En investigación, la mayoría de las veces comprobamos los efectos directos.  Es decir, un efecto directo es una relación entre un predictor y un resultado, como la Satisfacción Laboral que predice el rendimiento laboral.  Sin embargo, a veces queremos comprobar si una tercera variable explica la relación entre otras dos variables, como si la motivación explica la relación entre la Satisfacción Laboral y el rendimiento laboral.  A esto lo llamamos a menudo efecto mediador o efecto indirecto, que puede comprobarse en Jamovi.  Esta página te enseñará cómo hacerlo.  Si tienes alguna pregunta después de leerla, envíame un correo electrónico a MHoward@SouthAlabama.edu.

---

Una variable mediadora explica la relación entre otras dos variables.  Por ejemplo, podemos saber que la Satisfacción Laboral está relacionada con el Rendimiento Laboral, pero tal vez no conozcamos la razón exacta.  Sin embargo, podríamos comprobar si la Satisfacción Laboral de las personas provoca una mayor motivación, que a su vez conduce a un mayor rendimiento laboral.  Si es significativo, diríamos que la motivación es un mediador entre la Satisfacción Laboral y el Rendimiento Laboral.  De ser así, tendríamos un efecto indirecto de la Satisfacción Laboral sobre el rendimiento laboral a través de la motivación.  Otras preguntas que podríamos hacernos al investigar la mediación podrían ser:

• Si el menoscabo social explica la relación negativa entre el maquiavelismo de los miembros del equipo y el rendimiento del equipo.
• Si el tiempo dedicado al estudio explica la relación positiva entre la concienciación y las notas.
• Si el tiempo de fiesta explica la relación negativa entre la extraversión y las notas.

Y aquí hay una representación visual de la mediación:

El tipo más básico de mediación incluye un único predictor, un único mediador, y un único resultado.  Esto es lo que utilizaremos para el ejemplo que estamos tratando.  Si no tienes un conjunto de datos, puedes descargar el conjunto de datos de ejemplo aquí. En este conjunto de datos, investigamos el efecto directo de la Satisfacción Laboral en el Rendimiento Laboral, y también comprobamos si la motivación influye en esta relación. En otras palabras, comprobamos si la motivación explica la relación entre la Satisfacción Laboral y el Rendimiento Laboral.

Además, este archivo está en formato .xls, pero Jamovi no puede abrir este formato. Para saber cómo cambiar este archivo .xls a un archivo .csv, que Jamovi puede abrir, haga clic aquí. Además, las imágenes de abajo son un poco pequeñas en la página. Haga clic en el enlace situado encima de cada imagen para ver una versión ampliada de la misma en una nueva ventana.

Además, esta guía utiliza el módulo medmod de Jamovi. Si aún no ha instalado este módulo, deberá hacerlo. Haga clic aquí para descubrir cómo instalar módulos en Jamovi.

Una última nota antes de empezar: No estoy totalmente seguro de cómo Jamovi o el paquete medmod asociado calculan las estimaciones de los efectos indirectos. Sé que calcula estimaciones bootstrapped, pero no he podido encontrar una declaración directa sobre el análisis exacto. Si conoce la respuesta, por favor, ¡hágamelo saber! De lo contrario, dudaría en utilizar este enfoque con fines de investigación hasta que pudiera obtener una respuesta clara a esta pregunta.

El conjunto de datos debería tener este aspecto:

Imagen de Mediación en Jamovi 1

Primero queremos hacer clic en el botón medmod, como se ve a continuación:

Imagen de Mediación en Jamovi 2

Queremos hacer clic en Mediación.

Imagen de Mediación en Jamovi 3

Debería ver una ventana como la siguiente.

Imagen de Mediación en Jamovi 4

En primer lugar, queremos designar nuestra variable de resultado, que en este ejemplo es el JobPerformance. Haga clic en la variable de Job Performance y, a continuación, haga clic en la flecha hacia la derecha situada junto al cuadro Dependent Variable.

Imagen de Mediación en Jamovi 5

Queremos designar nuestra variable predictora, que en este ejemplo es JobSatisfaction. Haga clic en la variable Job Satisfaction y, a continuación, haga clic en la flecha hacia la derecha situada junto al cuadro Predictor.

Imagen de Mediación en Jamovi 6

Por último, queremos designar nuestra variable mediadora, que en este ejemplo es Motivation. Haga clic en la variable Motivation y, a continuación, en la flecha hacia la derecha situada junto a la casilla Mediator.

Imagen de Mediación en Jamovi 7

Debería obtener un resultado similar a los números que se muestran a continuación. Si es así, ¡genial! Si no es así, eche un vistazo atrás y vea en qué difiere su procedimiento del mío.

Imagen de Mediación en Jamovi 8

En esta ventana, la primera línea representa el efecto indirecto, que nos indica si nuestra variable mediadora era realmente un mediador estadísticamente significativo. En este ejemplo, vemos que el valor p asociado con el efecto indirecto fue de 0.58. Como este valor es superior a 0.05, no es estadísticamente significativo. Dado que es superior a 0.05, no es estadísticamente significativo y determinaríamos que la motivación no fue un mediador significativo del efecto entre la satisfacción laboral y el rendimiento laboral.

Puede ver los resultados del efecto directo en la segunda línea y los del efecto total en la tercera. El efecto directo es la relación de nuestro predictor con nuestro resultado cuando se controla nuestro mediador. En este ejemplo, el valor p fue de 0.94, lo que indica que la satisfacción laboral no tuvo una influencia significativa en el rendimiento laboral cuando se tuvo en cuenta la motivación. Alternativamente, el efecto total es el efecto indirecto y el efecto directo juntos. De nuevo, en este ejemplo, podemos ver que el valor p del efecto total es de 0.87, lo que indica que la relación global de la satisfacción laboral con el rendimiento laboral no era estadísticamente significativa.

Esto es todo sobre Mediación con Regresión en Jamovi. Si tiene alguna pregunta, no dude en ponerse en contacto conmigo en MHoward@SouthAlabama.edu.