O que é análise de moderação?

Pesquisadores se interessam não apenas em identificar relações confiáveis entre variáveis, mas também em encontrar condições limítrofes dessas relações. Por exemplo, suponha que exista uma associação entre renda familiar e os níveis de satisfação com a vida. Nesse caso, podemos nos perguntar: sob quais circunstâncias essa associação se mantém, e sob quais ela deixa de existir? Para responder a esse tipo de questão, usamos a análise de moderação.

Neste post, descreveremos o que é análise de moderação. Além disso, indicaremos algumas técnicas estatísticas que são usadas para testar efeitos moderadores de variáveis. Por fim, apresentaremos alguns gráficos que ilustram a presença de moderação nas relações entre variáveis.

O que é uma variável moderadora?

Primeiramente, vamos entender o conceito de variável moderadora. Uma variável moderadora W é aquela que modifica a força e/ou a direção da relação entre as variáveis X e Y. Denotamos a variável moderadora pela letra W, para indicar que ela pondera (W de weight ou peso em inglês) a relação entre X e Y.

A Figura 1 apresenta um diagrama conceitual de um modelo de moderação. A seta de X para Y indica que a variável X prediz estatisticamente a variável Y. A seta de W para a seta entre X e Y indica que, em alguns níveis da variável W, a relação entre X e Y pode ser mais forte, enquanto essa relação pode ser mais fraca, nula ou na direção oposta em outros níveis de W.

Por exemplo, uma possível variável moderadora da relação entre renda familiar e níveis de satisfação com a vida é o custo de vida local (Figura 2). Essa hipótese sugere, conforme o custo de vida local aumenta, a associação entre renda familiar e satisfação com a vida tende a diminuir.

Evidentemente, o modelo representado na Figura 2 é uma hipótese de pesquisa. Desse modo, precisaríamos coletar dados e avaliar se obtemos ou não suporte para nossa hipótese de moderação do custo de vida local sobre a relação entre renda familiar e níveis de satisfação com a vida.

Modelo de moderação com variável moderadora categórica

Na seção anterior, demos um exemplo de uma variável moderadora contínua. Vale ressaltar, contudo, que variáveis categóricas também podem ser usadas como variáveis moderadoras.

Por exemplo, na tarefa de Stroop, os participantes veem palavras representando nomes de cores. Essas palavras são exibidas em diferentes cores (e.g., palavra AZUL na cor azul). Os participantes devem identificar, rápida e precisamente, a cor da palavra, ignorando o texto. A Figura 3 ilustra algumas tentativas da tarefa.

O efeito Stroop consiste em menores tempos de reação na condição congruente  (e.g., palavra AZUL na cor azul) em comparação à condição incongruente (e.g., palavra VERDE na cor vermelha).

No entanto, podemos postular uma variável moderadora dos participantes, a saber, o grau de alfabetização deles. Por exemplo, se hipotetizarmos que o maior tempo de reação na condição congruente se deve a uma interferência da leitura sobre a nomeação da cor da palavra, isso sugere que o efeito de Stroop deveria desaparecer com participantes não alfabetizados. Desse modo, um teste para essa hipótese envolveria aplicar a tarefa de Stroop em dois grupos (alfabetizado, não alfabetizado; Figura 4).

Neste cenário, esperaríamos uma diferença nos tempos de reação (Y) em função do tipo de estímulo (X), mas apenas para participantes alfabetizados (W). Em contrapartida, para aqueles não alfabetizados, as palavras não deveriam interferir na nomeação das cores, o que, consequentemente, resultaria em tempos de reação similares nas condições congruente e incongruente.

Como realizar análise de moderação?

Análise de moderação com a ANOVA

Podemos identificar um efeito moderador por meio de uma interação estatística. Por exemplo, uma análise de variância (ANOVA) fatorial mista 2 × 2, com os fatores tipo de estímulo (congruente, incongruente) e grupo (alfabetizado, não alfabetizado), permite avaliar a existência de moderação.

Nesse contexto, nossa ANOVA realizará o teste de dois efeitos principais (do tipo de estímulo e do grupo) e, mais importante para nossos propósitos, de um efeito de interação (Tipo de Estímulo × Grupo). Se o termo de interação for estatisticamente significativo, temos evidência de moderação em nosso modelo.

A Figura 5 ilustra um resultado hipotético da tarefa de Stroop conforme o delineamento previamente descrito. Esse gráfico é consistente com o efeito de interação: o efeito Stroop ocorre para os participantes alfabetizados, mas não para os não alfabetizados. Presumivelmente, isso ocorre porque apenas entre alfabetizados o texto interfere com a tarefa de nomeação da cor em que as letras aparecem.

