top of page

Multiple - Parallel Mediator

Writer's picture: Nott Panik SenariddhikraiNott Panik Senariddhikrai

Mediator variable หรือ ตัวแปรคั่นกลาง เป็นตัวแปรที่มาอยู่ตรงกลางระหว่างตัวแปรสองตัว

Mediator variable หรือ ตัวแปรคั่นกลาง เป็นตัวแปรที่มาอยู่ตรงกลางระหว่างตัวแปรสองตัว ขอแทนตัวแปรที่เกี่ยวข้องดังนี้


-X หมายถึงตัวแปรอิสระ (Independent)

-Y หมายถึงตัวแปรตาม (Dependent) และ

-M หมายถึงตัวแปรคั่นกลาง (Mediator)


ความพิเศษของตัวแปรคั่นกลางคือตัวแปรนี้จะมาทำหน้าที่คลายความกระจ่างในความสัมพันธ์ของตัวแปร X ที่มีต่อตัวแปร Y ความกระจ่างที่ว่านี้คือเราทราบความสัมพันธ์ดั้งเดิมของ X ที่มีต่อ Y อยู่แล้ว (ละไว้ในฐานที่เข้าใจว่า X มีความสัมพันธ์ต่อ Y) แต่เป็นไปได้หรือไม่ว่าในความสัมพันธ์ระหว่าง X ที่มีต่อ Y นั้น ยังมีตัวแปรอื่นที่เกี่ยวข้องอีกหรือไม่ เราจึงสนใจทำการทดสอบโดยการนำตัวแปร M เข้ามาอยู่ในความสัมพันธ์นี้แล้วดูว่า M ทำให้ความสัมพันธ์ของ X ที่มีต่อ Y นั้นเปลี่ยนไปหรือไม่


ซึ่งความสัมพันธ์จะเปลี่ยนไปนั้นเราจะต้องไปดูที่ M ว่ามีนัยสำคัญต่อ Y หรือไม่ ประเด็นนี้สำคัญเนื่องจากถ้า M ไม่มีนัยสำคัญต่อ Y ก็จะไม่เป็นตัวแปรคั่นกลางทันที ดังนั้น ก่อนอื่นเรามาทบทวนแนวคิดของตัวแปรคั่นกลางกันสักนิดนึงครับ



จากความสัมพันธ์ในแนวคิดของตัวแปรคั่นกลางนี้ มีคำอธิบายเพิ่มเติมดังนี้ครับ


1) ความสัมพันธ์จาก X ไปสู่ M ในเส้นการพยากรณ์ a

2) ความสัมพันธ์จาก M ไปสู่ Y ในเส้นการพยากรณ์ b

(หากมีความสัมพันธ์ทั้งในข้อ 1 และ 2 เรียกค่านี้ว่า indirect effect)

3) ความสัมพันธ์จาก X ไปสู่ Y โดยผ่านตัวแปรคั่นกลาง M ในเส้นการพยากรณ์ c’ (direct effect) (ความสัมพันธ์ที่มี M อยู่ในโมเดลด้วย)

4) ความสัมพันธ์จาก X ไปสู่ Y โดยยังไม่มีตัวแปรคั่นกลาง M ในเส้นการพยากรณ์ c (total effect) (ความสัมพันธ์เดิมที่ยังไม่มี M เข้ามา)


เมื่อทำการทดสอบแล้วสิ่งที่จำเป็นที่ต้องการให้เกิดขึ้นคือเส้น a และ b ซึ่งเป็นความสัมพันธ์จาก X ไปสู่ Y โดยผ่านทาง M เป็นความจำเป็นว่า X ต้องมีผลต่อ M และ M ต้องมีผลต่อ Y (เราเรียกว่าค่าอิทธิพลทางอ้อม หรือ indirect effect) จากนั้นจึงไปพิจารณาค่าในเส้น C' (อ่านว่า ซีพราม) ต่อไป


1) หากเส้น c' (อิทธิพลจาก X ไปสู่ Y โดยที่มี M อยู่ในโมเดล) มีอิทธิพลลดลงแต่ยังคงมีนัยสำคัญ ถ้าเป็นลักษณะนี้เราเรียกว่า "เกิดอิทธิพลคั่นกลางบางส่วน - partial mediation"

