Universitat de Barcelona. Institut de Desenvolupament Professional.
ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
ISSN: 2013-2255
<Artículo metodológico>
El análisis de moderación en el ámbito socioeducativo a través de la
macro Process en SPSS Statistics
Héctor Galindo-Domínguez1
Enviado: 28/06/2018. Aceptado: 31/10/2018. Publicado en prensa: 26/11/2018. Publicado: 07/01/2019
//Resumen
INTRODUCCIÓN: El procedimiento de moderación simple está diseñado para analizar el efecto de una variable moderadora
en la causalidad de una variable independiente o predictor sobre una variable dependiente o explicada.
MÉTODO: En esta línea, Process se presenta como una herramienta para realizar dicho procedimiento de manera sencilla y
rápida. El objetivo principal de este trabajo es explicar con claridad cómo realizar un análisis de moderación simple con
Process en SPSS Statistics a través de un caso práctico y real del ámbito socioeducativo.
RESULTADOS: Los resultados de este análisis apuntan a que la variable moderadora (apertura a la experiencia) ejerce como
tal entre la variable independiente (inteligencia emocional) y la variable dependiente (dificultades en la toma de decisiones
de la carrera) en los sujetos con niveles de apertura a la experiencia medios y altos.
DISCUSIÓN: El uso de esta herramienta permite al investigador que se introduce en los procedimientos de moderación
interpretar velozmente los resultados obtenidos.
//Palabras clave
Análisis estadístico; Moderación; Process; SPSS; Regresión.
//Datos del autor
1
Universidad de Deusto, España. Autor para la correspondencia: [Link]@[Link]
//Referencia recomendada
Galindo-Domínguez, H. (2019). El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS
Statistics. REIRE Revista d’Innovació i Recerca en Educació, 12(1), 1–11. [Link]
© 2018 Héctor Galindo-Domínguez. Este artículo es de acceso abierto sujeto a la licencia Reconocimiento 4.0 Internacional de Creative Commons, la cual
permite utilizar, distribuir y reproducir por cualquier medio sin restricciones siempre que se cite adecuadamente la obra original. Para ver una copia de esta
licencia, visite [Link]
// REIRE, 12(1), enero 2019 // [Link]
-1-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
//Títol
L’anàlisi de moderació en l’àmbit socioeducatiu mitjançant la macro Process en SPSS Statistics
//Resum
INTRODUCCIÓ: El procediment de moderació simple està dissenyat per analitzar l’efecte d’una variable moderada en la
causalitat d’una variable independent o predictor sobre una variable dependent o explicada.
MÈTODE: En aquesta línia, Process es presenta com una eina per dur a terme aquest procediment de manera senzilla i
ràpida. L’objectiu principal d’aquest treball és explicar amb claredat com fer una anàlisi de moderació simple amb Process en
SPSS Statistics a través d’un cas pràctic i real de l’àmbit socioeducatiu.
RESULTATS: Els resultats d’aquesta anàlisi apunten que la variable moderada (obertura a l’experiència) exerceix com a tal
entre la variable independent (intel·ligència emocional) i la variable dependent (dificultats en la presa de decisions de la
carrera) en els subjectes amb nivells d’obertura a l’experiència mitjans i alts.
DISCUSSIÓ: L’ús d’aquesta eina permet a l’investigador que s’introdueix en els procediments de moderació interpretar de
manera ràpida els resultats obtinguts.
//Paraules clau
Anàlisi estadística; Moderació; Process; SPSS; Regressió.
//Title
Moderation analysis in the social and education sciences using the PROCESS macro for SPSS Statistics
//Abstract
INTRODUCTION: Simple moderation is used to analyse the effect of a moderating variable on the causal relationship between
an independent variable or predictor and a dependent or explained variable.
METHOD: The PROCESS macro is an interface applied to the software package SPSS Statistics to make moderation analysis
simpler and faster. The main objective of this study is to explain in simple terms how to perform a simple moderation analysis
using PROCESS for SPSS applied to a practical case in the field of social and education sciences.
RESULTS: The results suggest that the moderating variable (openness to experience) operates as such between the
independent variable (emotional intelligence) and the dependent variable (difficulties in taking decisions about one’s studies)
in participants with medium and high levels of openness to experience.
DISCUSSION: This tool allows researchers with limited experience in moderation analysis to interpret results more quickly
and easily.
//Keywords
Statistical analysis; Moderation; Process; SPSS; Regression.
// REIRE, 12(1), enero 2019 // [Link]
-2-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
1. Introducción
El análisis de moderación es un tipo de análisis multivariado en el que una variable independiente predice
una variable dependiente teniendo en cuenta la fuerza causal de una tercera variable que interactúa
entre ambas, llamada variable moderadora (Kenny, 2015). En esta línea, la variable moderadora afecta a
la fuerza y/o la dirección en la relación entre la variable predictora y la variable de salida (Fairchild y
MacKinnon, 2009).
A diferencia del análisis de mediación que trata de cuantificar cómo o por qué ocurre un determinado
fenómeno, el de moderación trata de cuantificar especialmente cuándo o bajo qué circunstancias ocurre.
Tal y como se observa en la figura 1, el análisis de moderación es el resultado de llevar a cabo una serie
de análisis de regresión múltiple en los que se estudia tanto el impacto de cada una de las variables
predictoras (X y W por separado) sobre la variable dependiente, como la interacción entre ambas
variables predictoras (XW) sobre la variable dependiente (Fairchild y MacKinnon, 2009). Cuando esta
interacción es significativa, no es posible interpretar el efecto de la variable independiente sobre la
dependiente únicamente, pues este hecho apunta a que el efecto entre ambas variables depende de una
tercera variable (Fritz y Arthur, 2017).
Figura 1. Diagrama conceptual y diagrama estadístico del análisis de moderación simple
Fuente: Hayes (2013).
Al igual que bastantes pruebas estadísticas, el análisis de moderación requiere que se cumplan una serie
de condiciones para poder llevarlo a cabo; condiciones que coinciden con las que requiere un análisis de
regresión lineal. En este sentido, Osborne y Waters (2002) hacen mención a los cuatro criterios que debe
cumplir este análisis: 1) las variables se distribuyen según la normal (normalidad); 2) existe asociación
lineal entre las variables independiente y dependiente, y moderadora y dependiente; 3) la fiabilidad en la
medida debe ser máxima, tratando de reducir lo máximo posible el error de medida (sistemático y
aleatorio) y 4) las variables presentan homogeneidad de varianzas. Esto nos permitirá asegurarnos que la
varianza del error es la misma para todos los valores de la variable independiente.
Tanto el análisis de mediación, como el de moderación, a pesar de ser ampliamente empleados por los
investigadores, tal y como afirman Fernández-Muñoz y García-González (2017), aún presentan ciertas
limitaciones en su aplicación con diferentes tipos de programas informáticos debido a que hasta hace
unos años no existía la posibilidad de realizar esta tarea en SPSS Statistics de manera eficaz, y a que el
desarrollo de este tipo de análisis a través de programas con comandos requerían de un esfuerzo
significativo para su aplicación y comprensión.
// REIRE, 12(1), enero 2019 // [Link]
-3-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
En aras de solucionar esta situación, el objetivo de este trabajo no es otro que el de tratar de explicar de
manera lo más sencilla posible la parte práctica referente al desarrollo de un análisis de moderación y su
aplicabilidad a través de Process para SPSS Statistics, a fin de permitir a todo investigador iniciarse en los
procedimientos de moderación. El artículo viene dividido en dos grandes secciones: una primera en la que
se presenta al lector el proceso de instalación de la macro Process en SPSS Statistics, y una segunda parte
donde se expone un caso práctico real de un análisis de moderación del ámbito socioeducativo. Esta
segunda parte viene acompañada de toda la teoría pertinente y necesaria de cualquier análisis de
moderación.
2. Instalación del macro Process en SPSS Statistics
El macro Process es una extensión que se añade al software estadístico SPSS Statistics y que nos permite
de manera fácil y rápida realizar análisis de mediación, análisis de moderación y análisis de mediación
moderada con un total de 92 modelos diferentes.
Para instalar Process es necesario visitar la página web [Link] y
descargar la última versión disponible. Una vez descargado el archivo, lo descomprimimos y abrimos SPSS
Statistics.
La ruta para instalar Process varía dependiendo de la versión de SPSS Statistics que posea nuestro
ordenador. En versiones anteriores a la 23 (esta incluida), la ruta para instalar Process es a través de
Utilidades > Cuadros de diálogo personalizados > Instalar cuadro de diálogo personalizado. En cambio, a
partir de la versión 24, la ruta es a través de Ampliaciones > Utilidades > Instalar diálogo personalizado
(modalidad de compatibilidad). En ambos casos, una vez llegado al final, solamente será necesario buscar
y seleccionar el documento que hayamos descargado (con extensión “.spd”).
Para comprobar que la instalación se ha realizado correctamente, iremos a la ruta Analizar > Regresión.
En caso de estar perfectamente instalado, nos saldrá una nueva sección llamada PROCESS v3.0 by Andrew
F. Hayes.
3. Ejemplo práctico en el ámbito socioeducativo de análisis de moderación
en Process
Para clarificar todos los contenidos relacionados con el análisis de moderación, se considera pertinente
presentar un caso práctico que sirva de ejemplo sobre cómo podría ser aplicado este tipo de análisis en el
ámbito socioeducativo. En este caso realizado con una muestra real de adolescentes españoles, se quiere
estudiar el efecto moderador que tiene la apertura al cambio o a la experiencia (Variable moderadora, W)
entre la inteligencia emocional de los sujetos (Variable independiente, X) y las dificultades que presentan
a la hora de tomar decisiones en el desarrollo de su carrera académica (Variable dependiente, Y). Para
// REIRE, 12(1), enero 2019 // [Link]
-4-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
ello, se cuenta con una muestra de 184 adolescentes a quienes se les pidió que rellenaran 3 escalas
diferentes:1
Para medir la inteligencia emocional (IE de aquí en adelante) se empleó la Escala de Inteligencia
Emocional percibida Wong-Law (Wong y Law, 2002), que mide 4 factores de la inteligencia
emocional (Percepción Intrapersonal, Percepción Interpersonal, Asimilación y Regulación de las
emociones), a través de 16 ítems tipo Likert de 7 puntos.
Para medir las dificultades en la toma de decisiones de la carrera (DTDC de aquí en adelante), se
empleó la escala sobre las dificultades en la toma de decisiones de la carrera (Lozano, 2007), que
mide 8 factores de este constructo (falta de motivación, indecisión, falta de información sobre el
proceso de toma de decisiones, falta de información sobre uno mismo, falta de información
académico-profesional, información inconsistente, conflictos internos y conflictos externos), a
través de 27 ítems tipo Likert de 7 puntos.
Finalmente, para medir la apertura al cambio o a la experiencia (AExp de aquí en adelante), se
seleccionó este factor dentro de la escala G-25 (García, Aluja y García, 2002), que mide las 5
grandes dimensiones de la personalidad (Extraversión, Apertura al cambio, Responsabilidad,
Amabilidad e Inestabilidad Emocional) a través de 25 ítems en una escala tipo diferencial
semántico de Osgood de 9 puntos.
Es significativo informar de estos datos, especialmente del rango de cada escala, debido a que como ya
veremos más adelante, los valores que proporcione el análisis de moderación serán valores no
estandarizados, hecho que fuerza en cierto modo al investigador a proporcionar información sobre el
valor máximo y mínimo de cada escala para la comprensión e interpretación de los datos obtenidos.
Respecto al estudio, la hipótesis principal del trabajo es que se cree que existe una causalidad inversa
entre el grado de IE (X) y las DTDC (Y), que a su vez se ve alterada por el grado de AExp (W) que presenta
el sujeto.
Primero, se estudiaron las condiciones previas a cualquier análisis de moderación de las tres variables
empleadas, obteniendo resultados variados; siendo positivos los resultados de consistencia interna (α =
0.82) y variados los resultados de normalidad y homocedasticidad. Como Mason y Schuenemeyer (1983)
confirman, algunas de las pruebas para comprobar la normalidad, como la prueba de Kolmogorov-
Smirnov, se presentan como pruebas muy sensibles, por lo que puede ser positivo estudiar la normalidad
a través de otros tests, como la asimetría y curtosis, así como gráficos Q-Q. Es así como se procedió a
analizar la asimetría y la curtosis de las variables considerándose pertinente continuar con el análisis.
Centrándose ya en el análisis de moderación en Process, se selecciona el modelo 1 (modelo de
moderación simple), con un intervalo de confianza del 95% y un número de muestras de bootstrapping2
1
La matriz de datos para seguir el ejemplo se puede descargar en [Link]
2
Aunque no es propio exclusivamente del análisis de moderación, cabe explicar que el bootstrapping es un tipo de técnica de remuestreo de datos que
permite crear un elevado número de muestras con reposición a partir de los datos reales (Ledesma, 2008); o en palabras más simples, se trata de una
// REIRE, 12(1), enero 2019 // [Link]
-5-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
de 10.000. Cabe señalar, que estos valores pueden ser modificados y adaptados a las necesidades de cada
investigador. De igual modo, en aras de crear los respectivos gráficos de moderación, se le pide a la macro
que proporcione mediante las técnicas pick-a-point los valores por media y desviación típica ± 1, así como
los valores de la técnica Jonhson-Neyman, mediante el botón Options.
Figura 2. Ejemplo de modelo de mediación
Apertura a la experiencia (W)
Dificultades en la toma de
Inteligencia
Emocional (X) decisiones de la carrera
(Y)
Fuente: elaboración propia.
Por otra parte, las técnicas de aproximación pick-a-point y Johnson-Neyman, son técnicas que nos van a
facilitar conocer el efecto de la variable independiente sobre la dependiente en diferentes puntos de la
variable moderadora. La diferencia entre ambas técnicas estriba en que mientras que la técnica pick-a-
point nos va a proporcionar 3 grupos para la variable moderadora (que podríamos catalogar como
aquellos sujetos con valores Bajo, Medio y Alto), la técnica Johnson-Neyman es mucho más precisa y nos
va a proporcionar una lista mucho más extensa y meticulosa de valores, como veremos más adelante.
Comenzando con el análisis en sí, se obtienen los siguientes resultados, que se irán desglosando para ir
explicando parte por parte las diferentes secciones del análisis de moderación.
Tal y como se recoge en la figura 3, los resultados del análisis comienzan recordando al investigador cuál
ha sido el modelo elegido, las diferentes variables introducidas (independiente X, dependiente Y, y
moderadora W) y el tamaño de la muestra (sample size).
Figura 3. Modelo, variables y tamaño muestral del análisis de moderación
Fuente: elaboración propia.
Posteriormente, se obtienen los datos que se muestran en la Figura 4. De la sección respectiva al resumen
del modelo (Model Summary) se indican diferentes estadísticos (coeficientes de determinación R y R² o R-
sq; el error cuadrático medio, MSE; el valor F; los grados de libertad, df1 y df2; y el valor de significancia,
p). De todos ellos, el que mayor interés podría aportarle al investigador sería el coeficiente R² mediante el
técnica en la que, a partir de la muestra de casos reales que tenemos, se crean artificialmente un elevado número de casos (generalmente, entre 1.000 a
50.000) eligiendo al azar un caso real y dando la opción de poder volver a ser elegido, llegando así hasta el total de muestras de bootstrap señaladas.
// REIRE, 12(1), enero 2019 // [Link]
-6-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
cual se indica la calidad del modelo de regresión. En este caso, el valor R², aunque significativo (p = .005),
es débil, explicando solamente el 6,78% (.0678) de la varianza total.
Figura 4. Análisis de regresión lineal de W, X y XW sobre Y
Fuente: elaboración propia.
Líneas más abajo, se muestran los resultados de haber realizado tres análisis diferentes de regresión
lineal: el primero, el de la variable independiente (X) sobre la variable dependiente (Y); el segundo, el de
la variable moderadora (W) sobre la variable dependiente (Y); y el tercero y tal vez el más importante, el
de la interacción llamado Int_1 y generado automáticamente por Process, entre la variable independiente
y moderadora (XW) sobre la variable dependiente (Y).
Las estimaciones de cada análisis de regresión vienen dadas a través de sus respectivos coeficientes de
regresión no estandarizados (coeff), sus respectivos errores estándar (SE), los valores t y sus respectivos
niveles de significación (p), así como los diferentes valores del límite inferior (LLCI) y superior (ULCI) del
intervalo de confianza.
La interpretación de la significancia de cada análisis de regresión se realiza a través de los valores de cada
límite inferior y superior del intervalo de confianza, de modo que, si entre este intervalo se encuentra el
número 0, podremos confirmar que ese análisis de regresión no es significativo.
En este caso, nos encontramos con que un análisis de regresión fue significativo y dos no lo fueron. Más
concretamente, el análisis de regresión en el que la IE se consideró predictor de las DTDC tuvo un p-valor
de .11 y un intervalo de confianza de [-.22, 1.99]. Este análisis puede considerarse no significativo por
tener un p-valor superior al valor de significancia establecido (generalmente .05), y por tener un intervalo
de confianza en el que se incluye el valor 0. A pesar de ser un valor no significativo, con fines prácticos
interpretaremos este valor como aproximadamente tendencial, de manera que podamos considerar que
la IE tiene cierto grado de predicción de las DTDC.
No obstante, este acontecimiento no ocurre en los otros dos análisis de regresión, en el que se
obtuvieron valores significativos para la variable moderadora (p = .03; SE = 2.17; [.08, 1.64]), como para la
interacción entre la variable independiente y la moderadora (p = .04; SE = .07; [-.32, -.01]). El hecho de
obtener un valor significativo en esta interacción nos indica la presencia de un efecto de moderación, por
lo que ya podemos observar que la AExp interfiere en el efecto que tiene la IE sobre las dificultades que
presentan los adolescentes en la toma de decisiones de la carrera.
El siguiente bloque de resultados, tal y como se muestra en la figura 5, nos aporta información para poder
interpretar de una manera más precisa los resultados. Mediante la técnica de pick-a-point, Process nos va
// REIRE, 12(1), enero 2019 // [Link]
-7-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
a proporcionar tres coeficientes diferentes, que podríamos catalogar como aquellos sujetos que
presentaron AExp baja (coeficiente de 5.92), AExp media (coeficiente de 7.10) y AExp alta (coeficiente de
8.20). Cabe recordar que estos valores para medir la AExp son valores no estandarizados provenientes de
una escala diferencial semántico de Osgood de 9 puntos.
Figura 5. Efecto condicional de la variable independiente sobre la variable dependiente en diferentes valores de
la variable moderadora
Fuente: elaboración propia.
Para conocer cuándo tiene efecto moderador la AExp en el modelo principal se analiza, al igual que en el
caso anterior, el nivel de significancia y los límites superiores e inferiores.
En este caso, observamos que la AExp tiene efecto moderador solamente en aquellas personas que
tienen niveles de AExp medios (p = .003; SE = .09; [-.48, -.10]) y aún más en aquellas personas con niveles
de AExp altos (p = .000; SE = .13; [-.75, -.21]), sin embargo, no tiene efecto en aquellas personas con
niveles de AExp bajos (p = .435; SE = .12; [-.35, .15]). Con estos datos, podemos concluir que el efecto
tendencial (cabe recordar que este análisis de regresión no fue significativo, pero se consideró tendencial)
de la IE en las DTDC es estadísticamente significativo entre las personas con unos niveles de AExp medios
y altos, pero no lo es en las personas con unos niveles de AExp bajos.
En último lugar, Process nos proporciona a través de la técnica Johnson-Neyman muchos más valores para
poder conocer a partir de qué punto la variable moderadora está comenzando a ser significativa en el
modelo de la variable independiente sobre la dependiente. Esta información queda recogida en la
figura 6.
Figura 6. Resumen de la técnica Johnson-Neyman
Fuente: elaboración propia.
En la parte de arriba de este bloque de resultados, se recoge el punto en que la AExp empieza a actuar
significativamente de moderadora (en este caso, a partir del valor 6,5504), así como el porcentaje de
// REIRE, 12(1), enero 2019 // [Link]
-8-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
muestra que hay por debajo de este valor (% below) y el porcentaje que hay por encima (% above). Más
abajo, en la lista de datos, se puede observar como el valor 6,5504 es justo el punto de corte entre los
valores significativos y los valores no significativos.
Cuando se realicen análisis de moderación con la técnica Johnson-Neyman, es altamente recomendable
acompañarlos de su respectivo gráfico, en aras de mostrar más claramente el efecto de la variable
moderadora.
Para construir el gráfico, es necesario que abramos un nuevo documento de sintaxis (en SPSS Statistics
Archivo > Nuevo > Sintaxis) y escribamos en dicho documento el código descrito en la tabla 1:
Tabla 1. Sintaxis en la construcción de un gráfico de moderación
DATA LIST FREE/”nombreVM” effect se t p LLCI ULCI.
BEGIN DATA.
Fuente: Adaptado de Hayes (2017).
Posteriormente, una fila más abajo, copiaremos y pegaremos todos los datos (columnas AExp, Effect, SE,
t, p, LLCI y ULCI, sin la fila de los títulos), desde el primero hasta el último que nos ha proporcionado
Process y finalizaremos una línea más abajo con las siguientes dos líneas de código descritos en la tabla 2.
Tabla 2. Sintaxis en la construcción de un gráfico de moderación
END DATA.
GRAPH/SCATTER(OVERLAY)=”nombreVM” “nombreVM” “nombreVM” WITH LLCI ULCI effect
(pair).
Fuente: Adaptado de Hayes (2017).
Cabe recordar, que en ambos casos debe sustituirse el texto entero “nombreVM” por el nombre con el
que tengamos codificada la variable moderadora, que en este caso es AExp. En último lugar,
seleccionamos todo el texto y pulsamos el botón “Ejecutar Selección”. El gráfico obtenido se muestra en
la figura 7.
Sobre este gráfico, comenzar haciendo mención a que en el eje X se sitúan los diferentes valores de la
variable moderadora y en el eje Y el efecto o la capacidad predictiva de la variable independiente sobre la
variable dependiente.
En el gráfico se ha añadido una línea de referencia discontinua en el eje X que señala el punto crítico en el
que la variable moderadora comienza a hacer efecto (en este caso 6,5504), dejando a la izquierda los
casos estadísticamente no significativos (región no significativa) y la derecha los casos significativos
(región significativa). Una manera de conocer qué región de las dos es la significativa consiste en fijarse en
el valor 0 del eje Y (línea gris) y observar en cuál de las dos se presentan ambos límites, por encima o por
debajo del valor 0. Mientras que en el caso de la izquierda el límite superior está por encima de 0 y el
límite inferior por debajo de 0, en el caso de la derecha, ambos límites están por debajo de 0. En el
gráfico, la línea diagonal representa el punto de estimación del análisis y la línea curva inferior y superior
el límite inferior y superior del intervalo de confianza seleccionado.
Con esta información en mente y a modo de conclusión del análisis de moderación diremos que la
interpretación del presente gráfico apunta a que la causalidad (recordemos, tendencial) entre la IE y las
DTDC es inversa y significativa (debido a que la región significativa toma valores negativos) en aquellos
// REIRE, 12(1), enero 2019 // [Link]
-9-
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
casos en que los sujetos presentaron un nivel de AExp medio o alto; o dicho de otro modo, el efecto que
tiene la IE para reducir las DTDC es solo significativo cuando los sujetos presentan niveles medios y altos
de AExp.
