Aracılık ve Düzenleyicilik Analizi Nasıl Yapılır? (Mediation & Moderation)
Aracılık (mediation) analizi bir değişkenin başka bir değişkeni NASIL ya da NEDEN etkilediğini, düzenleyicilik (moderation) analizi ise bu etkinin KİMDE ya da HANGİ KOŞULDA güçlenip zayıfladığını gösterir. Aracılıkta bağımsız değişken (X) önce aracı değişkeni (M) etkiler, aracı değişken de bağımlı değişkeni (Y) etkiler; kanıt, X→M→Y yolunun çarpımı olan dolaylı etkidir ve bugünkü standart, bu dolaylı etkiyi 5.000 tekrarlı bootstrap güven aralığıyla test etmektir — güven aralığı sıfırı içermiyorsa dolaylı etki anlamlıdır. Düzenleyicilikte ise modele X ile düzenleyici değişkenin (W) etkileşim terimi eklenir; etkileşim anlamlıysa etkinin düzenleyicinin farklı düzeylerinde nasıl değiştiği basit eğim analiziyle çözümlenir. Baron ve Kenny'nin dört adımlı yaklaşımı ile Sobel testi artık yetersiz kabul edilir; özellikle toplam etkinin (c yolu) anlamlı olması aracılık için bir ön koşul değildir.
Bu rehber iki analizin adımlarını, karar ölçütlerini ve hakemlerin en sık takıldığı noktaları anlatır. Modelinizi kurmakta ya da çıktıları yorumlamakta zorlanıyorsanız veri setinizi bize gönderin: değişken rollerinin doğru tanımlanmasından model seçimine, bootstrap güven aralıklarından basit eğim grafiklerine kadar tüm süreci yürütür, tezinize veya makalenize doğrudan eklenebilecek yol diyagramı ve APA formatında tablolarla teslim ederiz. Ön değerlendirme ücretsizdir.
Bu rehber kimler için?
Hipotezinde "X'in Y üzerindeki etkisinde M'nin aracı rolü" ifadesi geçen yüksek lisans ve doktora öğrencileri
Bir ilişkinin cinsiyet, yaş, deneyim gibi bir değişkene göre farklılaşıp farklılaşmadığını sınamak isteyen araştırmacılar
Danışmanı "aracılık analizi ekle" diyen ama nereden başlayacağını bilmeyenler
Hakemden "Baron-Kenny yaklaşımı güncel değil" ya da "dolaylı etkinin güven aralığı raporlanmamış" notu alan makale yazarları
Düzenleyici aracılık (moderated mediation) modeli kurması gereken, hangi modelin kendi hipotezine karşılık geldiğini çözemeyenler
Aracılık mı düzenleyicilik mi? Hangisi sizin hipoteziniz?
İkisi birbirinin alternatifi değildir; farklı sorulara cevap verirler. Hipotez cümlenizi okuyup hangi soruyu sorduğunuzu belirlemek, doğru modeli seçmenin en hızlı yoludur:
| Ölçüt | Aracılık (mediation) | Düzenleyicilik (moderation) |
|---|---|---|
| Cevapladığı soru | X, Y'yi nasıl / neden etkiliyor? | Bu etki kimde / hangi koşulda güçlü, kimde zayıf? |
| Değişkenin rolü | Aracı değişken (M) zincirin ortasındadır: X → M → Y | Düzenleyici değişken (W) X→Y okunun üzerine etki eder |
| Tipik hipotez cümlesi | "İş yükünün tükenmişliğe etkisinde uyku kalitesinin aracı rolü vardır" | "İş yükünün tükenmişliğe etkisi, sosyal destek düzeyine göre farklılaşır" |
| Modelin çekirdeği | Dolaylı etki (a × b yolu) | Etkileşim terimi (X × W) |
| Anlamlılık ölçütü | Bootstrap güven aralığı sıfırı içermemeli | Etkileşim teriminin p değeri ve ΔR² |
| Zamansal varsayım | Güçlü: X, M'den önce; M, Y'den önce gelmeli | Yok: düzenleyici genellikle sabit bir özelliktir (cinsiyet, kişilik, bağlam) |
| Tamamlayıcı çıktı | Yol diyagramı, a-b-c-c′ katsayıları | Basit eğim grafiği, Johnson-Neyman aralığı |
Aracılık analizi adım adım
Aracılık analizinin bugünkü standardı, dört ayrı testten geçmek değil, dolaylı etkiyi doğrudan tahmin etmektir:
- 01
Değişken rollerini kuramsal olarak sabitleyin
Hangi değişkenin X (bağımsız), hangisinin M (aracı), hangisinin Y (bağımlı) olduğu veriden değil kuramdan çıkar. Aynı üç değişkenle kurulabilecek altı farklı sıralama vardır ve istatistik bunların hangisinin doğru olduğunu söyleyemez — sıralamanın gerekçesi literatürde ve ölçüm zamanlamasında olmalıdır.