2) หากเส้น c' (อิทธิพลจาก X ไปสู่ Y โดยที่มี M อยู่ในโมเดล) มีอิทธิพลลดลงจนไม่มีนัยสำคัญ ถ้าเป็นลักษณะนี้เราเรียกว่า "เกิดอิทธิพลคั่นกลางสมบูรณ์ - full (complete) mediation"


แนวคิดตัวแปรคั่นกลางที่มักอ้างกันคือแนวคิดของ Baron and Kenny ครับ [1] ดูเพิ่มเติมจากเว็บนี้ได้



 

สำหรับบทความในวันนี้ นอกจากจะทบทวนเรื่องราวของ Mediator แล้ว จะมาเพิ่มเติมให้มากขึ้น ในกรณีที่ถ้าหากมีตัวแปรคั่นกลางหลายตัวจะทำอย่างไร การมีตัวแปรคั่นกลางหลายตัวเราเรียกว่า "ตัวแปรคั่นกลางพหุ - multiple mediator" ทีนี้ ประเด็นที่จะแตกหน่อเพิ่มขึ้นมาคือถ้ามีตัวแปรคั่นกลางหลายตัวแล้วตัวแปรไหนมีอิทธิพลมากกว่า - จะขอข้ามในประเด็นว่าแล้วตัวแปรคั่นกลางตัวไหนมีอิทธิพลบ้าง ซึ่งตรงนี้ก็สามารถใช้หลักการตัวแปรคั่นกลางปกติได้เลย




ตัวอย่างงานที่มีตัวแปรคั่นกลางหลายตัว ตัวอย่างนี้เป็นงานของ Leanne Kane and Andrea R. Ashbaugh (2017) [2] ทำการศึกษาว่า Gender มีผลต่อ Sensation Seeking ผ่านตัวแปรคั่นกลางทั้ง 3 ตัวหรือไม่ ประกอบด้วย Physical Concerns. Social Concerns, และ Cognitive Concerns ทีนี้ ความพิเศษที่เพิ่มเข้ามาของงานนี้คือ นอกจากจะเป็นตัวแปรคั่นกลางพหุแล้ว (multiple mediator) ยังนับได้ว่าเป็นตัวแปรคั่นกลางแบบขนาน (parallel) ด้วยเช่นกัน คำว่าแบบขนานหรือ parallel หมายถึงตัวแปรคั่นกลางที่อยู่ในโมเดลที่มีมากกว่า 1 ตัวนั้นอยู่ในตำแหน่งเดียวกัน ก็คือ อยู่คั่นตรงกลางระหว่าง X กับ Y เหมือนกัน ซึ่งอาจเกิดคำถามว่าแล้วถ้ามันไม่อยู่ตรงกลางล่ะ มันจะไปอยู่อย่างไร ในงานนี้ก็ทำการศึกษาต่อในอีกลักษณะเช่นกันดังรูป


จากรูปนี้ เป็นอีกลักษณะของตัวแปรคั่นกลางพหุ และไม่ได้เป็นแบบขนาน แต่สามารถเรียกอีกอย่างว่าเป็น serial mediator เนื่องจากตัวแปร M1 (Anxiety Sensitivity) มีการพยากรณ์ไปยัง M2 (Negative Urgency) ก่อนจะพยากรณ์ไปยัง Y ต่อไป


ทีนีเรากลับมาเรื่อง Parallel Mediator จากตัวอย่างด้านบนเรามี M ทั้งหมด 3 ตัว จึงเกิดการทดสอบ 3 เส้น (ย้อนกลับไปดูแนวคิดทางด้านบน) จะแบ่งเป็น a1 a2 a3 และ b1 b2 b3 ในขณะที่ใช้ C และ C' เดิม


จากงานที่นำมาเป็นตัวอย่างในวันนี้ใช้โปรแกรม PROcessMacro ในการวิเคราะห์ ดูภาพตัวอย่างซึ่งเป็นภาพที่ปรากฏอยู่ในงานชิ้นนี้ด้วย



