Moderations- und Mediationsanalyse in SPSS: Wann, warum und wie

Viele empirische Abschlussarbeiten bleiben bei der Frage stehen: Gibt es einen Zusammenhang zwischen X und Y? Moderation und Mediation gehen einen Schritt weiter. Sie klären, unter welchen Bedingungen ein Effekt stärker oder schwächer wird (Moderation) und über welchen Mechanismus ein Effekt zustande kommt (Mediation). Für Masterarbeiten und Dissertationen sind diese Analysen oft der Unterschied zwischen einer soliden und einer herausragenden Arbeit.

Dieser Beitrag erklärt beide Verfahren verständlich, zeigt die Umsetzung in SPSS und hilft Ihnen, die häufigsten Fehler zu vermeiden.

Moderation vs. Mediation: Der Unterschied in 60 Sekunden

Moderation beantwortet die Frage: Für wen oder unter welchen Umständen ist der Effekt von X auf Y besonders stark oder schwach? Die moderierende Variable verändert die Stärke oder Richtung des Zusammenhangs zwischen Prädiktor und Outcome.

Beispiel: Führungsstil (X) beeinflusst die Arbeitszufriedenheit (Y). Der Effekt könnte aber davon abhängen, ob jemand remote oder im Büro arbeitet (Moderator W). Wenn der Führungsstil im Büro einen starken Effekt hat, aber bei Remote-Arbeit kaum eine Rolle spielt, liegt eine Moderation vor.

Mediation beantwortet die Frage: Warum beeinflusst X die Variable Y? Die meditierende Variable (Mediator) erklärt den Mechanismus – sie liegt auf dem Pfad zwischen X und Y.

Beispiel: Sport (X) verbessert die Schlafqualität (Y). Aber warum? Möglicherweise reduziert Sport den Stresslevel (Mediator M), und der niedrigere Stress führt zu besserem Schlaf. Wenn der direkte Effekt von Sport auf Schlaf verschwindet, sobald Sie Stress als Mediator einbeziehen, spricht das für eine vollständige Mediation.

Eselsbrücke: Moderation = Wann wirkt der Effekt? Mediation = Warum wirkt der Effekt?

Moderationsanalyse in SPSS: Konzept und Durchführung

Eine Moderationsanalyse ist im Kern eine Regressionsanalyse mit einem Interaktionsterm. Sie prüfen, ob das Produkt aus Prädiktor und Moderator einen signifikanten Beitrag zur Vorhersage des Outcomes leistet.

Die manuelle Methode (ohne Zusatztools)

Schritt 1: Zentrieren Sie Prädiktor und Moderator am Mittelwert. Das reduziert Multikollinearität zwischen den Haupteffekten und dem Interaktionsterm. In SPSS: Transformieren → Variable berechnen → Lernzeit_z = Lernzeit – MEAN(Lernzeit). Wiederholen Sie das für den Moderator.

Schritt 2: Berechnen Sie den Interaktionsterm. Transformieren → Variable berechnen → Interaktion = Lernzeit_z * Arbeitsort_z.

Schritt 3: Führen Sie eine hierarchische Regression durch (Analysieren → Regression → Linear). Im ersten Block: Prädiktor und Moderator. Im zweiten Block: zusätzlich den Interaktionsterm. Wenn der zweite Block eine signifikante R²-Änderung zeigt und der Interaktionsterm einen signifikanten Regressionskoeffizienten hat, liegt eine Moderation vor.

Diese Methode funktioniert, ist aber umständlich und fehleranfällig – besonders bei der Interpretation der bedingten Effekte.

Die empfohlene Methode: PROCESS Macro

Andrew Hayes hat mit dem PROCESS Macro ein Werkzeug entwickelt, das Moderations- und Mediationsanalysen in SPSS drastisch vereinfacht. PROCESS ist kostenlos, lässt sich als SPSS-Erweiterung installieren und bietet über 90 vordefinierte Modelle.

Installation: Laden Sie PROCESS von der Website von Andrew Hayes herunter. Entpacken Sie die Datei und installieren Sie die Erweiterung über Dienstprogramme → Erweiterungsbundle installieren (oder über Syntax).

