Video 4 PROCESS: La base estadística de la mediación y moderación con PROCESS.

Summary

En este video se explica el análisis de la mediación y moderación, comparando la estrategia clásica de Baron y Kenny (1986) con los avances más recientes del profesor Hayes. Se destacan las críticas a la metodología clásica y se presentan nuevas técnicas, como el uso de la macro PROCESS, que permite un análisis más robusto de efectos indirectos y moderadores, empleando técnicas modernas como el bootstrap. Además, se enfatiza la flexibilidad del análisis de regresión múltiple moderada frente al análisis de varianza, y se subraya la importancia de visualizar resultados con gráficos, destacando la técnica de Johnson-Neyman para variables cuantitativas.

Takeaways

• 📊 La base estadística para el análisis de mediación y moderación se ha desarrollado siguiendo procedimientos establecidos por profesores como Hayes y comparados con la estrategia clásica de Baron y Kenny de 1986.
• 🔍 La estrategia clásica de Baron y Kenny se ha convertido en una referencia con casi 60.000 citas, y aunque ha sido criticada, sigue siendo utilizada.
• 📚 El trabajo de Hayes y colaboradores, publicado en 2009 y su libro de 2013, han sido fundamentales para el desarrollo de nuevas metodologías en el análisis de mediación y moderación.
• 📈 La estrategia de 'pasos causales' de Baron y Kenny se basa en el análisis de regresión para identificar el efecto total, directo e indirecto en una relación variable.
• ⚖️ La estrategia de 'producto de coeficientes' o test de Sobel estima el coeficiente indirecto y su significación estadística, pero asume una distribución normal que no siempre se cumple.
• 💡 Hayes ha propuesto una estrategia basada en la técnica de bootstrap para el análisis de mediación, que no requiere suposiciones de distribución muestral y es válida para muestras pequeñas.
• 📉 La técnica de bootstrap permite crear intervalos de confianza para el efecto indirecto, facilitando la toma de decisiones sobre su significación estadística.
• 🔄 La moderación se analiza como un efecto de interacción entre una variable independiente y una variable moderadora, y se representa gráficamente con un modelo de regresión múltiple moderada.
• 📊 El análisis de moderación con PROCESS se basa en la regresión múltiple moderada, que es más flexible y permite trabajar con variables de distintos niveles de medida.
• 📈 La visualización de los resultados de la moderación se ha mejorado con técnicas como 'point peak' para variables cualitativas y 'Josh Johnson' para variables cuantitativas.

Q & A

¿Qué es el análisis de mediación según el enfoque clásico de Baron y Kenny (1986)?

El análisis de mediación clásico propuesto por Baron y Kenny en 1986 se basa en la descomposición del efecto total entre una variable independiente (X) y una variable dependiente (Y) en un efecto directo y un efecto indirecto a través de una variable mediadora (M). Implica realizar tres pruebas de regresión para determinar si los coeficientes de estas relaciones son estadísticamente significativos.

¿Cuáles son las críticas al enfoque clásico de Baron y Kenny para el análisis de mediación?

El enfoque clásico ha sido criticado porque no estima directamente el coeficiente del efecto indirecto, sino que lo infiere a partir de la significación estadística de los coeficientes A y B. Además, asume distribuciones muestrales normales y depende de muestras grandes, lo que no siempre es viable en investigaciones experimentales.

¿Qué es el test de Sobel y cómo mejora el análisis de mediación?

El test de Sobel es una mejora al enfoque clásico, ya que permite estimar directamente el coeficiente del efecto indirecto (AB) y su significación estadística. Sin embargo, también ha sido criticado porque asume que el estadístico sigue una distribución normal, lo cual no siempre es cierto, especialmente con muestras pequeñas.

¿Qué propone Hayes para mejorar el análisis de mediación?

Hayes propone una estrategia basada en la técnica de 'bootstrapping', que no requiere que los datos sigan una distribución muestral específica y es aplicable con muestras pequeñas. Esta técnica permite estimar el efecto indirecto mediante intervalos de confianza en lugar de asumir distribuciones normales.

¿En qué consiste la técnica de 'bootstrapping' aplicada al análisis de mediación?

El 'bootstrapping' implica la creación de múltiples muestras a partir de los datos originales para construir una distribución muestral del efecto indirecto. Con esta distribución, se calculan intervalos de confianza que permiten determinar si el efecto indirecto es estadísticamente significativo.

¿Cómo se establece la significación estadística del efecto indirecto en la técnica de 'bootstrapping'?

Se considera que un efecto indirecto es estadísticamente significativo si el intervalo de confianza, generalmente del 95%, no incluye el valor cero. Esto indica que existe un efecto indirecto significativo entre las variables mediadora e independiente.

¿Qué es el análisis de moderación y cómo se aplica en el enfoque de Hayes?

El análisis de moderación implica evaluar si el efecto de una variable independiente (X) sobre una variable dependiente (Y) cambia en función de los valores de una variable moderadora (M). El enfoque de Hayes utiliza la regresión múltiple moderada para cuantificar la interacción entre las variables y determinar si el coeficiente de interacción es significativo.

¿Cuál es la ventaja del enfoque de regresión múltiple moderada sobre el análisis de varianza en el estudio de la moderación?

La regresión múltiple moderada es más flexible y versátil que el análisis de varianza (ANOVA), ya que permite trabajar con variables cuantitativas y cualitativas, mientras que el ANOVA se limita a variables cualitativas o con niveles de medida ordinales.

¿Qué es la aproximación 'pick-a-point' en el análisis de moderación?

La aproximación 'pick-a-point' es una técnica utilizada principalmente cuando la variable moderadora es cualitativa. Consiste en evaluar el efecto de la variable independiente sobre la variable dependiente en puntos específicos de la variable moderadora, facilitando la visualización del efecto de la interacción.

¿Qué es la técnica Johnson-Neyman y cómo mejora el análisis de moderación?

La técnica Johnson-Neyman es especialmente útil cuando la variable moderadora es cuantitativa. Permite identificar las regiones de significación estadística, es decir, los valores específicos de la variable moderadora a partir de los cuales el efecto de la variable independiente sobre la dependiente es significativo.