조절된 이중직렬매개분석에서 Y에 대한 결과 해석 문의
교수님^_^ 안녕하세요.
현재 대학원생으로 게시판을 통해 통계를 하나하나 배워가며 논문을 작성하고 있습니다.
다름이 아니라, 제가 조절된 이중직렬매개효과를 분석하고 있습니다.
1. 모델 6번을 통해 얻은 결과물
2. 사용자정의모형을 사용하여 두 개의 조절변수가 투입된 상태에서 얻은 결과물
교수님~~ 2개의 분석 결과물을 모두 논문에 기술하고 있습니다.
그런데, 한 가지 의문이 들어 여쭤보고싶습니다.
모델 6번을 통해 얻은 Y 종속변수에 대한 결과물과
사용자정의모형을 통해 얻은 Y 종속변수에 대한 결과물에서
M1 매개변수와 M2 매개변수 값이 똑같아서요(형광색 표시해두었습니다^_^)
조절변수가 투입되었는지 안되었는지에 따라
값이 다르게 나올 것이라 예상했습니다.
그 이유와 어떻게 해석을 해야하는지 교수님께 자문을 받고 싶어 글을 남깁니다.
바쁘시겠지만 댓글 남겨주시면 정말 감사하겠습니다^_^
1. 모델 6번 결과물
Run MATRIX procedure:
***************** PROCESS Procedure for SPSS Version 4.2 *****************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2022). www.guilford.com/p/hayes3
**************************************************************************
Model : 6
Y : Y
X : X
M1 : M1
M2 : M2
Covariates:
CV1 CV2 CV3 CV4 CV5 CV6
Sample
Size: 216
**************************************************************************
OUTCOME VARIABLE:
M1
Model Summary
R R-sq MSE F df1 df2 p
.427 .182 49.580 6.614 7.000 208.000 .000
Model
coeff se t p LLCI ULCI
constant 29.298 5.554 5.276 .000 18.350 40.247
X -.260 .050 -5.145 .000 -.359 -.160
CV1 -2.567 1.022 -2.513 .013 -4.582 -.553
CV2 -.038 .047 -.807 .421 -.131 .055
CV3 1.266 .614 2.063 .040 .056 2.476
CV4 -.004 .009 -.387 .699 -.022 .015
CV5 .015 .011 1.378 .170 -.006 .036
CV6 -.286 .768 -.372 .710 -1.800 1.228
**************************************************************************
OUTCOME VARIABLE:
M2
Model Summary
R R-sq MSE F df1 df2 p
.818 .670 192.604 52.474 8.000 207.000 .000
Model
coeff se t p LLCI ULCI
constant 79.698 11.655 6.838 .000 56.719 102.676
X -.587 .106 -5.561 .000 -.796 -.379
M1 1.928 .137 14.111 .000 1.659 2.198
CV1 -.285 2.044 -.139 .889 -4.315 3.745
CV2 -.266 .093 -2.857 .005 -.450 -.082
CV3 -.088 1.222 -.072 .942 -2.497 2.321
CV4 .012 .018 .641 .522 -.025 .048
CV5 .010 .021 .472 .638 -.032 .052
CV6 -3.756 1.514 -2.481 .014 -6.741 -.771
**************************************************************************
OUTCOME VARIABLE:
Y
Model Summary
R R-sq MSE F df1 df2 p
.945 .892 41.434 189.503 9.000 206.000 .000
Model
coeff se t p LLCI ULCI
constant -15.103 5.985 -2.523 .012 -26.904 -3.303
X -.083 .053 -1.574 .117 -.186 .021
M1 .492 .089 5.544 .000 .317 .667
M2 .611 .032 18.949 .000 .547 .674
CV1 -.576 .948 -.607 .544 -2.445 1.294
CV2 -.061 .044 -1.380 .169 -.148 .026
CV3 .688 .567 1.214 .226 -.429 1.806
CV4 .007 .009 .796 .427 -.010 .024
CV5 -.003 .010 -.269 .788 -.022 .017
CV6 -.069 .713 -.097 .923 -1.474 1.336
****************** DIRECT AND INDIRECT EFFECTS OF X ON Y *****************
Direct effect of X on Y
Effect se t p LLCI ULCI
-.083 .053 -1.574 .117 -.186 .021
Indirect effect(s) of X on Y:
Effect BootSE BootLLCI BootULCI
TOTAL -.793 .120 -1.031 -.560
Ind1 -.128 .051 -.231 -.038
Ind2 -.359 .085 -.532 -.198
Ind3 -.306 .088 -.501 -.155
Indirect effect key:
Ind1 X -> M1 -> Y
Ind2 X -> M2 -> Y
Ind3 X -> M1 -> M2 -> Y
*********************** ANALYSIS NOTES AND ERRORS ************************
Level of confidence for all confidence intervals in output:
95.0000
Number of bootstrap samples for percentile bootstrap confidence intervals:
