Ön test–son test deseninde aracılık analizi yapmak isteyen pek çok araştırmacı doğrudan PROCESS makrosuna uzanır. Oysa PROCESS, aynı katılımcıdan iki kez ölçüm alınan desenler için tasarlanmamıştır. Bu yazıda PROCESS’in nerede yetersiz kaldığını, MEMORE’nin bu boşluğu nasıl doldurduğunu ve çıktıyı nasıl okuyacağınızı adım adım göreceksiniz.

Tekrarlı ölçüm deseninde aracılık analizi ve MEMORE makrosu eğitimi
İki koşullu denek içi desenlerde aracılık, fark puanı mantığı üzerine kurulur.

PROCESS neden uygun değil

PROCESS, gözlemlerin birbirinden bağımsız olduğu denekler arası (between-subjects) desenler için geliştirilmiş bir yol analizi (path analysis) aracıdır. Aynı kişiden iki farklı koşulda veya iki farklı zamanda veri topladığınızda bu bağımsızlık varsayımı çöker: iki ölçüm aynı bireyin özelliklerini paylaşır. Dolayısıyla bağımsız değişkeniniz artık kişiler arasında değişen bir değişken değil, kişi içinde değişen bir koşuldur. PROCESS’e böyle bir yapıyı tanıtmanın doğru bir yolu yoktur; makro, modeli bağımsız gözlemler üzerinden kurar ve standart hataları buna göre hesaplar.

Sık görülen üç hatalı çözüm

  • Veriyi uzun formata yığmak: 100 kişinin iki ölçümünü 200 bağımsız satır gibi sunmak serbestlik derecesini şişirir, standart hataları küçültür.
  • Fark puanını Y, son test aracısını M yapmak: Model matematiksel olarak çalışır ama kurduğunuz etki, tahmin ettiğinizi sandığınız etki değildir.
  • Yalnızca son test üzerinden aracılık kurmak: Ön testteki bireysel farkları yok sayarak deseninizi fiilen kesitsele indirgemiş olursunuz.

MEMORE’nin yaklaşımı

MEMORE (MEdiation and MOderation analysis for REpeated measures designs), Montoya ve Hayes’in iki koşullu denek içi desenler için geliştirdiği, SPSS ve SAS’ta çalışan ücretsiz bir makrodur. Temelinde Judd, Kenny ve McClelland’ın (2001) fark puanı mantığı yer alır. Burada toplam etki, Y’nin iki koşul arasındaki ortalama farkıdır — yani eşleştirilmiş örneklem t testinin verdiği değerle aynıdır. Aracı değişken ise iki bileşene ayrıştırılır: koşullar arasındaki fark (M₂ − M₁) ve kişinin genel düzeyi (iki ölçümün ortalaması). Bu ayrıştırma sayesinde dolaylı etki, denek içi yapı bozulmadan tahmin edilir.

MEMORE ne zaman doğru seçim?

  • Aynı katılımcılardan iki koşulda veya iki zaman noktasında ölçüm aldıysanız
  • Aracı değişken de bu iki ölçümün her birinde ölçüldüyse
  • Deneysel manipülasyonun etkisini bir mekanizma üzerinden açıklamak istiyorsanız
  • Denek içi bir etkinin kişiler arası bir değişkene göre değiştiğini (düzenleyicilik) sınamak istiyorsanız

Çıktıyı nasıl okursunuz

MEMORE çıktısında önce toplam etkiyi görürsünüz; bu değeri eşleştirilmiş t testi sonucunuzla karşılaştırmak iyi bir tutarlılık kontrolüdür. Ardından dolaylı etki ve onun bootstrap güven aralığı gelir. Karar ölçütünüz p değeri değil, güven aralığıdır: aralık sıfırı içermiyorsa dolaylı etki desteklenmiş sayılır. Doğrudan etki ise aracı kontrol edildikten sonra kalan farkı gösterir. Dolaylı etkinin örneklem dağılımı çarpık olduğu için Sobel testi gibi normallik varsayan yaklaşımlar burada da tercih edilmez.

Yeniden üretilebilirlik ipucu

  • Yeniden örnekleme sayısını yeterince büyük tutun (örneğin 5000) ve raporda belirtin.
  • Bootstrap rastgele sayı çekirdeğini (seed) kaydedin; aksi halde aynı analizi tekrarladığınızda güven aralığı sınırları birebir çıkmaz.
  • Kaç katılımcının eksik veri nedeniyle analiz dışı kaldığını yazın.

MEMORE’nin sınırları

MEMORE iki ölçümlü desenler için tasarlanmıştır. Üç ve daha fazla zaman noktanız varsa çok düzeyli modeller veya gizil gelişim modelleri (latent growth models) gibi yapısal eşitlik temelli yaklaşımlara geçmeniz gerekir. Makro eksik verili katılımcıları analizden çıkarır; bu nedenle kayıp veri örüntünüzü önceden incelemek önemlidir. Ayrıca MEMORE bir desen sorununu çözmez: koşul sırasının karşıt dengelenmesi (counterbalancing), taşıma etkileri ve ölçüm aralığı gibi kararlar analizden önce verilir.

  1. Deseni netleştirinElinizde kaç ölçüm var? İki ise MEMORE, daha fazlaysa çok düzeyli veya gizil gelişim modeli.
  2. Veriyi geniş formatta hazırlayınHer katılımcı tek satır; Y₁, Y₂, M₁, M₂ ayrı sütunlar.
  3. Makroyu kurunMEMORE’yi SPSS’e özel bir diyalog olarak ekleyin veya sözdizimi ile çağırın.
  4. Bootstrap ile tahmin edinYeniden örnekleme sayısını ve seed’i sabitleyin, çıktıyı saklayın.
  5. Güven aralığına göre raporlayınToplam, doğrudan ve dolaylı etkiyi aralıklarıyla birlikte verin.

MEMORE ile Tekrarlı Ölçüm Analizleri

Deneysel ve ön test–son test desenlerinde aracılık ve düzenleyicilik analizini uygulamalı olarak öğrenin. Kendi veri setinizle çalışın, çıktıyı makale diliyle raporlamayı görün.

Eğitim detayları →

Kaynaklar

  1. Montoya, A. K., & Hayes, A. F. (2017). Two-condition within-participant statistical mediation analysis: A path-analytic framework. Psychological Methods, 22(1), 6–27. https://doi.org/10.1037/met0000086
  2. Judd, C. M., Kenny, D. A., & McClelland, G. H. (2001). Estimating and testing mediation and moderation in within-subject designs. Psychological Methods, 6(2), 115–134. https://doi.org/10.1037/1082-989X.6.2.115