- 02
Yolları tahmin edin
Model iki regresyondan oluşur: X'ten M'ye giden a yolu ve X ile M'nin birlikte yordadığı Y modelindeki b yolu (aynı modelde X'in kalan doğrudan etkisi c′ yoludur). X'in M ve Y kontrol edilmeden Y üzerindeki etkisi ise toplam etkidir (c yolu).
- 03
Dolaylı etkiyi bootstrap ile test edin
Dolaylı etki a × b çarpımıdır ve dağılımı normal olmadığı için klasik testlerle sınanmaz. Standart yaklaşım en az 5.000 tekrarlı bootstrap ile %95 yanlılık düzeltilmiş güven aralığı üretmektir. Aralık sıfırı içermiyorsa dolaylı etki anlamlıdır — bu, aracılığın asıl kanıtıdır.
- 04
"Tam / kısmi aracılık" etiketine takılmayın
Eskiden c′ yolunun anlamsızlaşmasına "tam aracılık", anlamlı kalmasına "kısmi aracılık" denirdi. Bu ayrım büyük ölçüde örneklem büyüklüğünün ürünüdür ve güncel metodoloji literatüründe terk edilmiştir. Rapor edilmesi gereken, dolaylı etkinin büyüklüğü ve güven aralığıdır.
- 05
Etki büyüklüğünü ekleyin
Standartlaştırılmış dolaylı etki ya da dolaylı etkinin toplam etkiye oranı gibi bir ölçüt, bulgunun pratik anlamını gösterir. Yalnızca "anlamlı çıktı" demek, hakemler için yeterli bir sonuç ifadesi değildir.
- 06
Modeli genişletmeniz gerekip gerekmediğine karar verin
Birden fazla aracı varsa paralel (aracılar birbirini etkilemez) ya da seri (M1 → M2) aracılık modeli kurulur; seri modelde aracıların sırası da kuramsal bir iddiadır. Aracılık bir koşula bağlıysa düzenleyici aracılık (moderated mediation) modeline geçilir ve dolaylı etkinin koşullara göre farkı indeks değeriyle sınanır.
Düzenleyicilik analizi adım adım
Düzenleyicilik, özünde bir etkileşim testidir; kritik nokta anlamlılıktan sonra ne yapıldığıdır:
- 01
Sürekli değişkenleri merkezileyin
X ve W sürekli değişkense, etkileşim terimini oluşturmadan önce ortalamadan sapma olarak merkezilemek (ya da standartlaştırmak) yaygın uygulamadır. Bu, etkileşim terimiyle ana etkiler arasındaki çoklu bağlantıyı azaltır ve ana etki katsayılarını yorumlanabilir kılar; etkileşim teriminin kendi katsayısı ise merkezilemeden etkilenmez.
