Jamovi | Introducción al análisis de moderación (medmod)

En la entrada anterior vimos cómo se realiza un análisis de mediación básico con el módulo medmod. Hoy veremos el análisis de moderación. Ambos análisis sirven para ir más allá del estudio del efecto directo entre dos variables y es muy recomendable cuando se estudian relaciones causales y correlaciones entre las variables. Sin embargo, debemos empezar recordando que una mediación es distinta a una moderación. En esencia, mientras que la mediación explica el proceso en el que dos variables pueden estar relacionadas, la moderación se centra en la fuerza y dirección de dicha relación. 

Módulo medmod

Para realizar este tipo de análisis es preciso tener instalado el módulo medmod. En una entrada anterior se ha explicado cómo se pueden instalar módulos en Jamovi. Puedes hacer clic en el siguiente botón para acceder a la entrada.

La instalación del módulo estará completa cuando aparezca el icono medmod en el menú, tal y como se muestra en la siguiente imagen.

Análisis de moderación

Si recordamos los conceptos teóricos más básicos de la entrada anterior, que abordaba el análisis de mediación, podemos aclarar que una variable predictora influye en una variable mediadora que a su vez influye en una variable dependiente resultado (outcome).

Por otro lado, en la moderación, una variable X (predictora) influye en una variable Y (outcome) en función del nivel de moderación de una variable W (la variable moderadora). De ahí que normalmente se represente a las moderaciones gráficamente con el esquema de la parte derecha de la siguiente ilustración.

Tal vez esto se vea mejor con un ejemplo ya ofrecido por Howard (2024) en su página web: el grado de amabilidad de un jefe puede moderar la satisfacción laboral que a su vez está relacionada con el rendimiento en el trabajo. El grado de amabilidad actúa como moderador puesto que cuando esta incrementa, los valores de la variable predictora y del outcome aumenta. Sin embargo, cuando la amabilidad es baja, también se verán resentidos los valores de la variable satisfacción y rendimiento en el trabajo. Normalmente preguntas como ¿la relación entre la variable predictora  y el outcome depende de la variable moderadora? suelen responderse con este tipo de análisis.

Caso práctico

El ayuntamiento de un pequeño pueblo se hace la siguiente pregunta: ¿la relación entre el nivel de estrés y el consumo de bebidas alcohólicas depende de la edad? Para ello, ha realizado una investigación a 30 personas preguntándoles sobre su nivel de estrés (a través de un cuestionario tipo Likert que su máxima puntuación total es de 10 puntos), el consumo de alcohol en un día (a través de contar el número de vasos) y la edad (en años).

La información ficticia ha sido introducida en una base de datos en Jamovi (formato .omv) denominada Moderación. Puedes acceder a los datos haciendo clic en el siguiente botón. El análisis de esta entrada se realizará en el software Jamovi (versión 2.3.28) en un ordenador Windows 10. No obstante, se recuerda que este mismo procedimiento se puede realizar en un ordenador Mac.

Procedimiento

Al igual que pasaba con la mediación, es recomendable saber ubicar el tipo de variables que vamos a usar en el análisis. Para ello, es recomendable volver al diagrama naranja de la ilustración anterior y escribir el nombre de cada variable objeto de estudio. En este caso, la variable predictora es el nivel de estrés, el consumo de alcohol es el outcome y la variable moderadora es la edad. 

Una vez abierta la base de datos, debemos ir al icono de medmod, en Análisis. A continuación, seleccionaremos moderation. Recordemos que al ser un módulo de terceros, la interfaz no está traducida al castellano (aunque las palabras que usan son fáciles de entender).

Ahora introduciremos las variables en sus casillas correspondientes seleccionándolas y haciendo clic en la flecha correspondiente. Recordemos que Dependent variable hace referencia a la variable dependiente u outcome; Moderator hacer referencia a la variable moderadora y Predictor hace refrencia a la variable predictora.

Resultados

Los resultados aparecen en la ventana de la derecha. Puesto que esto es un análisis básico, simplemente hemos solicitado la tabla principal de la moderación. 

• En primer lugar, debemos observar la fila de interacción. Es esa en la que hay un * y que se relacionan la variable predictora con la variable moderadora. Aquí tenemos que mirar que el p-valor sea inferior a 0,050, puesto que eso nos indica que el efecto moderador es estadísticamente significativo.

• A continuación, en caso de que el p-valor sea superior a 0,050, deberemos observar el efecto directo de las filas anteriores, que corresponde con cada variable individual. Siendo prácticos, aquí debemos volver a mirar las significaciones (p-valores). Esto nos da información sobre la significatividad entre cada una de las variables con el outcome. 

En este ejemplo, se observa que la edad no ejerce un papel moderador entre el estrés y el consumo de alcohol. Sin embargo, sí que se observa un efecto directo significativo entre el estrés y el consumo de alcohol.

Redacción e interpretación final

Lo que se puede poner en la parte de redacción de los análisis es muy similar a lo que se ha visto anteriormente. Debemos expresar el p-valor de la interacción para determinar si se trata de un moderador significativo junto con su valor de correlación. En caso contrario, se pueden analizar los efectos directos añadiendo el valor de correlación junto con su p-valor.