Im Betreuungsgespräch fällt der Satz «Da hätten Sie noch eine Moderatorvariable», und plötzlich hängt das ganze Modell in der Luft. Mediator und Moderator klingen ähnlich, beantworten aber zwei völlig verschiedene Fragen — und wer sie verwechselt, prüft eine Hypothese, die er gar nicht aufgestellt hat. Der Unterschied lässt sich in einem Satz fassen und in zwanzig Minuten in ein prüfbares Modell übersetzen.
Die Grundfrage: «wie» oder «für wen»
Beide Variablentypen kommen ins Spiel, wenn ein einfacher Zusammenhang zwischen zwei Variablen nicht mehr ausreicht. Der Unterschied liegt in der Frage, die dahinter steht.
Mediation beantwortet eine Prozessfrage. Beispiel: Führungsverhalten (X) hängt mit Arbeitszufriedenheit (Y) zusammen. Aber warum? Vielleicht, weil gutes Führungsverhalten die wahrgenommene Autonomie (M) erhöht, und Autonomie wiederum die Zufriedenheit steigert. M steht auf dem Weg zwischen X und Y und überträgt einen Teil des Effekts.
Moderation beantwortet eine Bedingungsfrage. Beispiel: Der Zusammenhang zwischen Arbeitsbelastung (X) und Erschöpfung (Y) ist bei Personen mit hoher sozialer Unterstützung (W) schwächer als bei Personen mit geringer Unterstützung. W liegt nicht auf dem Weg, sondern verändert dessen Steigung.
Die Sprachprobe funktioniert erstaunlich zuverlässig: Lässt sich deine Hypothese mit «weil» oder «indem» formulieren, denkst du an Mediation. Passt eher «besonders bei», «nur wenn» oder «abhängig davon, ob», dann an Moderation. Welche Variante überhaupt zu deiner Theorie passt, entscheidet dein theoretischer Rahmen — nicht die Datenlage.
Mediation im Detail
Ein einfaches Mediationsmodell besteht aus vier Pfaden, die konventionell so benannt werden:
- Pfad a: von X auf den Mediator M
- Pfad b: von M auf Y, unter Kontrolle von X
- Pfad c: der Gesamteffekt von X auf Y ohne M im Modell
- Pfad c′: der direkte Effekt von X auf Y, wenn M im Modell ist
Der indirekte Effekt ist das Produkt a × b, und er ist das eigentliche Ergebnis. Genau darauf richtet sich deine Hypothese, und genau er wird getestet.
Zwei Punkte, an denen viele Arbeiten veraltet argumentieren. Erstens: Das klassische vierstufige Vorgehen nach Baron und Kenny verlangt, dass zuerst der Gesamteffekt c signifikant sein muss. Das gilt heute als zu streng — ein indirekter Effekt kann auch dann bestehen, wenn c nicht signifikant ist, etwa wenn zwei gegenläufige Pfade sich aufheben. Der methodische Standard ist inzwischen, den indirekten Effekt direkt zu testen. Zweitens: Der klassische Sobel-Test setzt eine Normalverteilung des Produkts a × b voraus, die faktisch nie gegeben ist. Üblich ist heute ein bootstrap-basiertes Konfidenzintervall mit typischerweise 5 000 Ziehungen; enthält es die Null nicht, gilt der indirekte Effekt als bedeutsam.
Auch die Unterscheidung «vollständige gegen partielle Mediation» wird zunehmend vermieden. Ob c′ nach Aufnahme des Mediators noch signifikant ist, hängt stark von der Stichprobengrösse ab und sagt wenig über die Stärke des Prozesses. Berichte lieber den indirekten Effekt mit Konfidenzintervall und daneben den direkten Effekt, ohne daraus eine Typologie zu machen.
Moderation im Detail
Eine Moderation wird als Regression mit einem Interaktionsterm geprüft: Y wird auf X, auf W und auf das Produkt X × W regrediert. Signifikant ist die Moderation genau dann, wenn der Koeffizient des Produktterms signifikant ist. Ob X oder W allein einen Effekt haben, ist dafür nicht entscheidend.
Drei praktische Regeln:
- Zentriere die metrischen Prädiktoren, bevor du das Produkt bildest — also X und W jeweils am Mittelwert. Das macht die Haupteffekte interpretierbar und reduziert die rein rechnerische Multikollinearität zwischen den Prädiktoren und ihrem Produkt. Auf den Interaktionskoeffizienten selbst hat die Zentrierung keinen Einfluss.
- Interpretiere über einfache Steigungen (Simple Slopes). Der Interaktionsterm sagt nur, dass sich der Zusammenhang unterscheidet. Erst wenn du die Steigung von X auf Y für niedrige (Mittelwert minus eine Standardabweichung), mittlere und hohe Ausprägungen von W berechnest und zeichnest, weisst du, wie das Muster aussieht.