- 02
Etkileşim terimini modele ekleyin
Model X + W + (X × W) biçimindedir. Etkileşim teriminin anlamlı olması ve modele kattığı ΔR², düzenleyiciliğin varlığının kanıtıdır. Etkileşim terimi modeldeyken X ve W'nin katsayıları artık "ortalama düzeydeki koşullu etkiler"dir; bunları klasik ana etki gibi yorumlamak hatalıdır.
- 03
Basit eğim analizini yapın
Anlamlı etkileşim tek başına eksik bir bulgudur; asıl bilgi, X'in Y üzerindeki etkisinin düzenleyicinin farklı düzeylerinde ne olduğudur. Geleneksel yaklaşım W'nin ortalamasının bir standart sapma altı, ortalaması ve bir standart sapma üstü için eğimleri ayrı ayrı test etmektir.
- 04
Gerekiyorsa Johnson-Neyman aralığını raporlayın
Bir standart sapma alt/üst noktaları keyfîdir. Johnson-Neyman tekniği, X'in etkisinin tam olarak hangi W değerinden itibaren anlamlı hale geldiğini verir — "sosyal destek 2,8'in altına düştüğünde iş yükünün tükenmişliğe etkisi anlamlı hale geliyor" gibi çok daha kullanışlı bir ifade sağlar.
- 05
Etkileşimi grafikleyin
Düzenleyicilik bulgusunun okura geçmesini sağlayan şey grafiktir: yatay eksende X, dikey eksende Y, düzenleyicinin düşük ve yüksek düzeyleri için iki ayrı eğim çizgisi. Neredeyse tüm dergiler bu grafiği bekler.
- 06
Kategorik düzenleyicileri doğru kodlayın
Düzenleyici cinsiyet gibi kategorikse kukla (dummy) kodlama kullanılır; ikiden fazla kategori varsa her kukla değişken için ayrı etkileşim terimi gerekir. Sürekli bir düzenleyiciyi ortadan bölerek (median split) kategoriye çevirmek ise güç kaybına yol açar ve önerilmez.
Hangi model numarası sizin hipotezinize karşılık geliyor?
Literatürde aracılık ve düzenleyicilik modelleri numaralandırılmış şablonlarla anılır (Hayes model numaraları). Danışmanınız "Model 4 çalıştır" dediğinde kastettiği şey şudur:
| Model | Yapı | Hipotez örneği |
|---|---|---|
| Model 1 | Basit düzenleyicilik (X × W → Y) | Etki, sosyal destek düzeyine göre değişir |
| Model 4 | Basit aracılık (X → M → Y), tek veya paralel aracılar | Etkiye uyku kalitesi aracılık eder |
| Model 6 | Seri aracılık (X → M1 → M2 → Y) | Etki önce stresi, stres de uyku kalitesini etkileyerek ilerler |
| Model 7 | Düzenlenmiş aracılık — düzenleyici a yolunda | X'in aracıya etkisi cinsiyete göre farklılaşır |
| Model 8 | Düzenleyici hem a yolunda hem doğrudan etkide | Düzenleyici hem aracıyı hem kalan doğrudan etkiyi koşullar |
| Model 14 | Düzenleyici b yolunda | Aracının bağımlı değişkene etkisi koşula göre değişir |
Sık yapılan hatalar
Baron ve Kenny'nin dört adımlı yaklaşımını tek başına kullanmak — dolaylı etkiyi doğrudan test etmediği için güncel standart değildir; bootstrap güven aralıklı yaklaşım beklenir
Sobel testine dayanmak; test, dolaylı etkinin normal dağıldığını varsayar ve özellikle küçük örneklemlerde düşük güçlüdür
Toplam etki (c yolu) anlamlı çıkmadığı için aracılık analizinden vazgeçmek — c'nin anlamlı olması bir ön koşul değildir; birbirini götüren zıt yönlü dolaylı etkiler toplam etkiyi sıfıra yaklaştırabilir
