实证研究论文数据有调节的中介

中介效应不显著，但是如果调动有关因素，仍可能出现显著的中介效应，需要根据特定情况进行适当的调节后进行检验确认。

本篇内容包括Mplus SEM基础模型, 含(连续及类别数据)EFA/CFA及不同CFA模型的比较，测验等值检验, 不同数据类型潜变量之中介(Bootstrap), 调节, 调节的中介,及简单效应分析及做图。有人留言询问基础模型，所以一次性把主要的基础模型介绍完了哈哈……如果有人还问你Mplus基础模型咋搞，请把这篇文章甩给ta……目录1 CFA 基本语句语句解读 Mplus语句一些常用符号模型拟合指数说明 CFA MpLUS 示例及结果解读 备择模型及CFA模型比较 类别变量 Subgroup CFA Test Measurement invariance (MI)介绍 性别作为subgroup MI 示例# EFA探索性因子分析#.1 连续变量的EFA#.2 类别变量的EFA2 中介模型的检验 中介模型 use model constraint 设定中介模型 调节的中介3 调节模型检验 潜变量调节模型 简单效应分析及交互作用图4 如何报告数据结果5 代码获取方法1 CFATesting ameasurement model via CFA is always the first step in fitting a structural equationmodel (SEM). CFA基本语句语句解读Title: 可以任意给定，如three factor modelTITLE: three factor modelVARIABLE:！数据文件里所有的变量名USEVARIABLES= 所使用的变量MISSING = ALL(-1); ！界定缺失值，根据自己的设定可以是-999， -99任意ANALYSIS:TYPE = GENERAL;TYPE 主要有四种常见的分析类型· GENERAL最常用的, CFA, SEM, 一般线性回归模型· MIXTURE 用于类别变量的模型，最常用的latent class analysis· TWOLEVEL 多水平数据，可以是连续性及类别变量· EFA 探索性因子分析ESTIMATOR= ML; !estimation method如果所有的因变量是连续性变量，可以使用ML (Maximum Likelihood)如果有一个或多个因变量是类别变量categorical variable，应该使用WLSMV(a weighted least squares estimate)ITERATIONS= 1000; !运行的次数MODEL:!界定模型fdback BY FDBACK1 FDBACK2 FDBACK3;rolecon BY ROLECON1 ROLECON2 ROLECON3;OUTPUT:MOD STAND;MOD modificationindices,注：BY 是Measured by 的缩写ON 是regressed on 的缩写Y ON X Z; 表示X, Z 为自变量，Y 为因变量;WITH 是co-vary with的缩写，表示相关XWITH是用来创建潜变量的交互作用如： X BY X1 X2 X3;Z BY Z1 Z2 Z3;XZWITH | X WITH Z;如果要用潜变量模型求调节模型需要用到。 Mplus语句一些常用符号@ 是用来set a constraintX WITH Y@0; ！如果我们想要设定两个潜变量相关为0，* 星号用来 free a fixed –by-default parameter比如X BY X1* X2@1 X3 X4;为了模型识别，Mplus通常默认第一个条目的loading 系数为1，如果你想要改变默认设置，将第二个条目限定loading 系数为1，而第一个条目free to be estimated. 就可以用以上。() 这个是用来命名特定系数，一般复杂模型比较有用。Y1 ON X1 (a);Y2 ON X2 (b);Model constraint :a = 2*b;模型拟合指数说明CFI, TLI, RMSEA, AIC,BIC Kline (2010): MpLUS 示例及结果解读对应代码文件: three factor CFA模型说明：三个变量social support, teamwork, job satisfaction 分别有2个条目测量，验证CFA三因子模型，点击运行MpLUS会给出模型拟合指数及Loading。根据HU & Bentler CFI TLI , SRMR, .06RMSEA 说明模型拟合指数较好Loading系数及变量之间的相关。 备择模型及CFA模型比较至于如何选择不同的模型，可以参考实证研究可以试着运行1 factor, or three, 然后根据chi-sq, df比较模型，nested 模型通常比较两个模型的卡方值(卡方值的变化值 M1 卡方-M0卡方，自由度变化值df1-df0,查卡方表是否显著).Satorra & Bentler(2010)提出一种新的方法，Mplus官网有介绍：来源：我已把这个公式放在一个EXCEL里面，你只需要MpLUS 里ESTIMATOR = ML, ML修改为MLR，跑两个不同的nestedmodel （M1 M0）,然后会得到相关的几个数据，输入对应的EXCEL，再去查卡方表即可。 类别变量CFA只需要添加一行代码说明CATEGORICAL =对应的ESTIMATOR =WLSMV; SubgroupCFA Test invariance (MI)介绍量表开发，或者纵向追踪数据的时候需要检验 measurement invariance (Van de Schoot,Lugtig, & Hox, 2012).具体的相关理论方面可以阅读文献 Van de Schoot et al. 2012, 作者详细提供了step by step guide 以及Mplus syntax。(), 打开链接发现作者也是UU的……然而并没有发现Mplus syntax…，但是UU学术笔记提供！通常检验：· factorloading, (weak invariance)· intercepts,(strong invariance)· andresidual variances (strict invariance)然后根据提到的模型比较方法比较不同的模型 性别作为subgroup MI 示例我把三个模型的代码写在一个syntax文件里了，运行的时候只需要删掉前面注释符号!即可Model 1就是普通的CFA不需要添加任何，Model 2, 需要在数据下面添加GROUPING …analysis添加依一句 !MODEL = configural metric scalar;注意:在修改代码时候一定要在英文输入法模式!输入！Mplus无法识别，mplus依然会运行原本需要忽略的代码，修改为英文!就会变成备注模式MODEL 2 Stronginvariance(对应代码文件 strong measurement invariance)就会得到invariance testing, 以及模型拟合指数ModeL3 Strict model（ measurement invariance）Strict 模型拟合较差# EFA探索性因子分析#.1 连续变量的EFAEFA比较简单，简单说下 (对应代码文件M0EFA 1-4factor)只需要选择需要进行EFA 的变量，然后再分析方法指定EFA 然后 1和 4分别指，1-4 factor，运行就可以了结果就会给出不同模型的比较loading，以及拟合指数1 factor loadingsTwo factorsThree factor比较发现，two factor , 多个条目出现双载荷cross-loading，三个就更差了，综合模型比较急loading 系数选取单因子模型#.2 类别变量的EFA只需要制定categorical variable 即可2 中介模型的检验 中介模型模型说明 teamwork—social support---job satisfaction (代码文件： mediation bootstrap)用潜变量中介模型，每个变量有两个条目IND: only add atest for the indirect effect可以看出，所有的回归系数都显著；中介也是显著 Bootstrap以同样的模型为例：teamwork—social support---job satisfaction在ANALYSIS: 命令下添加Bootstrap = 10000; 根据Hayes (2013) 一般5000次以上就可以。相应地，在OUTPUT: CINTERVAL (bcbootstrap)；在代码M2mediation mplus, 已经添加了Bootstrap，只需要删掉前面的！号即可（！在mplus表示注释说明），运行就会获得bootstrap 结果；只需要不包含0说明结果显著。 use model constraint 设定中介模型如果涉及多个中介时候这种方法比较好一些 结果变量为类别变量的中介模型以性别作为结果变量，仅仅是为了演示……不然拿性别做因变量恐怕很难说得通在用到的变量里说明类别变量，分析方法也需要用MLR, a maximum likelihood estimator withrobust standard errors using a numerical integration algorithm will be used (Muthén &Muthén, 2017).其它把类别变量做自变量之类的，都大同小异，不再赘述。感兴趣的可以看看MpLUS USER GUIDE 调节的中介对应代码文件 moderated mediation新建了交互作用WDxsocsup, 用潜变量或显变量的时候在分析方法交互作用设定都会有所不同。在前文MpLUS语句介绍里有说明 WITH 语句。其它的结果解读略去。这里演示的都以潜变量模型为例子，显变量模型可以参考MpLUS USER GUIDE 3 调节模型检验 潜变量调节模型其实已经在上面中介的调节里有说明了如何创建交互项，潜变量用 WITH 语句工作资源需求模型的，work demand *social support, 工作资源对工作需求的buffer effect就简单运行一个调节模型，work demand, social support, and WDxSSUP 对工作满意度的影响Output 输出代码稍有不同：STAND CINT SAMPSTAT;对应代码文件： latent moderation主效应显著，交互作用不显著。 简单效应分析及交互作用图说实在在MpLUS里简单效应分析比较麻烦，做出来的原始图也比较丑……就用显变量模型演示。对应代码文件： Moderation analysis withsimple slope test and plot首先创建交互项，但是回归分析一般需要数据中心化处理，所以在准备数据的时候最好直接创建交互作用，或者也可以用Define, 然后添加交互作用到usevariables !