Für eine einfache Moderation verwenden Sie PROCESS Model 1. Nach der Installation finden Sie PROCESS unter Analysieren → Regression → PROCESS. Wählen Sie Ihr Y (Outcome), X (Prädiktor) und W (Moderator). PROCESS zentriert die Variablen automatisch, berechnet den Interaktionsterm und gibt bedingte Effekte auf drei Stufen des Moderators aus (Mittelwert, eine Standardabweichung darüber, eine Standardabweichung darunter).

Ergebnisse der Moderation interpretieren

Entscheidend ist der Interaktionsterm (X × W). Wenn er signifikant ist (p < .05), moderiert W den Effekt von X auf Y. Die bedingten Effekte zeigen, wie stark der Effekt von X auf Y auf verschiedenen Stufen des Moderators ist.

In unserem Beispiel: Der Effekt von Führungsstil auf Zufriedenheit könnte bei Remote-Arbeitern b = .12 (n.s.) und bei Büro-Arbeitern b = .48 (p < .001) betragen. Der Führungsstil spielt also nur im Büro eine signifikante Rolle.

Visualisieren Sie die Moderation mit einem Interaktionsdiagramm. PROCESS kann dieses Diagramm nicht direkt erstellen, liefert aber die Werte dafür. Erstellen Sie das Diagramm in Excel oder nutzen Sie Online-Tools für Interaktionsplots.

Mediationsanalyse in SPSS: Konzept und Durchführung

Das Grundprinzip

Eine Mediationsanalyse prüft, ob der Effekt von X auf Y (ganz oder teilweise) durch eine dritte Variable M erklärt wird. Dazu werden drei Pfade geschätzt:

Pfad a: X → M (Effekt des Prädiktors auf den Mediator) Pfad b: M → Y (Effekt des Mediators auf das Outcome, kontrolliert für X) Pfad c’: X → Y (direkter Effekt von X auf Y, kontrolliert für M)

Der indirekte Effekt ist das Produkt a × b. Er quantifiziert, wie viel des Gesamteffekts über den Mediator läuft.

Die alte Methode: Baron & Kenny (veraltet)

Jahrzehntelang wurde die Mediationsanalyse nach Baron & Kenny (1986) durchgeführt: vier Regressionen, vier Bedingungen. Diese Methode gilt heute als veraltet, weil sie zu konservativ ist – sie verlangt, dass der Gesamteffekt (c-Pfad) signifikant sein muss, bevor man Mediation prüfen darf. Moderne Ansätze zeigen, dass ein signifikanter indirekter Effekt auch ohne signifikanten Gesamteffekt bestehen kann (Inkonsistente Mediation, Suppressionseffekte).

Die moderne Methode: PROCESS Model 4

Verwenden Sie PROCESS Model 4 für eine einfache Mediation. Wählen Sie Y (Outcome), X (Prädiktor) und M (Mediator). Aktivieren Sie unter „Options” die Bootstrap-Methode mit mindestens 5.000 Samples. PROCESS berechnet automatisch alle Pfade und den indirekten Effekt mit einem Bootstrap-Konfidenzintervall.

Ergebnisse der Mediation interpretieren

Der zentrale Wert ist der indirekte Effekt (a × b) mit seinem Bootstrap-Konfidenzintervall. Wenn das 95%-Konfidenzintervall die Null nicht einschließt, ist der indirekte Effekt signifikant – der Mediator vermittelt den Zusammenhang.

Vollständige Mediation liegt vor, wenn der direkte Effekt (c’) nach Einbeziehung des Mediators nicht mehr signifikant ist. Der gesamte Effekt läuft über den Mediator.

Partielle Mediation liegt vor, wenn c’ kleiner wird, aber signifikant bleibt. Ein Teil des Effekts läuft über den Mediator, ein Teil wirkt direkt.

Beispiel: Sport (X) hat einen Gesamteffekt auf Schlafqualität (Y) von b = .40 (p < .001). Nach Einbeziehung von Stresslevel (M) sinkt der direkte Effekt auf b = .15 (p = .08). Der indirekte Effekt beträgt .25, 95%-KI [.12, .41]. Interpretation: Der Effekt von Sport auf Schlafqualität wird teilweise durch die Reduktion von Stress vermittelt.

