SPSS+AMOS数据分析案例教程-关于中介模
SPSS视频教程内容目录和跳转链接
SPSS+AMOS数据分析案例教程-关于中介模
SPSS视频教程内容目录和跳转链接
R语言快速入门视频教程
Python智联招聘数据分析
LCA潜在类别分析和Mplus应用
Amos结构方程模型数据分析入门教程
倒U关系回归分析中介效应和调节效应分析SPSS视频教程

mplus中介、调节和有调节的中介教程

在B站@mlln-cn, 我就能回答你的问题奥!

文章目录
  1. 1. 为什么使用MPLUS
  2. 2. 本教程重要内容
  3. 3. 具体模型举例
    1. 3.1. SPSS Process Model 1 最简单的调节模型

本文档包含用于检验中介、调节和有调节的中介模型的 Mplus 代码,包括与 Andrew Hayes 在其 SPSS PROCESS 插件中列出的模型,
但是我们不会在教程中写全部的process模型, 因为当你理解的原理, 你将有能力自己写出任意process模型。
建议您在进行此类分析之前阅读他的开创性著作(Hayes, A. F. (2013, 2017)。《中介、调节和条件过程分析简介:基于回归的方法》, 纽约:吉尔福德出版社。

为什么使用MPLUS

Mplus学习曲线比较陡,入门困难, 但是为什么要使用mplus, 我觉得有如下理由:

  • Mplus 提供了一个完全灵活的建模环境,能够检验无限种类的调节和中介模型,而不仅仅是 PROCESS 模型。
  • 虽然Process插件使用比较简单, 但是它把研究者限定到有限的模型中, 使得你想要使用这个插件, 你必须先去找到适用的模型, 如果没有找到,你的研究就停滞不前了
  • Mplus 可以有多个自变量和中介变量, 但是process实际上只提供了一个自变量, 如果想要设置多个自变量, 是比较麻烦的事情
  • mplus 支持潜变量

本教程重要内容

  • 我们首先提供集中常见的模型, 并使用mplus检验这个模型
  • 我们会对代码进行注释,帮助你理解代码
  • 我们会提供一种思路,可以帮助你实现任意模型,不仅仅限于process插件模型

具体模型举例

SPSS Process Model 1 最简单的调节模型

Process 中最简单的调节效应模型就是 model 1, 如图所示:

概念图:

统计图:

上面那个图叫做概念图, 下面的图叫做统计模型图, 两图虽然都可以表示变量之间的关系,
但是统计模型图更直观的给出了模型的公式, 根据上面的统计图, 我们可以列出模型的方程:

1
Y = b0 + b1X + b2W + b3XW

将上述方程提取公因式,得到下面的方程:

1
Y = (b0 + b2W) + (b1 + b3W)X

从方程中, 我们之所以说W是调节变量, 就是因为 X 的回归系数b1 + b3W中包含了W, 即W可以改变了X对Y的影响力。
假如W越大, b1 + b3W的绝对值越大, 那么说明W是增强了X对Y的效应, 这时候W具有增强作用;
反之, W具有削弱X和Y之间效应的作用。

这个案例目的就是介绍, 在 Process中 ,调节效应的本质就是 自变量 和调节变量乘积项的回归系数。
在mplus中, 我们延用process的概念, 但是mplus没有使用最小二乘法的回归分析, 所以我们叫路径系数, 而不是回归系数。

在Mplus中如何分析这个模型:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
!注意代码中省略了DATA命令,你需要自行设定数据
! 预测变量 - X
! 调节变量 - W
! 结果变量 - Y
USEVARIABLES = X W Y XW; # XW 是我们定义的,在数据中并不存在
DEFINE:
XW = X*W; # 定义乘积项,有时候也叫调节项
ANALYSIS:
TYPE = GENERAL;
ESTIMATOR = ML;
BOOTSTRAP = 10000;
MODEL:
[Y] (b0); # 定义参数名称使用括号
Y ON X (b1); # 路径系数是b1
Y ON W (b2); # 路径系数是b2
Y ON XW (b3); # 路径系数是b3
MODEL CONSTRAINT:
NEW(LOW_W MED_W HIGH_W SIMP_LO SIMP_MED SIMP_HI);
LOW_W = #LOWW; ! replace #LOWW 你选择的W的最小值
MED_W = #MEDW; ! replace #MEDW 你选择的W的均值
chosen medium value of W
HIGH_W = #HIGHW; ! replace #HIGHW 你选择的最大值

! Now 现在计算在不同W的值下, X对Y的简单效应
SIMP_LO = b1 + b3*LOW_W;
SIMP_MED = b1 + b3*MED_W;
SIMP_HI = b1 + b3*HIGH_W;

! 现在需要绘制调节效应图
! NOTE - values of 1,5 in LOOP() 需要根据实际情况自己设定
! 他们是你认为的X的最小和最大值
PLOT(LOMOD MEDMOD HIMOD);
LOOP(XVAL,1,5,0.1);
LOMOD = (b0 + b2*LOW_W) + (b1 + b3*LOW_W)*XVAL;
MEDMOD = (b0 + b2*MED_W) + (b1 + b3*MED_W)*XVAL;
HIMOD = (b0 + b2*HIGH_W) + (b1 + b3*HIGH_W)*XVAL;
PLOT:
TYPE = plot2;
OUTPUT:
STAND CINT(bcbootstrap);

(未完待续)

赞助

持续创造有价值的内容, 我需要你的帮助