bu, etkileşimin p değerini değiştirmez ama ana etkilerin standart hatalarını daha küçük ve yorumu daha sağlam kılar.

Basit eğimleri nasıl yorumlamalıyım?

Üç sayı, düzenleyicinin üç farklı düzeyinde yordayıcının eğimidir: ortalamanın bir standart sapma altı, ortalama ve bir standart sapma üstü. Her biri 'düzenleyici bu düzeydeyken yordayıcıdaki bir birimlik artış sonuç değişkeninde kaç birimlik değişimle birlikte gidiyor' sorusunun yanıtıdır. Yorumda asıl bilgi üç sayı arasındaki eğilimdir: eğim bir uçtan diğerine düzenli biçimde küçülüyorsa ilişkinin düzenleyiciye bağlı olduğu savı somutlaşır. Dikkat edilmesi gereken iki nokta var. Birincisi, bu eğimlerin anlamlılığı sınanmaz; bir eğimin sıfıra yakın olması onun istatistiksel olarak sıfırdan ayrışmadığının kanıtı değildir. İkincisi, bir standart sapma altı ve üstü noktaları düzenleyicinin gerçekten gözlendiği aralıkta kalmak zorunda değildir; çarpık bir dağılımda bu noktalardan biri veride karşılığı seyrek olan bir bölgeye düşebilir.

Etkileşim anlamlı çıkmadı, modeli nasıl raporlayayım?

Anlamsız bir etkileşim, ilişkinin düzenleyicinin her düzeyinde benzer olduğuna dair bir bulgu olarak raporlanır ve bu da bildirilmeye değer bir sonuçtur. Bu durumda etkileşim terimi modelden çıkarılarak doğrusal regresyona geçmek ve iki ana etkiyi oradan raporlamak yaygın uygulamadır. Sonucu yorumlarken güç konusunu hatırlamak gerekir: etkileşim terimleri ana etkilerden belirgin biçimde düşük güçle sınanır, bu yüzden orta büyüklükteki bir düzenleyicilik birkaç yüz gözlemle bile gözden kaçabilir. Anlamsız bir etkileşimden 'düzenleyicilik yoktur' sonucu çıkarmak yerine 'bu örneklemde saptanamadı' demek daha doğru bir ifadedir.

Düzenleyicim kategorik, bu yöntemi kullanabilir miyim?

İki kategorili bir düzenleyiciyi 0 ve 1 olarak kodlayıp kullanabilirsiniz; bu durumda etkileşim katsayısı iki grubun eğimleri arasındaki farka karşılık gelir. Ancak basit eğimler gruplarda değil, ortalamanın bir standart sapma altında ve üstünde hesaplanacağı için bu üç sayı grup eğimleriyle birebir örtüşmez ve raporlaması dolaylı olur. Üç ya da daha çok kategorili bir düzenleyici için bu yöntem uygun değildir: kategorileri 1, 2, 3 diye kodlamak aralarındaki mesafeyi eşit saymak anlamına gelir. Böyle bir durumda yordayıcıyı kategorilere ayrılmış gruplarda ayrı ayrı incelemek ya da iki faktörlü varyans analizi kurmak daha doğrudan bir yanıt verir.

• Aiken, L. S., & West, S. G. (1991). Multiple Regression: Testing and Interpreting Interactions
• Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis
• Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences
• statsmodels OLS belgeleri