RagamDataStatistik & Riset Data

Tool statistik

Kalkulator Sobel Test

Hitung efek mediasi awal dari koefisien jalur a dan b, lengkap dengan indirect effect, z, dan p-value.

Indirect effect

0,147

SE indirect

0,0594

z

2,4749

p-value two-tail

0,0133

p-value < 0,05 menunjukkan indirect effect berbeda dari nol menurut Sobel klasik. Sobel mengandalkan pendekatan normal dan lebih layak untuk sampel besar. Jika raw data dan software mendukung, bootstrap indirect effect biasanya lebih aman.

Hasil dari kalkulator ini bersifat bantuan perhitungan awal. Interpretasi akhir tetap perlu mempertimbangkan desain penelitian, kualitas data, asumsi statistik, dan konteks riset.

01 / Cara pakai

Mulai dari input yang benar.

  1. 01Masukkan koefisien a dan standard error Sa.
  2. 02Masukkan koefisien b dan standard error Sb.
  3. 03Baca indirect effect, SE, z, dan p-value.
  4. 04Gunakan bersama output mediasi dari software.

02 / Baca hasil

Jangan berhenti di angka.

p-value kecil menunjukkan indirect effect berbeda dari nol menurut Sobel klasik. Jika raw data tersedia, bootstrap indirect effect biasanya lebih aman, terutama untuk sampel kecil.

03 / Contoh kalimat

Contoh interpretasi ringkas.

Contoh: indirect effect = 0,18 dan p-value = 0,028 menunjukkan indikasi mediasi signifikan menurut Sobel klasik.

Butuh baca mediasi?

Mediasi sebaiknya dibaca bersama model, bootstrap, total effect, direct effect, dan teori.

Kirim hasil untuk dicek

04 / Rumus

Rumus, asumsi, dan sumber

Rumus yang dipakai

ab=a×bSEab=b2Sa2+a2Sb2z=abSEab\begin{aligned} ab &= a \times b \\ SE_{ab} &= \sqrt{b^2S_a^2 + a^2S_b^2} \\ z &= \frac{ab}{SE_{ab}} \end{aligned}

Indirect effect = a x b. SE = sqrt(b^2 Sa^2 + a^2 Sb^2). z = indirect effect / SE.

Catatan sumber

Pressbooks dipakai untuk konsep indirect effect dan posisi Sobel sebagai post-estimation test. Quantpsy dipakai untuk formula Sobel klasik; catatan Aroian/bootstrap sengaja ditulis sebagai batas interpretasi.

Asumsi singkat

  • Koefisien a dan b menggunakan raw coefficient.
  • Sobel klasik mengandalkan pendekatan normal dan lebih layak untuk sampel besar.

Referensi utama

05 / Cek sebelum percaya

Kesalahan umum

  • Memakai Sobel tanpa memahami arah jalur a dan b.
  • Mencampur koefisien unstandardized dan standardized tanpa konsistensi.
  • Mengabaikan bootstrap indirect effect saat raw data dan software mendukungnya.
Apa itu Sobel test?+

Sobel test mengecek apakah indirect effect berbeda dari nol menggunakan koefisien jalur dan standard error.

Apakah Sobel test sama dengan bootstrap?+

Sobel test dan bootstrap memakai pendekatan berbeda. Bootstrap mengestimasi distribusi indirect effect melalui resampling dan sering lebih fleksibel.

Koefisien apa yang harus dipakai?+

Gunakan koefisien a dan b serta standard error yang konsisten dari model yang sama.