媒介効果と調節効果とは？因果メカニズムを解明する統計分析手法を解説
媒介効果（Mediation）と調節効果（Moderation）は、変数間の因果メカニズムを解明する統計分析手法です。Baron-Kenny法、ブートストラップ法、交互作用項の検定手順と実務での使い分けを解説します。
媒介効果と調節効果とは
媒介効果（Mediation Effect）と調節効果（Moderation Effect）は、独立変数がアウトカムに影響を与える「メカニズム」を解明するための統計分析手法です。
媒介効果は「なぜ効くのか（Why）」を説明します。独立変数Xがアウトカムに直接影響するのではなく、媒介変数Mを経由して影響を与えるプロセスを検証します。たとえば「研修（X）→ スキル向上（M）→ 業績改善（Y）」という因果連鎖です。
調節効果は「いつ・誰に効くのか（When / For Whom）」を説明します。独立変数XとアウトカムYの関係が、調節変数Wの水準によって変わるかどうかを検証します。たとえば「広告の効果は年齢層によって異なる」という条件依存性です。
媒介分析の代表的な手法であるBaron-Kenny法は、1986年にルーベン・バロンとデビッド・ケニーが提唱しました。現在ではブートストラップ法を用いたより頑健な検定方法が推奨されています。
媒介効果は「X → M → Y」という経路分析、調節効果は「X x W → Y」という交互作用分析です。両者は異なる研究疑問に答える手法であり、同じデータに対して同時に検討することが可能です。これを「調節された媒介」または「媒介された調節」と呼びます。
構成要素
媒介効果の分解
| 効果 | 定義 | パス |
|---|---|---|
| 総効果（Total Effect） | Xが Yに与える全体的な効果 | c |
| 直接効果（Direct Effect） | Mを経由しないXからYへの効果 | c’ |
| 間接効果（Indirect Effect） | Mを経由するXからYへの効果 | a x b |
Baron-Kenny法の4条件
Baron-Kenny法では4つの回帰式を順に推定します。(1) XがYに有意な効果を持つ、(2) XがMに有意な効果を持つ（パスa）、(3) Xを統制してもMがYに有意な効果を持つ（パスb）、(4) Mを統制するとXのYへの効果が減少する。
ブートストラップ検定
間接効果（a x b）の信頼区間をブートストラップ法で直接推定する方法です。正規分布の仮定を置かないため、間接効果の分布が非対称な場合にもBaron-Kenny法より検出力が高くなります。
調節効果の検定
独立変数と調節変数の交互作用項を回帰モデルに投入し、交互作用項の係数が有意かどうかを検定します。有意な場合は単純傾斜分析（Simple Slopes Analysis）で調節変数の各水準におけるXの効果を推定します。
実践的な使い方
ステップ1: 研究疑問の明確化
「なぜ効くのか」を知りたいなら媒介分析、「どのような条件で効くのか」を知りたいなら調節分析を選びます。理論的な仮説に基づいて変数の役割を事前に決定します。
ステップ2: データの準備と変数の確認
媒介変数が処置の後に測定されていることを確認します。調節変数は処置の前に測定されている（または安定した属性である）ことが望ましいです。多重共線性を防ぐため、調節分析では変数を中心化します。
ステップ3: モデルの推定
媒介分析ではBaron-Kenny法またはブートストラップ法で間接効果を推定します。調節分析では交互作用項を含む回帰モデルを推定します。ソフトウェアとしてはPROCESS macroやlavaanが広く使われています。
ステップ4: 結果の解釈と可視化
媒介効果の場合は間接効果の大きさと信頼区間を報告します。調節効果の場合は交互作用プロットや単純傾斜分析の結果を可視化します。
活用場面
- 研修プログラムが業績に影響する「メカニズム」を特定する人事施策の効果検証
- マーケティング施策がブランド認知を経由して購買に至る経路の分析
- 顧客セグメント（年齢、利用頻度など）によって施策効果が異なるかの検証
- 組織施策の効果が部門文化やリーダーシップスタイルに依存するかの分析
注意点
Baron-Kenny法の第1条件（X→Yの総効果が有意であること）は、近年では必須条件とは見なされていません。抑制効果（Suppression Effect）の場合、総効果がゼロでも間接効果が存在し得ます。ブートストラップ法による間接効果の直接検定を推奨します。
因果推論の前提条件
媒介分析は相関データだけでは因果的な解釈ができません。Xが先にMに影響し、その後Mが Yに影響するという時間的順序が保証されている必要があります。横断データで媒介分析を行う場合は、因果的解釈に限界があることを明記してください。
媒介変数と交絡因子の混同
媒介変数として投入した変数が実はXとYの共通の原因（交絡因子）である可能性があります。この場合、偽の媒介効果が検出されます。感度分析やSequential Ignorability仮定の検討を行い、交絡の影響を評価してください。
調節効果の検出力の低さ
交互作用項の検出には主効果の検出より大きなサンプルサイズが必要です。一般的に、主効果の検出に必要なサンプルの4倍以上が目安とされます。検出力分析を事前に行い、十分なサンプルサイズを確保してください。
まとめ
媒介効果と調節効果は、「なぜ効くのか」「いつ効くのか」という因果メカニズムの異なる側面を解明する手法です。施策の効果を単に「ある／ない」で判断するのではなく、メカニズムと条件を理解することで、より精度の高い意思決定につなげられます。因果推論の前提条件と検出力の確保に注意して活用しましょう。