جستجو
متغیر واسطه ای و تعدیلگر (Moderater Variable و Mediator variable) اثر یک متغیر سوم در رابطه ی بین متغیر مستقل و متغیر وابسته را مشخص می کند. این اثرمی‌تواند به دو صورت متمایز باشد
۱-به عنوان متغیر تعدیل کننده (Moderater Variable)
۲-به عنوان متغیر واسطه ای (Mediator variable)
در زبان فنی و علمی، “متغیر واسطه ای” و “تعدیلگر” دو مفهوم مختلف هستند و در مواقع مختلف به کار می‌روند:
متغیر واسطه ای یک متغیر است که برای انجام محاسبات میانی در یک فرآیند یا توالی محاسباتی به کار می‌رود. این متغیرها به طور معمول در میانه‌ی مسیریابی یا محاسباتی بین دو متغیر نهایی بکار می‌روند. آن‌ها به انتقال اطلاعات یا تغییر مراحل محاسباتی کمک می‌کنند.
تعدیلگر یک مفهوم معمولاً در زبان معنوی و عامیانه به کار می‌رود و به هر چیزی اشاره دارد که برای تغییر یا اصلاح چیزی مورد استفاده قرار می‌گیرد. تعدیلگر ممکن است یک شخص، وسیله، قانون یا هر چیز دیگری باشد که برای تغییر و تنظیم چیزی مورد استفاده قرار می‌گیرد.
در اصطلاحات علمی و مهندسی، تعدیلگر ممکن است به یک وسیله یا پارامتری اشاره کند که برای تعدیل یا تنظیم ویژگی‌های یک سیستم یا فرآیند مورد استفاده قرار می‌گیرد، در حالی که متغیر واسطه ای به متغیرهای میانی اشاره دارد که در جریان محاسبات برای انتقال داده‌ها یا محاسبات میانی استفاده می‌شوند.
به طور کلی، تعدیلگر بیشتر به عوامل کنترلی و تنظیمی اشاره دارد، در حالی که متغیر واسطه ای به متغیرها و داده‌های میانی مربوط به محاسبات و فرآیندهای میانی می‌پردازد.
یک متغیر واسطه ای (یا واسطه کننده) فرآیندی را توضیح می‌دهد که رابطه دو متغیر را تبیین می‌کند، در حالی که یک متغیر تعدیل کننده (یا تعدیلگر) قدرت و جهت این ارتباط را تحت تأثیر قرار می‌دهد.
اضافه کردن متغیرهای واسطه ای و تعدیل کننده به تحقیقات شما کمک می‌کند که به فراتر از مطالعه یک رابطه ساده بین دو متغیر بروید و تصویر کامل‌تری از جهان واقعی را به دست آورید. این متغیرها در مطالعه روابط پیچیده ارتباطی یا علیتی بین متغیرها مهم هستند.
می‌توانید به عنوان یک متغیر واسطه ای به آن فکر کنید که به عنوان یک واسطه بین دو متغیر عمل می‌کند. به عنوان مثال، کیفیت خواب (یک متغیر مستقل) می‌تواند از طریق متغیر واسطه ای از پیش‌زمینه، یعنی بیداری، بر روی پیشرفت تحصیلی (یک متغیر وابسته) تأثیر بگذارد. در یک رابطه واسطه‌ای، می‌توانید یک پیکان از متغیر مستقل به متغیر واسطه ای و سپس از متغیر واسطه ای به متغیر وابسته کشید.
به مقابل، متغیر تعدیل کننده یک عنصری است که بر رابطه دو متغیر اثر می‌گذارد و جهت یا قدرت این ارتباط را تغییر می‌دهد. به عنوان مثال، وضعیت سلامت روانی ممکن است بر رابطه بین کیفیت خواب و پیشرفت تحصیلی تأثیر بگذارد: این رابطه ممکن است برای افرادی که به بیماری‌های روانی تشخیص داده نشده دچار نشده‌اند، قوی‌تر باشد نسبت به افرادی که به بیماری‌های روانی مبتلا هستند. در یک رابطه تعدیلی، می‌توانید یک پیکان از متغیر تعدیل کننده به رابطه بین یک متغیر مستقل و متغیر وابسته کشید.
در حالت کلی یک متغیر تعدیل کننده، یک متغیر کیفی (مانند جنس، مذهب، طبقه اجتماعی) یا کمَی (مانند بیرونی بودن مرکز کنترل یا ادراک لیاقت) است که جهت یا شدت رابطه بین یک متغیر مستقل (یا پیش بین) و یک متغیر وابسته (یا ملاک) را تحت تأثیر قرار می‌دهد.
در پژوهش‌هایی از نوع همبستگی (غیرآزمایشی) یک متغیر تعدیل کننده، متغیر سومی است که روی همبستگی صفر مرتبه دو متغیر دیگر اثر می‌گذارد. این اثر می‌تواند به صورت کم شدن میزان همبستگی یا تغییر دادن به آن باشد. در پژوهش‌های آزمایشی، یک اثر تعدیل کننده را می‌توان با اثر متقابل بین یک متغیر مستقل اصلی و متغیر مستقل دومی در تحلیل واریانس نشان داد. این اثر متقابل می‌تواند به صورت منظم یا نامنظم باشد. در اثر متقابل نامنظم، ترکیب ضربدری سطوح متغیر مستقل اصلی و متغیر تعدیل کننده اثرات مغایری به دست می‌دهند.
