Análisis de mediación con SPSS

El análisis de mediación es una técnica estadística que permite examinar si la relación entre una variable independiente (X) y una variable dependiente (Y) se explica, al menos parcialmente, por una tercera variable, conocida como mediadora (M). La macro PROCESS, desarrollada por Andrew F. Hayes, es una herramienta ampliamente utilizada en SPSS para realizar este tipo de análisis de manera eficiente y precisa.

Instalación de la macro Process en SPSS

La macro PROCESS es un complemento que facilita la implementación de modelos de mediación (con 1 o más variables mediadoras), moderación o combinaciones de ambos (mediación moderada y moderación mediada). Esta macro realiza análisis avanzados que no están disponibles de forma nativa en SPSS, como el cálculo de intervalos de confianza para los efectos indirectos mediante procedimientos de Bootstrapping.

Menú de comandos (1 variable mediadora)

Configurar el cuadro de diálogo de la macro de Process: los nombres de las variables no pueden ser de más de 8 caracteres, el modelo es el número 4, el número de muestras de Bootstrap es de 10000 y en opciones se activa la casilla de verificación de mostrar los efectos totales del modelo.

Salida de Resultados en SPSS (archivo .spv)

En el análisis del efecto indirecto sobre la variable dependiente de la independiente, teniendo en cuenta el papel de la variable mediadora, como entre los límites del intervalo de confianza, construidos con la técnica de Bootstrap, no se incluye el valor cero, el efecto de la variable mediadora se muestra como estadísticamente significativo.

Ejemplo

En comparación con tener los padres no divorciados (Grupo 2), el tener los progenitores divorciados influye en la variable de respuesta ‘ansiedad’, siempre a través de la mediadora ‘vulnerabilidad’, puesto que el intervalo de confianza del efecto total indirecto con técnicas de Bootstrapping, no incluye el valor 0.

Análisis de mediación con 2 variables mediadoras

El análisis proporciona 4 modelos de regresión y 3 efectos indirectos. El efecto indirecto 1 es superior al efecto indirecto 3 porque el coeficiente C2 es positivo, aunque no resulta estadísticamente significativo porque el 0 pertenece al intervalo de Bootstrap.

*Las variables mediadoras no pueden ser dicotómicas, escala ordinal o continuas