- Nutze die Johnson-Neyman-Technik, wenn W metrisch ist. Sie gibt an, ab welchem Wert von W der Zusammenhang zwischen X und Y signifikant wird, statt willkürlich drei Punkte herauszugreifen.
Bei einem kategorialen Moderator — Geschlecht, Standort, Studiengang — bedeutet Moderation schlicht: Der Zusammenhang unterscheidet sich zwischen den Gruppen. Der Interaktionsterm wird dann aus der dummy-kodierten Variablen gebildet, wie es der Beitrag zur multiplen Regression in SPSS beschreibt.
Der Vergleich auf einen Blick
| Kriterium | Mediator (M) | Moderator (W) |
|---|---|---|
| Beantwortete Frage | Wie? Warum? | Für wen? Wann? Unter welchen Bedingungen? |
| Position im Modell | auf dem Pfad zwischen X und Y | neben dem Pfad, wirkt auf dessen Stärke |
| Zeitliche Logik | X geht M voraus, M geht Y voraus | W liegt typischerweise vor X oder ist zeitstabil |
| Kernergebnis | indirekter Effekt a × b | Koeffizient des Interaktionsterms X × W |
| Statistischer Test | Bootstrap-Konfidenzintervall | t-Test des Produktterms, dann Simple Slopes |
| Typische Variablen | Prozessvariablen: Motivation, Vertrauen, Wahrnehmung | stabile Merkmale: Geschlecht, Erfahrung, Ressourcen, Kontext |
| Vorbereitung der Daten | keine Zentrierung nötig | metrische Prädiktoren zentrieren |
Beide Konzepte lassen sich kombinieren. Eine moderierte Mediation liegt vor, wenn der indirekte Effekt selbst von einer weiteren Variablen abhängt — in Bachelorarbeiten fast immer eine Nummer zu gross, in Masterarbeiten mit ausreichender Fallzahl durchaus machbar. Das Standardmass dafür ist der Index of Moderated Mediation, wieder mit Bootstrap-Konfidenzintervall.
Wie du beides rechnest
Für SPSS ist das PROCESS-Makro von Andrew F. Hayes der De-facto-Standard. Es wird als benutzerdefinierter Dialog installiert und arbeitet mit nummerierten Modellvorlagen: Modell 4 ist die einfache Mediation, Modell 1 die einfache Moderation, Modell 7 und 14 sind zwei verbreitete Varianten der moderierten Mediation. Du wählst die Modellnummer, weist X, Y und M beziehungsweise W zu, stellst die Zahl der Bootstrap-Ziehungen ein und aktivierst bei Moderationen die Optionen für Zentrierung und Simple Slopes.
In jamovi und JASP gibt es Module für Mediation und Moderation, die dieselben Kennwerte samt Pfaddiagramm liefern — beide sind kostenlos und für eine Abschlussarbeit vollkommen ausreichend. In R übernehmen die Pakete für Mediationsanalyse und Strukturgleichungsmodelle dieselbe Aufgabe und dokumentieren den Ablauf zusätzlich als reproduzierbares Skript.
Wichtig unabhängig vom Programm: Setze die Zahl der Bootstrap-Ziehungen auf mindestens 5 000 und halte den verwendeten Zufallsstartwert fest, damit deine Zahlen reproduzierbar bleiben.
Was dein Design hergeben muss
Fallzahl. Mediations- und Moderationsmodelle sind hungriger als eine einfache Regression. Interaktionseffekte sind in Beobachtungsdaten typischerweise klein, und die Teststärke für einen Produktterm liegt deutlich unter der für einen Haupteffekt gleicher Grösse. Unter etwa 100 bis 150 Fällen sind solche Modelle in der Regel unterpowert — rechne die Fallzahl vorher aus, wie im Beitrag zur Stichprobengrösse mit G*Power beschrieben.
Zeitliche Struktur. Mediation ist eine Kausalbehauptung: X wirkt über M auf Y. In einem Querschnittsdesign, in dem alle drei Variablen gleichzeitig erhoben wurden, ist diese Reihenfolge nicht empirisch belegt, sondern theoretisch gesetzt. Das ist zulässig, muss aber im Text als Einschränkung stehen. Für Moderation ist der Vorbehalt geringer, weil dort keine Prozessbehauptung im Spiel ist.
Formulierte Hypothesen. Modell und Hypothese müssen zusammenpassen. Eine Hypothese der Form «H3: Der Zusammenhang zwischen X und Y wird durch M vermittelt» verlangt eine Mediationsanalyse; «H3: Der Zusammenhang zwischen X und Y ist bei hoher Ausprägung von W stärker» verlangt eine Moderationsanalyse. Wie beide sauber formuliert werden, zeigt der Beitrag Was ist eine Hypothese?.