Häufige Fehler bei Moderation und Mediation

Moderation und Mediation verwechseln. Moderation fragt nach Bedingungen (wann), Mediation nach Mechanismen (warum). Wenn Ihre Hypothese lautet „Der Effekt von X auf Y hängt ab von Z”, ist das Moderation. Wenn sie lautet „X wirkt auf Y, weil X zuerst Z beeinflusst”, ist das Mediation. Überlegen Sie vor der Analyse, welches Modell zu Ihrer Theorie passt.

Kausalität aus Querschnittsdaten ableiten. Eine Mediationsanalyse impliziert eine kausale Kette: X → M → Y. Bei Querschnittsdaten (eine Messung) können Sie die Richtung nicht empirisch belegen. Die kausale Interpretation muss theoretisch begründet werden. Schreiben Sie im Methodenteil explizit, dass die kausale Richtung auf theoretischen Annahmen basiert.

Zu viele Mediatoren gleichzeitig testen. Parallele Mediationsmodelle (mehrere Mediatoren gleichzeitig) sind möglich (PROCESS Model 4 erlaubt das), aber jeder zusätzliche Mediator muss theoretisch begründet sein. Fünf Mediatoren „auf Verdacht” einzuschließen ist explorativ, nicht konfirmatorisch – und sollte als solches gekennzeichnet werden.

Bootstrap nicht verwenden. Der Sobel-Test, der in älteren Anleitungen empfohlen wird, setzt Normalverteilung des indirekten Effekts voraus – eine Annahme, die fast nie erfüllt ist. Bootstrap-Konfidenzintervalle sind der aktuelle Standard und sollten immer verwendet werden.

Nicht zentrieren bei Moderation. Ohne Zentrierung der Variablen sind die Haupteffekte in einem Modell mit Interaktionsterm nicht interpretierbar. PROCESS zentriert automatisch – wenn Sie manuell arbeiten, dürfen Sie diesen Schritt nicht vergessen.

Ergebnisse korrekt berichten

Für eine Mediationsanalyse empfiehlt sich folgende Formulierung:

„Eine Mediationsanalyse mit dem PROCESS Macro (Model 4, Hayes, 2022) wurde durchgeführt, um zu prüfen, ob Stresslevel den Zusammenhang zwischen sportlicher Aktivität und Schlafqualität vermittelt. Der indirekte Effekt war signifikant (ab = .25, SE = .07, 95%-Bootstrap-KI [.12, .41], 5.000 Samples). Der direkte Effekt von Sport auf Schlafqualität war nach Einbeziehung des Mediators nicht mehr signifikant (c’ = .15, p = .08), was auf eine vollständige Mediation hindeutet.”

Für eine Moderationsanalyse:

„Die Moderationsanalyse (PROCESS Model 1) zeigte einen signifikanten Interaktionseffekt von Führungsstil × Arbeitsort auf die Arbeitszufriedenheit (b = .36, SE = .11, p = .001). Die Analyse bedingter Effekte ergab, dass der Zusammenhang zwischen Führungsstil und Zufriedenheit für Büro-Mitarbeiter signifikant war (b = .48, p < .001), für Remote-Mitarbeiter jedoch nicht (b = .12, p = .28).”

Ergänzen Sie jede Analyse durch ein Pfaddiagramm, das die Koeffizienten an den Pfeilen zeigt. Das macht die Ergebnisse sofort verständlich.

Wann professionelle Unterstützung sinnvoll ist

Moderations- und Mediationsanalysen gehören zu den Verfahren, bei denen die meisten Fehler passieren – von falscher Modellwahl über fehlende Zentrierung bis zu unzulässigen Kausalinterpretationen. Wenn Sie unsicher sind, ob Ihr Modell korrekt spezifiziert ist, oder Hilfe bei der Durchführung und Interpretation brauchen, können Sie Ihre SPSS-Auswertung von Statistik-Experten durchführen lassen – von der Modellspezifikation bis zur fertigen Ergebnisdarstellung.