Análise de moderação baseada em regressão

No entanto, a ANOVA não lida tão bem com preditores e moderadores contínuos. Em tais casos, uma abordagem baseada em regressão é estatisticamente equivalente, porém mais genérica que a ANOVA. Por exemplo, em uma regressão linear múltipla, poderíamos inserir três variáveis preditoras em nosso modelo: renda familiar, custo de vida local e uma variável que consiste no produto dessas duas primeiras variáveis. É a significância estatística desse produto que fornecerá evidências de moderação em nosso modelo.

A Figura 6 apresenta um diagrama de dispersão ilustrando o efeito de interação entre variáveis. Nesse exemplo, nós artificialmente dividimos a moderadora em dois níveis (custos de vida baixo e alto).

Podemos ver claramente que, para o custo de vida baixo, temos uma relação positiva entre renda familiar e satisfação com a vida (i.e., a linha de melhor ajuste pontilhada é positiva).

Em contrapartida, em locais com custo de vida alto, a relação entre renda familiar e satisfação com a vida parece ser nula (i.e., a linha de melhor ajuste é paralela ao eixo x, denotando a ausência de relação entre renda familiar e satisfação com a vida).

Análise de moderação usando modelagem por equações estruturais

Nos modelos anteriores, havia apenas uma variável critério (Y). Contudo, em modelos conceituais mais complexos, pesquisadores podem estar interessados em testar múltiplas relações simultaneamente, ao mesmo tempo em que controlam o erro de mensuração das variáveis incluídas no modelo.

Em tais casos, pesquisadores podem usar modelagem por equações estruturais, onde estimam os modelos de mensuração de suas variáveis de interesse, ao mesmo tempo em que especificam um modelo estrutural, que descreve as relações de predição entre variáveis latentes.

Em síntese, ao nível do modelo estrutural, pesquisadores podem especificar e testar análises de moderação em diferentes relações entre variáveis. Tais testes contribuem para a compreensão das relações complexas entre variáveis e para a teorização em diferentes áreas de pesquisa.

Qual é a relevância da análise de moderação?

O metodólogo Andrew F. Hayes denomina a questão da análise de moderação de uma questão “quando”. Em outras palavras, ao observarmos que X está associada a Y, podemos nos perguntar quando — sob quais circunstâncias, em quais lugares ou para quais tipos de pessoas — essa associação existe, quando ela muda de direção e quando ela deixa de existir.

Desse modo, a análise de moderação investiga condições limítrofes da ocorrência de um fenômeno. Por exemplo, cientistas afirmam que objetos em queda livre aumentam sua velocidade de queda em 9,8 m/s a cada segundo que passa. Um cientista que se pergunte se essa regularidade se aplica fora do planeta Terra está interessado em identificar as condições limítrofes do fenômeno.

Identificar o “quando” dos fenômenos é extremamente relevante. Por exemplo, suponha que uma teoria hipotetize que o efeito Stroop ocorre porque a incongruência cor–palavra causa uma interferência no processamentoo das informações inconsistentes, o que retarda o tempo de reação dos participantes.

No entanto, assumindo-se adequado poder estatístico, se análises de moderação sucessivas falharem em mostrar que o nível de alfabetização modera o efeito, essa teoria terá problemas. Em outras palavras, se o efeito Stroop ocorrer igualmente com participantes não alfabetizados, isso refutará a hipótese da interferência como explicação do fenômeno.

As análises de moderação também têm papel relevante na tomada de decisão. Por exemplo, suponha que a psicoterapia A funcione bem para pacientes com transtorno depressivo persistente (distimia). Desse modo, podemos nos perguntar se para níveis mais severos de depressão, como no transtorno depressivo maior, a psicoterapia ainda é útil. Essa, mais mas vez, é a questão da análise de moderação.

Conclusão

Neste post, você aprendeu os fundamentos básicos da análise de moderação. O metodólogo Andrew F. Hayes desenvolveu uma macro para análises de moderação no SPSS. Caso queira conhecer essa funcionalidade, veja nosso post sobre o tema.

Gostou desse conteúdo? Se você precisa aprender análise de dados, então faça parte da Psicometria Online Academy, a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referência

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3^rd ed.). The Guilford Press.

Como citar este post

Lima, M. (2025, 9 de janeiro). O que é análise de moderação? Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/o-que-e-analise-de-moderacao/