5000
------ END MATRIX -----
2. 사용자 정의 모델 결과물
Run MATRIX procedure:
**************** PROCESS Procedure for SPSS Version 4.3.1 ****************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2022). www.guilford.com/p/hayes3
**************************************************************************
Model : CUSTOM
Y : Y
X : X
M1 : M1
M2 : M2
W : W
Z : Z
Covariates:
CV1 CV2 CV3 CV4 CV5 CV6
Sample
Size: 216
**************************************************************************
OUTCOME VARIABLE:
M1
Model Summary
R R-sq MSE F df1 df2 p
.8217 .6751 20.0770 38.5438 11.0000 204.0000 .0000
Model
coeff se t p LLCI ULCI
constant 14.6680 3.7693 3.8915 .0001 7.2363 22.0998
X .0040 .0373 .1079 .9142 -.0696 .0776
W .2807 .0406 6.9152 .0000 .2007 .3607
Int_1 -.0086 .0032 -2.7060 .0074 -.0148 -.0023
Z .0778 .0265 2.9320 .0038 .0255 .1301
Int_2 .0049 .0024 2.0469 .0420 .0002 .0096
CV1 -.8264 .6761 -1.2224 .2229 -2.1594 .5065
CV2 .0611 .0308 1.9827 .0487 .0003 .1218
CV3 .5722 .4170 1.3723 .1715 -.2499 1.3943
CV4 .0002 .0060 .0369 .9706 -.0116 .0120
CV5 -.0023 .0069 -.3369 .7365 -.0160 .0113
CV6 1.0133 .4945 2.0492 .0417 .0383 1.9883
Product terms key:
Int_1 : X x W
Int_2 : X x Z
Test(s) of highest order unconditional interaction(s):
R2-chng F df1 df2 p
X*W .0117 7.3226 1.0000 204.0000 .0074
X*Z .0067 4.1896 1.0000 204.0000 .0420
BOTH(X) .0125 3.9342 2.0000 204.0000 .0211
----------
Focal predict: X (X)
Mod var: W (W)
Mod var: Z (Z)
Conditional effects of the focal predictor at values of the moderator(s):
W Z Effect se t p LLCI ULCI
-20.5417 -28.3885 .0410 .0523 .7845 .4337 -.0621 .1441
-20.5417 -.2685 .1784 .0677 2.6336 .0091 .0448 .3119
-20.5417 26.7315 .3103 .1219 2.5465 .0116 .0700 .5506
.4583 -28.3885 -.1386 .0863 -1.6055 .1099 -.3088 .0316
.4583 -.2685 -.0012 .0378 -.0318 .9747 -.0758 .0734
.4583 26.7315 .1307 .0643 2.0340 .0433 .0040 .2574
19.4583 -28.3885 -.3011 .1390 -2.1666 .0314 -.5751 -.0271
19.4583 -.2685 -.1637 .0785 -2.0847 .0383 -.3185 -.0089
19.4583 26.7315 -.0318 .0450 -.7066 .4806 -.1204 .0569
Data for visualizing the conditional effect of the focal predictor:
Paste text below into a SPSS syntax window and execute to produce plot.
DATA LIST FREE/
X W Z M1 .
BEGIN DATA.
-12.7685 -20.5417 -28.3885 16.9133
-.7685 -20.5417 -28.3885 17.4054
12.2315 -20.5417 -28.3885 17.9384
-12.7685 -20.5417 -.2685 17.3467
-.7685 -20.5417 -.2685 19.4874
12.2315 -20.5417 -.2685 21.8065
-12.7685 -20.5417 26.7315 17.7629
-.7685 -20.5417 26.7315 21.4865
12.2315 -20.5417 26.7315 25.5205
-12.7685 .4583 -28.3885 25.1012
-.7685 .4583 -28.3885 23.4381
12.2315 .4583 -28.3885 21.6365
-12.7685 .4583 -.2685 25.5346
-.7685 .4583 -.2685 25.5202
12.2315 .4583 -.2685 25.5046
-12.7685 .4583 26.7315 25.9507
-.7685 .4583 26.7315 27.5193
12.2315 .4583 26.7315 29.2186
-12.7685 19.4583 -28.3885 32.5093
-.7685 19.4583 -28.3885 28.8964
12.2315 19.4583 -28.3885 24.9823
-12.7685 19.4583 -.2685 32.9427
-.7685 19.4583 -.2685 30.9784
12.2315 19.4583 -.2685 28.8504
-12.7685 19.4583 26.7315 33.3588
-.7685 19.4583 26.7315 32.9775
12.2315 19.4583 26.7315 32.5644
END DATA.
GRAPH/SCATTERPLOT=
X WITH M1 BY W /PANEL ROWVAR= Z .