ความพิเศษของ PROcess คือสามารถออกค่าต่างๆให้เยอะมาก และมากพอที่จะพิจารณาความสัมพันธ์ต่างๆ ได้อย่างสะดวกและครบถ้วน ตั้งแต่การให้เลือกรัน Bootstrap การให้แสดงผล Pairwise comparison แล้วมันพิเศษอย่างไร ขอเล่าความสั้นๆ ดังนี้

-Bootstrap จะแสดงในส่วนของ indirect effect ว่ามีนัยสำคัญหรือไม่ โดยดูจากค่า lower และ upper ว่าตัวเลขนั้นคร่อม 0 หรือไม่ เช่น ถ้าค่า lower = 1.234 และ upper = 2.345 ถ้าค่าเป็นเช่นนี้เรียกว่าไม่คร่อม 0 แบบนี้แปลความได้ว่าเส้นทางอ้อม (indirect) นั้นมีนัยสำคัญ เช่นกันว่าถ้าหากค่า lower = -1.234 และ upper = 1.234 แบบนี้เรียกว่าคร่อม 0 แปลว่าไม่มีนัยสำคัญ

-Pairwise เป็นการแสดงค่าเปรียบเทียบระหว่างเส้นทางอ้อมเช่นจากตัวอย่างที่มี 3 เส้นทาง จะเกิดการเปรียบเทียบ 3 คู่ คือ (1)M1 vs M2 , (2)M1 vs M3 , และ (3)M2 vs M3 ซึ่งในโปรแกรมจะแสดงเป็นตัวแปร C1 C2 C3 และจะมีการระบุไว้ให้ว่าตัวแปรคือการเปรียบเทียบระหว่าง M ตัวใดบ้าง


สรุป

การทดสอบตัวแปรคั่นกลางนั้นคือการทดสอบว่ามีตัวแปรใดอยู่มีเข้ามาอิทธิพลระหว่างตัวแปรอื่นหรือไม่ และการทดสอบตัวแปรคั่นกลางนั้นยังทำได้ในหลายโปรแกรมไม่ว่าจะเป็น PROcessMacro หรือ AMOS LISREL Mplus SmartPLS ได้อย่างหลาก แต่ขึ้นกับว่าลักษณะตัวแปรนั้นเป็นเช่นไร เช่นว่า หากตัวแปรเป็นลักษณะ Latent variable ก็มีความจำเป็นต้องเลือกใช้ AMOS LISREL Mplus หรือ SmartPLS แต่ถ้าเป็นลักษณะของ Observed variable ก็สามารถเลือกใช้ได้หลากหลาย โดยเฉพาะ PROcess สำหรับตัว PROcess นั้นมีบันทึกเก่าลองย้อนกลับไปติดตามกันดูครับ (http://reservedsmartresearchthai.zohosites.com/blogs/post/Process-by-SPSS/) และถ้าใครสนใจโปรแกรม PROcess สามารถดาวน์โหลดได้ที่ http://processmacro.org/index.html

สุดท้ายนี้ ใครสนใจอยากพูดคุยกันเพิ่มเติม สามารถติดต่อเข้ามาได้ทุกช่องทางครับ

Nott 086-555-5949
line: @SmartResearchThai
www.SmartResearchThai.com

 

References

[1] Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic and statistical considerations. Journal of Personality and Social Psychology, 51, 1173-1182.


[2] Leanne Kane and Andrea R. Ashbaugh. (2017). Simple and Parallel mediation: A tutorial exploring sensitivity, sensation seeking, and gender. The Quantitative Methods for Psychology. Vol 13 no.3.


1,227 views0 comments

Recent Posts

See All

Comments


SmartResearchThai Co., Ltd.
Statistic Software Tutor, Statistic Assistant, Statistic Consultant

สนใจติดต่อ สอบถามได้เลย

Line: @SmartResearchThai

FB: SmartResearchThai

SmartResearchThai Co., Ltd.

086-555-5949

  • Facebook
  • YouTube

©2019 by SmartResearchThai Co., Ltd. Proudly created with Wix.com

#อบรมสถิติ #อบรมSEM #สอนสถิติ #สอนSEM #อบรมAMOS #สถิติAMOS #อบรมLISREL #สถิติLISREL #อบรมMplus #สถิติMplus #อบรมSPSS #สถิติSPSS

bottom of page