当前位置: 首页>前端>正文

多重中介效应模型Python 多重中介效应模型检验

Amos实操教程|调节效应检验

  • 1 相关概念
  • 2 Spss 的分组回归检验
  • 3 Amos的调节效应检验

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_多重中介效应模型Python,第1张

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_数据_02,第2张

Hello,

这里是行上行下,我是笨笨~

上次我们分享了如何使用Amos做中介效应的检验。感兴趣可以查看“Amos教程中介效应检验”。

大家都知道中介调节是好兄弟,所以我们这次给大家带来上次的续集,如何使用Amos做调节效应的检验。让我们一起来看看吧。

1 相关概念

Amos是什么?

Amos的全名是Analysis of Moment Structures,由James L. Arbuckle所发展。Amos自从6.0版以后已经成为SPSS的家族成员。在5.0版以前可以独立运作。

Amos(阿摩司)这个名字取得真有创意,因为它本是公元前8世纪的希伯来先知的名字,也表示旧约圣经中的阿摩司书。

Amos适合进行协方差结构分析(Analysis of Covariance Structures),是一种处理结构方程模型(structural equation modeling,SEM)的软件。

SEM适用于处理复杂的多变量数据的探究与分析。Amos可以同时分析许多变量,是一个功能强大的统计分析工具。

Amos以可视化、鼠标拖曳的方式来建立模型(路径图),表示变量之间的关系,从头到尾不必撰写程序指令,一气呵成,着实提高了数据分析的效率。

同时,利用Amos所建立的SEM会比标准的 多变量统计分析还来得准确。此外,Amos还可让我们检验数据是否符合所建立的模型,以及进行模型探索(逐步建立最适当的模型)。

Amos的下载:官网就可下载 版本:21.0 22.0 23.0

官网网址:https://www.ibm.com/products/structural-equation-modeling-sem?from=singlemessage

本次教程主要分成以下几个部分,其中2和3部分我们会放到文章末的视频里为大家进行详细演示。

**PS:**我们这次有数据实操哦!视频讲的超详细!还不快来看看!

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_数据_03,第3张

调节效应简介

1 调节变量简介

如果变量 Y 与变量 X 的关系是变量 M 的函数 ,称 M 为调节变量。就是说,Y与X的关系受到第三个变量 M 的影响 ,这种有调节变量的一般模型详见下图。

调节变量可以是定性的 (如性别、种族、学校类型等), 也可以是定量的 (如年龄、受教育年限、刺激次数等),它影响因变量和自变量之间关系的方向(正或负)和强弱。

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_类变量_04,第4张

在Hayes模型中model1

调节效应与交互作用的关系:

对模型 (1)中调节效应的分析主要是估计和检验c。如果c显著(即 H0 ∶c =0的假设被拒绝 ),说明 M 的调节效应显著。

熟悉交互效应 (interac tioneffect)的朋友可以从模型 (1)看出, c其实代表了 X与 M 的交互效应,所以这里的调节效应就是交互效应。

这样 ,调节效应与交互效应从统计分析的角度看可以说是一样的 。然而 ,调节效应和交互效应这两个概念不完全一样。

在交互效应分析中, 两个自变量的地位可以是对称的 ,其中任何一个都可以解释为调节变量 ;也可以是不对称的, 只要其中有一个起到了调节变量的作用,交互效应就存在。

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_多重中介效应模型Python_05,第5张

2 显变量与潜变量的调节效应分析方法

显变量的调节效应分析方法,我们需要依据自变量与调节变量的类型而选择我们的分析方法。具体我们参照温忠麟老师的分析方法,参见下表格。

其中第二类是我们比较常接触到的。即自变量为连续变量,调节变量为类别变量。在视频中我们会为大家演示如何在spss与Amos里进行第二类数据类型的调节效应检验。[1]

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_其他_06,第6张

潜变量的调节效应检验:跨组比较与乘积交叉比较。

潜变量的调节效应分析方法

有关潜变量的分析需要用到结构方程模型。潜变量的测量会带来测量误差,所以考虑潜变量时都认为是连续变量。有潜变量的调节效应模型通常只考虑如下两种情形 :

一是调节变量是类别变量,自变量是潜变量 ;

二是调节变量和自变量都是潜变量。当调节变量是类别变量时,做分组结构方程分析。具体步骤我们放到视频里进行讲解。

3 调节变量与中介变量的比较

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_数据_07,第7张

2 Spss 的分组回归检验

这一部分的内容,我们放在视频里做详细的讲解。

3 Amos的调节效应检验

我们主要介绍下我们平常比较多接触到的上文提到过的第二类型的调节效应检验。即自变量为连续变量,调节变量为分类变量的Amos的检验。

一、首先建立调节模型

因为在Amos里面,我们的调节变量是分类变量,我们无法直接构建出来,需要在分组里面进行操作。如下图。

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_官网_08,第8张

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_其他_09,第9张

二、导入各组对应的数据三、导入完数据之后,我们就可以开始跑数据啦!

多重中介效应模型Python 多重中介效应模型检验,多重中介效应模型Python 多重中介效应模型检验_其他_10,第10张

四、如果看到显示OK,代表数据运行成功,模型能够拟合。

我们能看到在模型那里有不同分组的自变量对因变量的系数,我们所要比较的就是两组的系数是否具有统计显著性的差异;

如果有,我们则可以做出结论:我们这个分组变量在自变量对因变量的影响过程中起到调节效应的作用。

即这个分类变量为调节变量,调节自变量对因变量的影响。具体操作流程,我们会在文章末的视频进行详细的讲解哦。

好啦,以上就是如何用Amos做调节效应的检验的一些分享,希望对大家有帮助,我们下期再见。


https://www.xamrdz.com/web/29s1962316.html

相关文章: