Mediatorvariablen

Mediatorvariablen sind Variablen, die den kausalen Zusammenhang zwischen einer unabhängigen Variable (X) und einer abhängigen Variable (Y) vermitteln. Sie liegen in der Kausalfolge X → M → Y, wobei X M beeinflusst und M Y beeinflusst. Mediatoren unterscheiden sich von Moderatoren, die die Stärke oder Richtung des Effekts verändern, sowie von Confoundern, die sowohl X als auch Y beeinflussen können, ohne Teil des direkten Pfads zu sein.

In der Analyse von Mediatoren versucht man, den Anteil des Gesamteffekts von X auf Y zu identifizieren, der durch M verläuft. In linearen Modellen gilt grob: Gesamteffekt = Direkter Effekt + Indirekter Effekt. Der Indirekteffekt wird als Produkt der Pfadkoeffizienten a und b beschrieben, wobei a der Effekt von X auf M und b der Effekt von M auf Y (unter Kontrolle von X) ist.

Methoden zur Untersuchung von Mediatoren umfassen den klassischen Barón-Kenny-Ansatz, der schrittweise prüft, ob X M beeinflusst, M Y beeinflusst und ob der X-Effekt auf Y abnimmt, wenn M kontrolliert wird. Die Signifikanz der indirekten Wirkung lässt sich oft mittels Sobel-Test prüfen oder, bevorzugt, über Bootstrapping-Intervalle. Strukturmodellierung (SEM) erlaubt eine simultane Schätzung mehrerer Pfade und komplexerer Mediationsstrukturen, einschließlich mehrerer Mediatoren.

Voraussetzungen für kausale Interpretationen sind korrekte zeitliche Reihenfolge, ausreichende Kontrolle von Störfaktoren und geringe Messfehler. Mediatorvariablen können zudem moderiert oder durch Moderation beeinflusst werden (bedingte Mediation). Typische Anwendungsfelder sind Psychologie, Epidemiologie, Bildungsforschung und Wirtschaftswissenschaften, um Mechanismen hinter Interventionseffekten zu erklären.

Beispiel: Ein Trainingsprogramm (X) erhöht Motivation (M), die wiederum die Arbeitsleistung (Y) verbessert; ein Teil des Effekts erfolgt indirekt über M.