Tek zamanlı (kesitsel) veriyle kurulan aracılık modelini nedensel kanıt gibi sunmak; aracılık kuramsal olarak zamansal bir iddiadır, model bunu kanıtlamaz
X, M ve Y'yi aynı ankette aynı anda ölçüp, aracının bağımlı değişkenden önce geldiğini varsaymak — sınırlılık olarak açıkça yazılmalıdır
Etkileşim terimi anlamlı çıkınca durmak; basit eğim analizi ve grafik olmadan düzenleyicilik bulgusu yorumlanamaz
Düzenleyiciliği, örneklemi gruplara bölüp her grupta ayrı korelasyon hesaplayarak "göstermek" — iki korelasyonun biri anlamlı, diğeri anlamsız olması aralarındaki farkın anlamlı olduğunu göstermez
Sürekli bir düzenleyiciyi ortadan bölerek kategorik hale getirmek (median split); bilgi ve istatistiksel güç kaybettirir
Aracılık modelini küçük örneklemle (ör. 60-80 kişi) kurup dolaylı etkinin anlamsız çıkmasını "aracılık yoktur" diye raporlamak; dolaylı etkiyi saptamak doğrudan etkiye göre daha büyük örneklem ister
Yol katsayılarını raporlayıp dolaylı etkinin güven aralığını hiç vermemek — hakemlerin en sık istediği eksik budur
Örneklem büyüklüğü ve nedensellik: dürüst çerçeve
Aracılık modelleri, basit bir grup karşılaştırmasından daha fazla katılımcı ister; çünkü test edilen şey iki katsayının çarpımıdır ve bu çarpımın standart hatası her iki yolun belirsizliğini birden taşır. Pratikte orta büyüklükteki yollar için 150-200 kişilik örneklemler makul kabul edilir, yollar zayıfsa 300 ve üzeri gerekebilir; düzenleyicilik analizlerinde ise etkileşim terimlerinin ana etkilere göre sistematik olarak daha düşük güçle saptandığı bilinir, bu nedenle anlamsız bir etkileşim "etki yok" değil çoğu zaman "yeterli güç yok" anlamına gelir. Veri toplamaya başlamadan önce planlıyorsanız, modelinize özgü güç analizini örneklem büyüklüğü hesaplama sayfamızdan yürütebiliriz.
Nedensellik konusunda ise dürüst olmak, çalışmanızı zayıflatmaz — güçlendirir. Aracılık modeli "X, M aracılığıyla Y'ye yol açıyor" iddiasını taşır; ancak üç değişken de aynı anda, tek bir ankette ölçüldüyse istatistik bu zamansal sıralamayı doğrulayamaz. Bu durumda doğru yol, bulguyu kuramla uyumlu bir örüntü olarak sunmak ve tasarımın sınırlılığını tartışma bölümünde açıkça yazmaktır. Deneysel ya da boylamsal veriniz varsa tam tersine bunu öne çıkarmak gerekir. Raporlarımızda bu ayrımı sizin adınıza kurar, iddiayı verinizin taşıyabileceği düzeyde tutarız — hakemin en sık zorladığı nokta tam olarak burasıdır.
Sıkça sorulan sorular
Aracılık ile düzenleyicilik arasındaki fark nedir?
Aracılık, bir etkinin hangi mekanizmayla gerçekleştiğini açıklar: X önce aracı değişkeni (M) etkiler, M de bağımlı değişkeni (Y) etkiler — yani "nasıl / neden" sorusunun cevabıdır. Düzenleyicilik ise etkinin kimde veya hangi koşulda güçlenip zayıfladığını gösterir; düzenleyici değişken zincirin bir halkası değil, X→Y ilişkisinin şiddetini değiştiren bir koşuldur. Pratik ayrım şudur: aracı değişken kuramsal olarak X'ten SONRA gelir, düzenleyici değişken ise genellikle baştan var olan bir özelliktir (cinsiyet, kişilik özelliği, bağlam).
Baron ve Kenny yöntemi ve Sobel testi hâlâ geçerli mi?
