Analisis moderasi
Menguji variabel yang memperkuat atau memperlemah pengaruh.
Untuk apa dipakai
- Menguji pengaruh variabel X terhadap Y
Data yang dibutuhkan
Tiga kolom angka: variabel bebas, moderator, dan variabel terikat.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Menguji apakah pengaruh X terhadap Y berubah menurut tingkat variabel lain (moderator).
- Koefisien interaksi (X × moderator) dan p
- Kurang dari 0,05 berarti ada moderasi: kekuatan pengaruh X bergantung pada moderator.
- Pengaruh X pada tingkat rendah, sedang, tinggi moderator
- Menunjukkan bagaimana pengaruh berubah, biasanya divisualisasikan dengan grafik garis.
Perlu diwaspadai
- Moderasi tidak signifikan berarti tidak ada bukti perubahan pengaruh, bukan bukti pasti tidak ada.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Pemusatan membuat koefisien utama lebih bermakna (efek pada nilai rata-rata moderator) dan mengurangi kolinearitas dengan suku interaksi.
X, moderator W, hasil kali X×W, dan kovariat (opsional) diregresikan terhadap Y.
Y = b0 + b1·X + b2·W + b3·(X×W) + kovariat + galat
Koefisien b3 yang signifikan menunjukkan moderasi; ΔR² mengukur tambahan R² akibat interaksi, f² sebagai ukuran efeknya.
Menunjukkan efek X terhadap Y pada tingkat moderator yang berbeda.
simple slope = b1 + b3 × nilai W
Mencari nilai W yang membuat efek X tepat berada di batas signifikansi 5%, dilaporkan hanya dalam rentang W yang teramati.
Memeriksa kolinearitas antara X, W, dan hasil kalinya (pemusatan membantu mengurangi ini).
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Interaksi signifikan (moderasi terdeteksi) | p koefisien interaksi < 0,05 | — |
| f² interaksi | ≥ 0,35 besar · ≥ 0,15 sedang · ≥ 0,02 kecil | Cohen (1988) |
| Multikolinearitas ekstrem | VIF > 10 | — |
- Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Sage.
- Hayes, A. F., & Matthes, J. (2009). Computational procedures for probing interactions in OLS and logistic regression. Behavior Research Methods, 41(3), 924–936.
- Bauer, D. J., & Curran, P. J. (2005). Probing interactions in fixed and multilevel regression. Multivariate Behavioral Research, 40(3), 373–400.
- Johnson, P. O., & Neyman, J. (1936). Tests of certain linear hypotheses and their application to some educational problems. Statistical Research Memoirs, 1, 57–93.
Mengikuti Aiken & West (1991).
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.