**************************************************************************
OUTCOME VARIABLE:
M2
Model Summary
R R-sq MSE F df1 df2 p
.9119 .8315 99.2327 101.1565 10.0000 205.0000 .0000
Model
coeff se t p LLCI ULCI
constant 83.8910 8.5955 9.7599 .0000 66.9441 100.8379
X -.2681 .0793 -3.3807 .0009 -.4244 -.1117
M1 .3753 .1516 2.4766 .0141 .0765 .6741
W .9668 .0795 12.1540 .0000 .8100 1.1237
Int_1 .0080 .0032 2.5413 .0118 .0018 .0142
CV1 -.5217 1.4823 -.3520 .7252 -3.4441 2.4007
CV2 -.0302 .0690 -.4380 .6618 -.1662 .1058
CV3 -.5776 .8796 -.6567 .5121 -2.3118 1.1565
CV4 .0107 .0133 .8056 .4214 -.0155 .0368
CV5 -.0185 .0154 -1.1969 .2327 -.0488 .0119
CV6 -.8331 1.1073 -.7524 .4527 -3.0162 1.3501
Product terms key:
Int_1 : X x W
Test(s) of highest order unconditional interaction(s):
R2-chng F df1 df2 p
X*W .0053 6.4581 1.0000 205.0000 .0118
----------
Focal predict: X (X)
Mod var: W (W)
Conditional effects of the focal predictor at values of the moderator(s):
W Effect se t p LLCI ULCI
-20.5417 -.4327 .1028 -4.2098 .0000 -.6354 -.2301
.4583 -.2644 .0793 -3.3343 .0010 -.4208 -.1081
19.4583 -.1121 .0999 -1.1225 .2630 -.3091 .0848
Data for visualizing the conditional effect of the focal predictor:
Paste text below into a SPSS syntax window and execute to produce plot.
DATA LIST FREE/
X W M2 .
BEGIN DATA.
-12.7685 -20.5417 69.7627
-.7685 -20.5417 64.5697
12.2315 -20.5417 58.9440
-12.7685 .4583 87.9166
-.7685 .4583 84.7435
12.2315 .4583 81.3060
-12.7685 19.4583 104.3415
-.7685 19.4583 102.9960
12.2315 19.4583 101.5383
END DATA.
GRAPH/SCATTERPLOT=
X WITH M2 BY W .
**************************************************************************
OUTCOME VARIABLE:
Y
Model Summary
R R-sq MSE F df1 df2 p
.9446 .8922 41.4335 189.5032 9.0000 206.0000 .0000
Model
coeff se t p LLCI ULCI
constant -16.9029 5.8981 -2.8658 .0046 -28.5313 -5.2746
X -.0827 .0525 -1.5740 .1170 -.1862 .0209
M1 .4922 .0888 5.5439 .0000 .3172 .6672
M2 .6109 .0322 18.9494 .0000 .5473 .6744
CV1 -.5759 .9482 -.6073 .5443 -2.4454 1.2936
CV2 -.0608 .0440 -1.3803 .1690 -.1476 .0260
CV3 .6883 .5668 1.2144 .2260 -.4291 1.8057
CV4 .0068 .0086 .7961 .4269 -.0101 .0237
CV5 -.0026 .0098 -.2686 .7885 -.0221 .0168
CV6 -.0691 .7126 -.0969 .9229 -1.4740 1.3359
****************** DIRECT AND INDIRECT EFFECTS OF X ON Y *****************
Direct effect of X on Y
Effect se t p LLCI ULCI
-.0827 .0525 -1.5740 .1170 -.1862 .0209
Conditional indirect effects of X on Y:
INDIRECT EFFECT:
X -> M1 -> Y
W Z Effect BootSE BootLLCI BootULCI
-20.5417 -28.3885 .0202 .0313 -.0246 .0973
-20.5417 -.2685 .0878 .0480 .0037 .1879
-20.5417 26.7315 .1527 .0848 -.0064 .3254
.4583 -28.3885 -.0682 .0541 -.1692 .0486
.4583 -.2685 -.0006 .0215 -.0390 .0480
.4583 26.7315 .0643 .0413 -.0186 .1462
19.4583 -28.3885 -.1482 .0922 -.3264 .0305
19.4583 -.2685 -.0806 .0511 -.1832 .0149
19.4583 26.7315 -.0156 .0239 -.0681 .0295
Indices of partial moderated mediation:
Index BootSE BootLLCI BootULCI
W -.0042 .0022 -.0088 -.0002
Z .0024 .0016 -.0008 .0053
INDIRECT EFFECT:
X -> M2 -> Y
W Effect BootSE BootLLCI BootULCI
-20.5417 -.2644 .0762 -.4121 -.1116
.4583 -.1615 .0686 -.3084 -.0406
19.4583 -.0685 .0895 -.2704 .0775
Index of moderated mediation:
Index BootSE BootLLCI BootULCI
W .0049 .0024 .0000 .0094
INDIRECT EFFECT:
X -> M1 -> M2 -> Y
W Z Effect BootSE BootLLCI BootULCI
-20.5417 -28.3885 .0094 .0165 -.0191 .0480
-20.5417 -.2685 .0409 .0381 -.0093 .1343
-20.5417 26.7315 .0711 .0693 -.0172 .2420
.4583 -28.3885 -.0318 .0389 -.1264 .0186
.4583 -.2685 -.0003 .0116 -.0242 .0248
.4583 26.7315 .0300 .0321 -.0093 .1118
19.4583 -28.3885 -.0690 .0719 -.2433 .0226
19.4583 -.2685 -.0375 .0386 -.1312 .0133
19.4583 26.7315 -.0073 .0131 -.0365 .0181
Indices of partial moderated mediation:
Index BootSE BootLLCI BootULCI
W -.0020 .0018 -.0063 .0005
Z .0011 .0012 -.0004 .0041
*********************** ANALYSIS NOTES AND ERRORS ************************
Level of confidence for all confidence intervals in output:
95.0000
Number of bootstrap samples for percentile bootstrap confidence intervals:
5000
W values in conditional tables are the 16th, 50th, and 84th percentiles.
