Wanneer je vermoedt dat de relatie tussen je afhankelijke en onafhankelijke variabele zou kunnen beïnvloed worden door een derde variabele, is het nuttig om die laatste als moderatorvariabele te nemen. Je vermoedt dan namelijk een ‘interactie’ tussen de moderatorvariabele en de ‘echte’ onafhankelijke variabele.
Stel dat bijvoorbeeld als onafhankelijke variabele een dichotome (=variabele met 2 mogelijke waardes) variabele hebt: uitgewerkte oefeningen nalezen of zelf nieuwe oefeningen oplossen. Je afhankelijke variabele is de leeropbrengst. Uit de literatuur leer je dat uitgewerkte oefeningen betere opbrengsten geeft (dan zelf oefeningen maken) wanneer de leerlingen nog maar weinig afweten van de leerstof, terwijl dat bij leerlingen met veel voorkennis precies omgekeerd is. In zo’n geval zou je “hoeveelheid voorkennis” kunnen opnemen als bijkomende variabele in je model.
Belangrijke opmerking #1: cruciaal is dat je het vermoeden (dat die variabele een moderator is) onderbouwt! Dus niet “Oh, we hebben de leeftijd van de respondenten, laat ons even nagaan of dat een moderator is”. Dat is een “statistische hengelexpeditie”. De juiste volgorde is: verantwoorden waarom je een variabele als moderator opneemt, hypothese formuleren over de rol van de moderator, metingen en analyses uitvoeren, nagaan of je gegevens de hypothese ondersteunen.
Belangrijke opmerking #2: bij interacties moet je alle onafhankelijke variabelen (moderatoren zijn ook een vorm van onafhankelijke variabelen!) centraliseren (of standaardiseren, vaak nuttig om te resultaten te interpreteren). Dit gaat natuurlijk niet met nominale variabelen. Bij die laatste pas je liefst een andere strategie toe, om te bekomen dat hun ‘gemiddelde’ waarde 0 is, bijvoorbeeld bij dichotome variabelen neem je +0.5 en -0.5 als waarden (en niet 0 of 1). Zie http://eduratio.be/TMP/kraemer.pdf voor de achtergrond hiervan.
Ter informatie: het woord “moderator” heeft alleen een invloed in je MODEL. Het heeft geen invloed op de statistische analyse. Je mag “moderator” en “onafhankelijke variabele” omwisselen in analyses, dat geeft dezelfde resultaten. SPSS hoeft niet te “weten” wat de moderator is en wat de onafhankelijke variabele is.
Luc