Modell erklärt, Kapitel geschrieben. Ein Mediationsmodell zu rechnen dauert Minuten — es so zu beschreiben, dass Gutachtende die Logik nachvollziehen, dauert Stunden. Mit Tesify entwickelst du Theorie-, Methoden- und Ergebnisteil aus deinen eigenen Modellannahmen — strukturiert und zu 100 % von dir geschrieben.
So berichtest du das Ergebnis
Mediation: «Der indirekte Effekt des Führungsverhaltens auf die Arbeitszufriedenheit über die wahrgenommene Autonomie war bedeutsam, ab = 0,18, Bootstrap-95-%-KI [0,07; 0,31] bei 5 000 Ziehungen. Der direkte Effekt blieb ebenfalls signifikant, c′ = 0,24, p = ,003. Pfad a betrug 0,41 (p < ,001), Pfad b 0,44 (p < ,001).»
Moderation: «Der Interaktionsterm aus Arbeitsbelastung und sozialer Unterstützung war signifikant, B = −0,17, 95-%-KI [−0,29; −0,05], p = ,006, ΔR² = ,04. Die einfachen Steigungen zeigten, dass der Zusammenhang bei geringer Unterstützung deutlich ausgeprägt war (B = 0,46, p < ,001), bei hoher Unterstützung dagegen nicht mehr signifikant (B = 0,12, p = ,187).»
Zu beiden gehört eine Abbildung: beim Mediationsmodell das Pfaddiagramm mit den Koeffizienten an den Pfeilen, bei der Moderation das Simple-Slopes-Diagramm mit zwei oder drei Geraden. Ein UTAUT-Modell etwa arbeitet standardmässig mit Moderatoren — wie das im Detail aussieht, zeigt der Beitrag zu UTAUT in der Abschlussarbeit.
Häufige Fehler
- Den Mediator nachträglich suchen. Wer nach der Erhebung die Variable auswählt, die den schönsten indirekten Effekt liefert, betreibt Datenanpassung. Mediator und Moderator gehören in die Hypothesen, bevor die Daten da sind.
- Nur den Sobel-Test berichten. Er unterstellt eine Normalverteilung, die für das Produkt a × b nicht zutrifft. Bootstrap-Konfidenzintervalle sind heute Standard.
- Bei Moderation nur den Interaktionsterm zeigen. Ohne Simple Slopes und Grafik bleibt unklar, in welche Richtung die Moderation wirkt.
- X und W nicht zentrieren und dann über hohe VIF-Werte des Produktterms erschrecken. Die Kollinearität ist rein rechnerisch und verschwindet mit der Zentrierung.
- Aus einem Querschnittsdesign Kausalität ableiten. Formuliere «konsistent mit der Annahme, dass …» statt «X wirkt über M auf Y».
Häufige Fragen
Was ist der Unterschied zwischen Mediator und Moderator in einem Satz?
Ein Mediator liegt auf dem Wirkpfad und erklärt, wie oder warum X auf Y wirkt; ein Moderator liegt neben dem Pfad und erklärt, für wen oder unter welchen Bedingungen der Zusammenhang stärker oder schwächer ausfällt.
Muss der Gesamteffekt signifikant sein, damit eine Mediation vorliegt?
Nein. Diese Bedingung stammt aus dem klassischen vierstufigen Vorgehen und gilt heute als zu streng. Ein indirekter Effekt kann auch bei nicht signifikantem Gesamteffekt bestehen, etwa wenn ein direkter und ein indirekter Pfad gegenläufig wirken. Getestet wird der indirekte Effekt selbst.
Wie viele Fälle brauche ich für eine Mediations- oder Moderationsanalyse?
Deutlich mehr als für eine einfache Regression. Interaktionseffekte sind in Beobachtungsdaten meist klein und haben geringe Teststärke; unter etwa 100 bis 150 Fällen sind solche Modelle in der Regel unterpowert. Rechne die Fallzahl vorab mit einer Poweranalyse für das konkrete Modell.
Muss ich die Variablen vor der Moderationsanalyse zentrieren?
Bei metrischen Prädiktoren ja — es macht die Haupteffekte interpretierbar und beseitigt die rein rechnerische Multikollinearität zwischen den Prädiktoren und ihrem Produkt. Der Interaktionskoeffizient selbst ändert sich durch die Zentrierung nicht.
Kann ich eine Mediation mit Querschnittsdaten prüfen?
Rechnen lässt sie sich, und in Abschlussarbeiten ist das üblich. Die zeitliche Reihenfolge X → M → Y ist dann aber theoretisch gesetzt und nicht empirisch belegt. Formuliere entsprechend zurückhaltend und nimm den Punkt ausdrücklich in die Limitationen auf.
Brauche ich PROCESS, oder geht es auch anders?
PROCESS ist für SPSS der verbreitetste Weg, aber kein Muss. jamovi und JASP bieten kostenlose Module für Mediation und Moderation mit denselben Kennwerten und Diagrammen, und in R leisten die entsprechenden Pakete dasselbe zusätzlich als reproduzierbares Skript.