Kavramsal çerçeve olarak öğretici, karar yöntemi olarak yetersiz kabul ediliyor. Dört adımlı yaklaşımın temel sorunu, dolaylı etkiyi hiç doğrudan test etmemesi ve toplam etkinin anlamlılığını gereksiz bir ön koşul haline getirmesidir. Sobel testi ise dolaylı etkinin normal dağıldığını varsayar; oysa iki katsayının çarpımı çarpık dağılır, bu nedenle test özellikle küçük örneklemlerde düşük güçlüdür. Güncel standart, en az 5.000 tekrarlı bootstrap ile dolaylı etkinin yanlılık düzeltilmiş %95 güven aralığını raporlamaktır.
Toplam etki anlamlı çıkmazsa aracılık analizi yapılamaz mı?
Yapılabilir. X ile Y arasındaki toplam etkinin (c yolu) anlamlı olması aracılık için bir ön koşul değildir — bu, dört adımlı eski yaklaşımdan kalan yaygın bir yanlış bilgidir. Zıt yönlü iki dolaylı yol birbirini götürebilir, ya da örneklem toplam etkiyi saptamak için yeterli güçte olmayabilir; her iki durumda da anlamlı bir dolaylı etki bulunabilir ve bu geçerli bir bulgudur. Belirleyici ölçüt, dolaylı etkinin bootstrap güven aralığının sıfırı içermemesidir.
PROCESS makrosu veya AMOS kullanıyor musunuz?
Hayır — analizleri kendi Python tabanlı altyapımızla yürütüyoruz. Ancak sonuçlar bu araçlardan alacağınız çıktılarla birebir aynıdır: aynı model numaralarına karşılık gelen yapılar (basit aracılık, seri aracılık, düzenlenmiş aracılık), aynı yol katsayıları, yanlılık düzeltilmiş bootstrap güven aralıkları, basit eğim ve Johnson-Neyman çıktıları, yol diyagramı ve APA formatında tablo. Herhangi bir program lisansına sahip olmanız gerekmez; SPSS uyumlu formatta rapor almak da mümkündür.
Aracılık analizi için kaç kişilik örneklem gerekir?
Dolaylı etkiyi saptamak, doğrudan etkiyi saptamaktan daha fazla katılımcı ister; çünkü test edilen şey iki katsayının çarpımıdır ve belirsizlik birikir. Orta büyüklükteki yollar için 150-200 kişi çoğu durumda yeterlidir, yollardan biri zayıfsa 300 ve üzeri gerekebilir. Düzenleyicilik analizlerinde ise etkileşim terimleri düşük güçle saptanır — bu yüzden anlamsız bir etkileşim çoğu zaman "etki yok" değil "yeterli güç yok" demektir. Veri toplamadan önce modelinize özgü güç analizini yapabiliriz.
Kesitsel veriyle aracılık analizi yapılır mı?
Yapılır ve literatürde yaygındır, ancak iddianın düzeyini veriye göre ayarlamak gerekir. X, M ve Y aynı anda, tek bir ölçümde toplandıysa istatistik "M, Y'den önce gelir" varsayımını doğrulayamaz; model bu sıralamayı test etmez, varsayar. Doğru yaklaşım bulguyu kuramla uyumlu bir örüntü olarak sunmak ve tasarım sınırlılığını tartışma bölümünde açıkça belirtmektir. Raporlarımızda bu ifadeyi sizin adınıza kurarız — hakemlerin en sık zorladığı nokta budur, önden yazılmış olması çalışmayı zayıflatmaz, güçlendirir.
Aracılık ve düzenleyicilik modelinizi biz kuralım
Veri setinizi ve hipotezinizi gönderin; değişken rollerini birlikte netleştirelim, modeli kuralım, bootstrap güven aralıkları ve basit eğim grafikleriyle birlikte tezinize veya makalenize doğrudan eklenebilecek yol diyagramı ve APA tablolarını teslim edelim. Ön değerlendirme ücretsizdir.
Son güncelleme: 5 Ağustos 2026