اینستاگرام کالج مدیریت را دنبال کنید
/ در پایان نامه / توسط
آخرین زمان ویرایش:

متغیر تعدیل کننده

زمان مطالعه: ۴ دقیقه

متغیر تعدیل کننده ، یک متغیر میانجی (یا واسطه) فرایندی را توضیح می دهد که از طریق آن دو متغیر به هم مرتبط هستند، در حالی که یک متغیر تعدیل کننده (یا تعدیل کننده) بر قدرت و جهت آن رابطه تأثیر می گذارد.

گنجاندن میانجی ها و ناظران در تحقیقات شما به شما کمک می کند فراتر از مطالعه یک رابطه ساده بین دو متغیر برای تصویری کامل از دنیای واقعی باشید. این متغیرها مهم است که هنگام مطالعه روابط پیچیده همبستگی یا علی بین متغیرها مورد توجه قرار گیرند.

 

متغیر تعدیل کننده چیست؟

یک متغیر تعدیل کننده، که معمولاً فقط به عنوان M نشان داده می شود، سومین متغیری است که بر قدرت رابطه بین متغیر وابسته و 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 پیش بینی کننده و y متغیر نتیجه باشد، z متغیر تعدیل کننده است که بر رابطه گاه به گاه x و y تأثیر می گذارد. بیشتر متغیرهای تعدیل کننده رابطه علیت را با استفاده از ضریب رگرسیون اندازه گیری می کنند. متغیر تعدیل کننده، اگر قابل توجه باشد، می تواند یک اثر تقویت کننده یا ضعیف کننده بین x و y ایجاد کند. در ANOVA، اثر متغیر تعدیل کننده با تأثیر متقابل بین متغیر وابسته و متغیر عامل نشان داده می شود.

 

تفاوت در چیست؟

شما می توانید یک میانجی را میان دو متغیر در نظر بگیرید. به عنوان مثال، کیفیت خواب (یک متغیر مستقل) می تواند از طریق واسطه هوشیاری، بر پیشرفت تحصیلی (متغیر وابسته) تأثیر بگذارد. در یک رابطه میانجیگری، می توانید یک پیکان را از یک متغیر مستقل به یک واسطه و سپس از واسطه به متغیر وابسته بکشید.

در مقابل، تعدیل کننده چیزی است که بر اساس رابطه بین دو متغیر عمل کرده و جهت یا قدرت آن را تغییر می دهد. به عنوان مثال، وضعیت سلامت روان ممکن است رابطه بین کیفیت خواب و پیشرفت تحصیلی را تعدیل کند: این رابطه ممکن است برای افراد فاقد شرایط بهداشت روانی تشخیص داده شده نسبت به افراد مبتلا قوی تر باشد.

در یک رابطه تعدیل، می توانید از ناظر یک پیکان را به سمت رابطه بین یک متغیر مستقل و وابسته بکشید.

 

متغیر تعدیل کننده

متغیر تعدیل کننده – کالج مدیریت

 

متغیرهای میانجی

واسطه راهی است که در آن متغیر مستقل بر متغیر وابسته تأثیر می گذارد. این بخشی از مسیر علیت یک اثر است و به شما می گوید که چگونه یا چرا یک اثر رخ می دهد.

اگر چیزی واسطه است:

۱٫ توسط متغیر مستقل ایجاد می شود.
۲٫ بر متغیر وابسته تأثیر می گذارد
۳٫ وقتی مورد توجه قرار گرفت، همبستگی آماری بین متغیرهای مستقل و وابسته بیشتر از زمانی است که مورد توجه قرار نگیرند.

تجزیه و تحلیل مدیشناسیون نوعی آزمایش آماری است که آیا یک متغیر یک واسطه است با استفاده از تحلیل رگرسیون خطی یا ANOVA.

در میانجیگری کامل، یک میانجی رابطه بین متغیر مستقل و وابسته را کاملاً توضیح می دهد: بدون واسطه در مدل، هیچ رابطه ای وجود ندارد.

در میانجیگری جزئی، حتی بین متغیر مستقل و وابسته رابطه آماری وجود دارد حتی زمانی که واسطه از یک مدل خارج شود: واسطه فقط تا حدی رابطه را توضیح می دهد.

تعدیل متغیرها

یک ناظر بر سطح، جهت یا حضور رابطه بین متغیرها تأثیر می گذارد. این به شما نشان می دهد که رابطه برای چه کسی، چه زمانی یا در چه شرایطی برقرار است.

ناظران معمولاً با شناسایی محدودیت های زمانی که رابطه بین متغیرها برقرار است، به شما کمک می کنند تا اعتبار خارجی مطالعه خود را قضاوت کنید. به عنوان مثال، در حالی که استفاده از شبکه های اجتماعی می تواند سطح تنهایی را پیش بینی کند، این رابطه ممکن است برای بزرگسالان نسبت به بزرگسالان قوی تر باشد. سن اینجا مجری است.

مجریان می توانند:

. متغیرهای دسته بندی مانند قومیت، نژاد، جنسیت، گرایش جنسی، وضعیت سلامتی یا نوع محرک،
. متغیرهای کمی مانند سن، وزن، قد، درآمد یا اندازه محرک بصری.

 

انواع متغیر تعدیلگر و روش محاسبه آن

بارون و کنی (۱۹۸۶) در مقاله خود چهار حالت گوناگون از وضعیت متغیر مستقل و تعدیلگر را به شرح زیر بررسی کردند:

  • 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 می توانید 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.

نوشته های مشابه

سبک شیکاگو

منبع نویسی به سبک شیکاگو سبک شیکاگو ، راهنمای سبک شیکاگو (چاپ هفدهم) حاوی رهنمودهایی برای دو سبک استناد است:…

متغیرهای توضیحی

متغیرهای توضیحی و پاسخ متغیرهای توضیحی ، در تحقیق، شما اغلب روابط علی بین متغیرها را با استفاده از آزمایشات…