متغیر پیش بین باید همواره نسبت به متغیر واسطه ای تقدم و نقش علَی داشته باشد. بنابراین، متغیرهای تعدیل کننده همواره نقش متغیرهای مستقل را دارند، در صورتی که نقش متغیرهای واسطه ای برحسب تمرکز تحلیل تغیر می‌کند، در رابطه با متغیر ملاک، نقش متغیر مستقل و در رابطه با متغیر پیش بین، نقش متغیر وابسته را دارند.
چنان چه متغیری در رابطه ی بین دو متغیر پیش بین و ملاک، سهمی داشته باشد به عنوان متغیر واسطه ای عمل کرده است. مثلاً نشان داده شده است که فراحافظه (metamemory )و اسنادها بین آموزش راهبرد یادگیری و به خاطرآوری واسطه می‌شوند. به عبارت دیگر، آموزش تکالیف جدید بدون در نظر گرفتن فرا گرفتن فراحافظه و اسنادهای یادگیرندگان، روی به خاطرآوری مطالب جدید مؤثر نیست.
یک متغیر واسطه ای یک راه است که یک متغیر مستقل بر روی یک متغیر وابسته تأثیر می‌گذارد. این بخشی از مسیر علّی تأثیر است و به شما می‌گوید چگونه یا چرا تأثیری اتفاق می‌افتد.
اگر چیزی یک متغیر واسطه ای باشد:
۱. از سوی متغیر مستقل تاثیر می‌پذیرد.
۲. بر متغیر وابسته تأثیر می‌گذارد.
۳. هنگامی که در نظر گرفته شود، همبستگی آماری بین متغیر مستقل و متغیر وابسته نسبت به زمانی که در نظر گرفته نشود، بالاتر است.
تحلیل واسطه ای یک روش است برای آزمایش آماری اینکه آیا یک متغیر واسطه ای استفاده از تحلیل رگرسیون خطی یا ANOVA (تحلیل واریانس) می‌باشد.
در واسطه ای کامل، یک متغیر واسطه ای رابطه بین متغیر مستقل و متغیر وابسته را به طور کامل توضیح می‌دهد: بدون وجود متغیر واسطه ای در مدل، هیچ رابطه‌ای وجود ندارد.
در واسطه ای جزئی، حتی زمانی که متغیر واسطه ای از مدل حذف شود، هنوز هم رابطه آماری بین متغیر مستقل و متغیر وابسته وجود دارد: متغیر واسطه ای تنها بخشی از رابطه را توضیح می‌دهد.
برای اینکه متغیری به عنوان متغیر واسطه ای عمل کند باید دارای شرایط زیر باشد:
-بین متغیر واسطه ای و متغیر مستقل همبستگی سطح معنی داری مورد تائید باشد. (مسیر a وجود داشته باشد)
-بین متغیر واسطه ای و متغیر برآمد (وابسته) همبستگی معنادار باشد. (مسیر b وجود داشته باشد)
-با کنترل اثر متغیر واسطه ای رابطهی بین متغیر مستقل و وابسته تضعیف شود و میزان این تضعیف با میزان اثر متغیر واسطه ای رابطه داشته باشد. هرگاه، اثر متغیر واسطه ای زیاد باشد، کنترل آن سبب از بین رفتن رابطه بین متغیر مستقل و وابسته می‌شود. چنان چه با کنترل اثر متغیر واسطه ای رابطه ی بین متغیر مستقل و وابسته صفر نشده ولی تضعیف شود، دال بر این است که متغیرهای واسطه ای دیگری در کارند. در اغلب زمینه‌های علوم رفتاری برای هر معلول ممکن است چندین علت وجود داشته باشد.
به منظور بررسی متغیر واسطه ای و تحلیل آن از آزمون سوبل استفاده می کنند.
Bhandari, P. (2023, June 22). Mediator vs. Moderator Variables | Differences & Examples. Scribbr. Retrieved October 30, 2023, from
سلام وقتتون بخیر ببخشید دو سوال در خصوص متغیر تعدیل کننده داشتم ۱)ضریب متغیر تعدیل کننده از نظر مثبت و منفی
بودن مهم هست؟یا فقط معنی دار بودن مهم؟ ۲)اگر متغیر تعدیلگر نوآوری باز با ضریب مثبت بر رابطه منفی و معکوس بین
تنبلی سازمانی و پویای سازمانی وارد بشه آنگاه این رابطه منفی رو از طریق کاهش ضریب بتا این رابطه تعدیل میکنه؟ این یعنی
رابطه تقویت میشه؟ اگر تقویت نمیشه چرا تعدیلگر مثبت امده با تشکر