重要简单效应分析的第一步是首先跑一个回归模型，如果得到交互作用显著之后，根据概念模型写出对应地回归方程Stress =b0+age+b1*wkdem + b2*support+b3*DEMxSUP这里调节变量为sup, 简单效应分析就是调节变量在平均数加减一个标准差之三者之间slope的差异, bo b1等为非标准化的回归系数。Social support 平均数为, 标准差为, 基于此可以求出，Med, high, low social support; 这些数据可以通过TECH1 TECH8; 就可以给出，注MPlus提供的是方差，需要自己计算SD，或者可以用SPSSLOSUP= - ;MEDSUP = ;HISUP = + ;然后界定三个slope,SIMP_LO = b1 +b3*LOSUP;SIMP_MED = b1 + b3*MEDSUP;SIMP_HI = b1 + b3*HISUP;然后上面的公式经过转换，分别界定三条线low, med, high，运行得出结果发现只有low social support 显著……然后查看具体交互作用图……以前以为MpLUS 做出来的图丑到无边……其实是没有调整好……4 如何报告数据结果可参考已发表实证研究。或关注UU学术笔记，目前我们联合众多博士正在整理管理学及心理学领域Top tier journal 数据结果报告的常用句库，未来一个月内会发在公众号。另外，我们英文写作句库已经发布了引言部分及文献综述、方法部分Academic writing: method (sentence bank)写好英文学术论文，你只差一个句库 (Sentence Bank)5代码获取方法· 代码都已经在文章截图呈现，所以可以根据自己数据改编。· 转发至朋友圈获得30个赞同；· 转发至于300人以上心理学或管理学硕士博士群发至邮箱，我们会在3个工作日内发给你代码及数据如果需要MpLUS 软件或者数据准备不清楚，请看Mplus 软件及代码或者如果涉及复杂模型，LCALatent Transition Analysis（潜在群组转变）: Mplus分析详解----欢迎关注我们一个专注于心理学及管理学领域统计方法（复杂模型Mplus及R软件的应用）及英文写作的公众号----另如果涉及统计及代码问题，请在文章下方留言或邮寄。公众号回复48小时就无法回复了。编辑于 2020-02-06 · 著作权归作者所有 赞同 146评论相关推荐京东PLUS会员的高级特权，很多人都不知道！白浪费了会员费！棉棉花糖的回答有什么适合学生党的性价比高的水乳套装推荐吗？貂馋螺蛳粉的回答男生怎么短时间内变帅、变白？我家狗会后空翻的回答你们的痘痘最后都是怎么完全好的？我叫陈世美的回答射频美容仪是伪科学吗？OO嘴的回答女生长期脾胃不好，该如何养胃？是在校学生有什么简单高效的方法吗？算命的说我很爱吃的回答请问大家一般找工作都是在什么app上找的，boss、58、前程无忧、智联这几个靠谱吗？陈默Silence的回答什么狗粮比较好？铲屎官kimi的回答知友推荐的山药粉真的能补脾胃吗，喝两个月有什么变化？（个人亲测）陈住气的回答2022智能手表保姆级选购指南 | 智能手表怎么选？华为、苹果、华米、OPPO等主流品牌手表深度对比评测（双十二特更）一昂羊的回答收起大家还在搜人力资源管理5p模型人力资源amo模型人力资源管理的模型精益六西格玛导入阶段人力资源能力模型人力资源分析常用模型人力资源管理常用模型人力资源345原则人力资源管理控制程序人力资源管理大咖索尼人力资源管理案例薪酬水平策略有几种模型塔克曼团队发展阶段模型塔克曼五阶段模型成型参数五大要素蒂蒙斯模型的三要素人力资源管理kpi指标osi参考模型的七个层次人力资源管理七种原则fms的七个评估动作图态度转变模型包含要素osi模型的七个层次设备osi参考模型七个层次胜任素质模型6要素aba的基本训练方法ecp八要素塔克曼团队发展阶段模型塔克曼五阶段模型 相关推荐十分钟学会有调节的中介分析——MPLUS_知乎作者:缇娜 在上期内容中,小编为大家简单介绍了有关“有调节的中介模型”的概念、目前发展趋势以及一种数据分析方法(PROCESS).因此本期内容主要聚焦于有调节的中介的另一种数据分析方法——MPLUS. 但是我们说这种方式对于没有...快速上手MPLUS数据处理_知乎作者:缇娜潜变量模型发展迅速.然而方法学领域的发展延伸到应用领域需要一段时间.这个时间的长短取决于方法学者的... 01 MPLUS基础知识和操作02 测量模型与验证性因素分析CFA——想做结构方差先从测量模型开始学起03 结构方程模型中...有调节的中介在Mplus中的实现(调节直接路径)_知乎当一个模型中既有中介变量,又有调节变量时,如何在Mplus中实现呢?本文的变量均为显变量,调节变量调节的路径为直接效应,即X到Y的这条路径.如果你的模型是第一阶段或第二阶段调节,可以参照本文略作修改.来看下模型长啥样,M为中...Mplus分析有调节的链式中介模型_知乎之前我们尝试分析了链式中介,如果有一个变量W调节了M1到M2这条路径的话,我们在链式中介语句的基础上,如何进行分析呢?链式中介的Mplus语句链接:用Mplus分析链式中介如果想从微信公众号上查看本文请关注公众号心理统计与测量:...有调节的中介在Mplus中的实现及结果详细解读_知乎在写论文的时候,我们常常会将中介和调节混合使用,