متغیر تعدیل کننده

متغیر تعدیل کننده

متغیر تعدیل کننده ، متغیر تعدیل کننده که معمولاً فقط M نشان داده می شود، متغیر سومی است که بر قدرت رابطه بین یک متغیر وابسته و متغیر مستقل تأثیر می گذارد. در همبستگی، تعدیل کننده متغیر سومی است که بر همبستگی دو متغیر تأثیر می گذارد. در یک رابطه علی، اگر x متغیر پیش‌بینی‌کننده و y یک متغیر نتیجه باشد، z متغیر تعدیل‌کننده‌ای است که بر رابطه تصادفی x و y تأثیر می‌گذارد. اکثر متغیرهای تعدیل کننده رابطه علی را با استفاده از ضریب رگرسیون اندازه گیری می کنند. متغیر تعدیل کننده، اگر معنی دار باشد، می تواند یک اثر تقویت کننده یا تضعیف کننده بین x و y ایجاد کند.

متغیر تعدیل کننده
متغیر تعدیل کننده – تزیسمی

فهرست مطالب

متغییر تعدیل کننده چیست؟

متغییر تعدیل کننده(Moderator Variable)، متغییر مستقلی است که نقش ثانویه دارد و محقق مایل است تا اثر آن را در فرآیند آزمون فرضیه، در کنار متغییر مستقل مطالعه کند. در واقع متغییر تعدیل کننده، دومین متغییر مستقلی است که به خاطر تعیین تاثیر آن در رابطه بین اولین متغییر مستقل و ومتغییر وابسته، انتخاب شده و مورد تجزیه و تحلیل قرار می گیرد. متغییر تعدیل کننده عاملی است که توسط پژوهشگر انتخاب، اندازه گیری و یا دست کاری می شود تا مشخص شود که تغییر آن موجب تغییر رابطه بین متغییر مستقل و پدیده مشاهده شده می شود یا خیر. واژه تعدیل کننده به ما اطلاع می دهد که متغییر مستقل ثانوی باید کنار گذاشته شود.

چنان چه محقق علاقمند به مطالعه تاثیر متغییر مستقل X بر متغییر وابسته Y است و فکر می کند که ماهیت این رابطه به علت وجود متغییر سومی مانند Z است، بنابراین Z را می توان به عنوان متغییر تعدیل کننده مورد تحلیل قرار داد. به عنوان مثال فرض کنیم محققی بر روی رضایت شغلی کارمندان دولت مطالعه می کند او فرضیه ای را تدوین می کند که “رضایت شغلی کارمندان با میزان حقوق ماهیانه آنان رابطه دارد. ” مسلما و بی تردید برای هر محققی این سوال مطرح می شود که آیا میزان رضایت شغلی کارمندان ناشی از افزایش حقوق ماهیانه در بین کارمندان زن و مرد تفاوتی دارد؟ یعنی درست است که می گوییم(به عنوان فرضیه) برای بالا بردن رضایت شغلی کارمندان باید حقوق ماهیانه آنها را افزایش داد، اما آیا تاثیر اقدام نزد کارمندان زن و مرد یکسان می باشد؟ در این جا، جنسیت را در صورت بندی این فرضیه، متغییر تعدیل کننده می نامند. در صورت بندی فرضیه، متغییر تعدیل کننده همانند متغییر های مستقل و وابسته نام برده می شود. مثال دیگر در این خصوص، آزمون این فرضیه می باشد که همبستگی بین هوش و معدل دانشگاهی، در بین دانشجویان پسر بیش تر از دانشجویان دختر است. در این مثال هوش متغییر مستقل، معدل دانشگاهی متغییر وابسته و جنسیت متغییر تعدیل کننده است.

 

انواع متغیر تعدیل‌کننده و روش محاسبه آن

حالت اول: متغیر مستقل و تعدیلگر هر دو از نوع طبقه‌ای (اسمی-رتبه‌ای) باشند.
حالت دوم: متغیر تعدیلگر از نوع طبقه‌ای و متغیر مستقل پیوسته باشد.
حالت سوم: متغیر تعدیلگر پیوسته و متغیر مستقل از نوع طبقه‌ای باشد.
حالت چهارم: هر دو متغیر تعدیلگر و مستقل پیوسته باشند.
در حالت اول برای مثال بخواهید نقش جنسیت را در تاثیر سمت سازمانی بر رضایت شغلی ارزیابی کنید در این حالت می‌توانید از تحلیل واریانس دوراهه استفاده کنید.

حالت دوم بیشترین کاربرد را مطالعات مدیریت دارد. برای مثال بخواهید نقش جنسیت را در رابطه اعتماد و رضایت شغلی بسنجید. جنسیت یک متغیر طبقه‌ای است و اعتماد و رضایت متغیرهای پیوسته می‌باشند. در این حالت می‌توانید از روش محاسبه اثر تعدیلگر با رگرسیون خطی استفاده کنید.

برای محاسبه حالت سوم پیشنهادی ندارم زیرا رویه مرسومی نیست ولی برای حالت چهارم می‌توانید از محاسبه متغیر تعدیلگر با روش رگرسیون هایس استفاده کنید.

متغیر تعدیل کننده
متغیر تعدیل کننده – تزیسمی

متغیر تعدیل‌کننده و رگرسیون سلسله‌مراتبی

رگرسیون سلسله‌مراتبی یا ترتیبی این امکان را فراهم می‌آورد که تاثیر چند متغیر مستقل بر یک متغیر وابسته طی چند مرحله مشخص شود. از رگرسیون سلسله‌مراتبی برای بررسی نقش متغیرهای تعدیل‌گر براساس رویه پیشنهادی بارون و کنی استفاده کرد. اگر پرسشنامه‌ای با طیف لیکرت استفاده می‌کنید تمامی سازه‌هایی که توسط چندین گویه مورد سنجش قرار می‌گیرند باید به یک شاخص قابل مشاهده تبدیل می‌شوند. برای این کار میانگین گویه‌های سنجش آنها را محاسبه کنید.

 

فرق متغیر تعدیل کننده با متغیر میانجی

متغیر تعدیل کننده اغلب با متغیرهای میانجی اشتباه گرفته می شوند. اگر چه ممکن است هر دو اصطلاح تقریباً مشابه به نظر برسند، اما استفاده از آن ها در آمار کاملاً متفاوت است. قبل از تصمیم گیری در مورد مناسب بودن تحلیل تعدیل برای مطالعه شما، درک تفاوت بین متغیرهای تعدیل کننده و میانجی بسیار مهم است.

یک دیدگاه ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *