Statystykę porównuje się po obliczeniu z rozkładem normalnym, np. standaryzowanym, lub rozkładem t-Studenta.
Test ten jest mało odporny na naruszenia założeń, w związku z czym Preacher i Hayes zaproponowali alternatywną, odporniejszą technikę samowsporną.
Test Preachera i Hayesa Aby potwierdzić dobre dopasowanie modelu uwzględniającego mediator do obserwacji, można wykorzystać nieparametryczny, samowsporny (ang. bootstrap) test Preachera i Hayesa.
Mediacja a przyczynowość Warunkami koniecznymi, ale niewystarczającymi do wykazania relacji przyczynowej, są: stały porządek następstwa czasowego (przyczyna zawsze poprzedza skutek) współwystępowanie (jeśli występuje przyczyna, zachodzi skutek)
Warunki te powinny być również stawiane wobec zmiennych proponowanych do roli mediatora (oraz moderatora). Jednakże samo wykazanie istotnej obecności mediatora (lub innej zmiennej ubocznej) w modelu nie rozstrzyga jednoznacznie o obecności i postaci związku przyczynowego. Techniki takie jak SEM pozwalają na testowanie hipotez uwzględniających te założenia, co może dawać przesłanki na temat dopasowania danych modelu przyczynowego, ale ich ocena zależy również od pozostałego kontekstu, m.in.