Zwischenvariablen

Zwischenvariablen, auch als Zwischen- oder Mediatorvariablen bezeichnet, sind Variablen, die in einer Kette zwischen einer ursprünglichen Variable (häufig ein Prädiktor oder eine Intervention) und einer nachfolgenden Variablen liegen. Sie vermitteln den beobachteten Effekt der unabhängigen Variable auf die abhängige Variable und erklären damit den Mechanismus, durch den ein Ergebnis zustande kommt. Mediatoren unterscheiden sich dadurch von Moderatoren, die die Stärke oder Richtung einer Beziehung beeinflussen, sowie von Stör- oder Confounding-Variablen, die unbeabsichtigt die Beziehung zwischen Prädiktor und Outcome verzerren.

Zudem wird zwischen kausalen und statistischen Mediatoren unterschieden. In der kausalen Logik ist der Mediator Teil eines echten Ursache-Wirkungs-Pfades, während statistische Analysen lediglich Assoziationen aufdecken können, die kausal interpretiert werden müssen. Typische Anwendungsfelder sind Sozial-, Wirtschafts- und Gesundheitswissenschaften, wo man verstehen will, wie etwa eine Intervention über bestimmte Zwischenvariablen zu Ergebnissen führt.

Methodisch werden Zwischenvariablen durch Mediationsanalyse untersucht. Klassische Ansätze wie der Baron-Kenny-Ansatz, der Sobel-Test oder Bootstrap-Schätzung von Konfidenzintervallen werden ergänzt durch fortgeschrittene Verfahren der kausalen Mediationsanalyse (Potenzialausdrücke) und Strukturgleichungsmodelle (Path Analysis). Wichtige Herausforderungen sind Messfehler bei Mediatoren, zeitliche Reihenfolgen (der Mediator muss dem Prädiktor zeitlich vorausgehen), multiple Mediatoren und komplexe Mediationspfade, die unterschiedliche Wirkgrößen erzeugen können.

Beispiele veranschaulichen den Sinn: Bildung beeinflusst Fähigkeiten, Fähigkeiten beeinflussen Beschäftigungsstatus, dieser wiederum das Einkommen. Solche Pfade helfen, Mechanismen hinter beobachteten Effekten zu verstehen, ohne kausale Aussagen zu vernachlässigen.