Z values in conditional tables are the 16th, 50th, and 84th percentiles.
NOTE: The following variables were mean centered prior to analysis:
W Z X
------ END MATRIX -----
댓글
이일현 (2025-10-22 15:37:23)
현재 모형의 분석 결과를 보면 회귀분석이나 process macro 에서 Y 에 영향을 주는 변수는 동일하게 설정을 했습니다.
따라서 Y 에 대한 결과는 두 분석 결과 완벽하게 일치해야 정상입니다.
process macro 의 목적은 회귀분석 결과를 보겠다는 것이 아닙니다.
이를 통해서, 매개효과나 조절효과를 보는 것이 목적입니다.
따라서 process macro 결과에서는 매개효과와 조절효과, 또는 조절된 매개효과를 보는 것이 주안점입니다.
통계분석화이팅팅 (2025-10-22 16:35:06)
교수님^_^ 감사합니다.
회귀계수 자체보다는 매개, 조절효과, 조절된 매개효과가 유의미한지 보는 것이 핵심이네요.
저 한가지 더 궁금한 부분이 있습니다.
전 논문에 개별경로에 대한 내용도 추가하였습니다.
예를 들어, 사용자정의모형 분석 결과물을 보고,
X가 M2에 미치는 영향에서 W의 조절효과를 정리하고 있습니다.
여기서 M2에 대한 결과표에 M1이 M2에 미치는 영향도 나와있어서요.
그럼, M2는
X--> M2에 미치는 영향을 W가 조절하는데 있어 M1이 통제변수처럼 들어간 것 일까요?
책이나 선행연구보면, M2도 같이 표에 넣었는데,
왜 들어가있는지 그 이유를 명확히 알고 기술하고자 합니다 ㅠㅠ!!
다시한번만 댓글주시면 감사하겠습니다.
이일현 (2025-10-22 16:55:43)
설정하신 사용자 모형은 위와 같네요.
X --> M2 의 영향에서 W 의 조절효과를 본다면 위 모형에서 M1 은 마치 통제변수처럼 사용된 것이 맞습니다.
하지만 연구자의 궁극적인 목적은 Y 이죠.
그리고, 위 모형에서는
X --> M1 에 대한 W 의 조절효과
X --> M1 에 대한 Z 의 조절효과
X --> M2 에 대한 W 의 조절효과
도 있지만 궁극적인 것은
X --> M1 --> Y
X --> M2 --> Y
X --> M1 --> M2 --> Y
의 매개효과에서 W 와 Z 가 조절하는가입니다.
즉, "조절된 매개효과"가 중요한 개념입니다.
이일현 (2025-10-22 16:59:10)
process macro 결과에서는
X --> M1 --> Y 에 대한 W 의 조절된 매개효과
Indices of partial moderated mediation:
Index BootSE BootLLCI BootULCI
W -.0042 .0022 -.0088 -.0002
X --> M2 --> Y 에 대한 W 의 조절된 매개효과
Index of moderated mediation:
Index BootSE BootLLCI BootULCI
W .0049 .0024 .0000 .0094
의 2개의 조절된 매개효과가 유의하게 나오네요.
통계분석화이팅팅 (2025-10-23 07:31:17)
교수님~~~댓글보고 많은 도움이 되었습니다.
조절된 매개효과가 유의하게 나온 부분까지 한번 더 확인해주셔서 감사합니다^_^
Legacy document_srl: 308460 / Legacy URL: http://www.statedu.com/QnA/308460
댓글