En último lugar, recordar que a pesar de que este ejemplo ha sido desarrollado con una variable
moderadora cuantitativa, también es posible ver el efecto moderador de variables categóricas tras previa
recodificación de estas en variables dummy.
Figura 7. Gráfico editado del efecto moderador de la apertura a la experiencia sobre el modelo de regresión
lineal principal
Fuente: elaboración propia.
4. Conclusiones
El presente trabajo ha tenido como objetivo principal destacar los pasos a seguir para desarrollar un
análisis de moderación simple con Process en SPSS Statistics, en aras de proporcionarle al investigador
que quiera introducirse en los procesos de moderación un material de iniciación explicado de la manera
más fácil y sencilla posible.
Para conseguir dicho fin, se ha tratado de explicar paso a paso los diferentes conceptos teóricos más
significativos en los procedimientos de moderación acompañándolos de un caso práctico y real,
esperando que pueda servir de ayuda para conocer su aplicabilidad en el ámbito socioeducativo.
El uso de esta herramienta para realizar trabajos de mediación, moderación y mediación moderada
permite solventar en cierto grado algunas de las limitaciones que se le pueden presentar al investigador
que se inicia en estos procesos, por cuanto recoge de manera muy resumida y precisa la información más
relevante de estos tipos de análisis.
// REIRE, 12(1), enero 2019 // [Link]
- 10 -
Universitat de Barcelona. Institut de Desenvolupament Professional. ICE
H. Galindo-Domínguez. El análisis de moderación en el ámbito socioeducativo a través de la macro Process en SPSS Statistics
<Referencias bibliográficas>
Fairchild, A. J., y MacKinnon, D. P. (2009). A general model for testing mediation and moderation effects.
Prevention Science, 10(2), 87–99. [Link]
Fernández-Muñoz, J. J., y García-González, J. M. (2017). El análisis de mediación a través de la
macro/interfaz Process para SPSS. REIRE Revista d’Innovació i Recerca en Educació, 10(2), 79–88.
[Link]
Fritz, M. S., y Arthur, A. M. (2017). Moderator Variables. Oxford, Reino Unido: Oxford Research
Encyclopedia of Psychology. [Link]
García, O., Aluja, A., y García, L. F. (2002). A comparative study of Zuckerman's three structural models for
personality through the NEO-PI-R, ZKPQ-III-R, EPQ-RS and Goldberg's 50-bipolar adjectives.
Personality and Individual Differences, 33(5), 713–725. [Link]
8869(01)00186-6
Hayes, A. F. (2013). Model Templates for PROCESS for SPSS and SAS. Recuperado de
[Link]
Hayes, A. F. (2017). Introduction to Mediation, Moderation and Conditional Process Analysis: A
Regression-Based Approach. Nueva York, EEUU: Guildford Press.
Kenny, D. A. (2015). Moderation. Recuperado de [Link]
Ledesma, R. (2008). Introducción al Bootstrap. Desarrollo de un ejemplo acompañado de software de
aplicación. Tutorials in Quantitative Methods for Psychology, 4(2), 51–60.
[Link]
Lozano, S. (2007). Validación de un modelo de medida de las dificultades en los procesos de toma de
decisiones sobre la carrera profesional. Revista de Educación, 343, 325–351.
Mason, D. M., y Schuenemeyer, J, H. (1983). A modified Kolmogorov-Smirnov Test Sensitive to Tail
Alternatives. The annals of Statistics, 11(3), 933–946. [Link]
Osborne, J. W., y Waters, E. (2002). Four assumptions of multiple regression that researchers should test.
Practical Assessment, Research & Evaluation, 8(2), 1–5.
Wong, C. S., y Law, K. S. (2002). The effects of leader and follower emotional intelligence on performance
and attitude: An exploratory study. Leadership Quarterly, 13(3), 243–274.
[Link]
<Archivo complementario>
Matriz de datos para seguir el ejemplo: [Link]
// REIRE, 12(1), enero 2019 // [Link]
- 11 -
