以下内容来源于《中介效应分析:方法和模型发展》(温忠麟,叶宝娟,2014)。本人在阅读该文献之后提炼了主要内容,方便大家直接GET重点,如果有感兴趣的部分可以深入原文献阅读。

(一)是否要使用中介效应

一半以上发表在某期刊上的文章中都做了中介效应,中介效应相比直接X对Y的回归要有深度些。

(二)检验中介效应的方法

1.依次检验法

2.Sobel 法

3.乘积分布法

4.Bootstrap 法

5.马尔科夫链蒙特卡罗(MCMC)法

各方法优缺点比较

注1:力度低是指:可能出现ab显著但依次检验结果为不显著;效果最强是指:如果依次检验法得到显著的结论,可以判断别的方法也可以得到显著的结论,但别的方法得到显著的结论,用依次检验法不一定显著。

(三)中介效应之质疑

a)是否检验总效应,根据分析要求还是需要检验的,如果不检验就是另一个故事了;

b) 区分完全中介和部分中介是否合适?实际过程中直接展示直接效应和间接效应即可,说明存在/不存在中介效应,不要区分完全中介和部分中介;

c) 逐步法能验证因果关系吗?不能。是相关关系。如果有理论支持的话,可以往因果关系上想

(四)最终敲定的中介效应流程

(五)中介效应的发展

增加了

类别变量的中介模型、

参照文献 :

[1] Iacobucci, D. (2012). Mediation analysis and categorical variables: The final frontier. Journal of Consumer Psychology, 22, 582–594.

[2] MacKinnon, D. P. (2008). Introduction to stat istical mediation analysis. Mahwah, NJ: Erlbaum.

[3] MacKinnon, D. P., & Fairchild, A. J. (2009). Current directions in mediation analysis. Current D irections in Psychological Science, 18, 16-20.

[4] Mackinnon, D. P., Fairchild, A. J., & Fritz, M. S. (2007). Mediation analysis.Annual Revie w o f Psychology, 58 , 593–614.

[5] MacKinnon, D. P., Krull, J. L., & Lockwood, C. M. (2000). Equivalence of the mediation, confounding, and suppression effect. Prevention Science, 1, 173–181.

[6] MacKinnon, D. P., Lockwood, C. M., Brown, C. H., Wang W., & Hoffman, J. M. (2007). The intermediate endpoint effect in logistic and probit regression. Clinical Trials, 4, 499–513.

[7] MacKinnon, D. P., Lockwood, C. M., Hoffman, J. M., West, S. G., & Sheets, V. (2002). A comparison of methods to test mediation and other intervening variable effects. Psychological Methods, 7, 83–104. MacKinnon, D. P., Lockwood, C. M., & Williams, J. (2004).

多重中介模型、

多水平中介模型、

有中介的调节模型

有调节的中介模型

等。

关于这几种发展模型,原文献中均有许多参考文献,如有需要可以翻原文献。

中介分析 相对直接效应 相对简介效应_中介效应分析方法和流程相关推荐

  1. 【数据分析】中介效应的简介、模型、python代码实现以及数据可视化

    当谈到因果关系时,中介效应是一种非常重要的概念.中介效应发生在一个变量(中介变量)部分地中介了另外两个变量之间的关系. 什么是中介效应? 中介效应发生在以下情况下: 一个变量(中介变量)部分地中介了另 ...

  2. R语言使用pwr包的pwr.t.test函数对分组样本数相同的t检验进行效用分析(power analysis)、在已知效应量(effect size)、显著性水平、效用值的情况下计算需要的样本量

    R语言使用pwr包的pwr.t.test函数对分组样本数相同的t检验进行效用分析(power analysis).在已知效应量(effect size).显著性水平(sig).效用值(power)的情 ...

  3. R语言使用pwr包的pwr.t.test函数对分组样本数相同的t检验进行效用分析(power analysis)、在已知效应量(effect size)、显著性水平、样本量的情况下计算假设检验的效用值

    R语言使用pwr包的pwr.t.test函数对分组样本数相同的t检验进行效用分析(power analysis).在已知效应量(effect size).显著性水平(sig).样本量(sample s ...

  4. R语言使用pwr包的pwr.chisq.test函数对卡方检验进行效用分析(power analysis)、在已知效应量(effect size)、显著性水平、效用值的情况下计算需要的样本量

    R语言使用pwr包的pwr.chisq.test函数对卡方检验(Chi-square tests)进行效用分析(power analysis).在已知效应量(effect size).显著性水平(si ...

  5. R语言使用pwr包的pwr.r.test函数对相关信息分析进行效用分析(power analysis)、在已知效应量(effect size)、显著性水平、效用值的情况下计算需要的样本量

    R语言使用pwr包的pwr.r.test函数对相关信息分析(Correlations)进行效用分析(power analysis).在已知效应量(effect size).显著性水平(sig).效用值 ...

  6. R语言使用pwr包的pwr.f2.test函数对线性回归模型进行效用分析(power analysis)、在已知效应量(effect size)、显著性水平、效用值的情况下计算需要的样本量

    R语言使用pwr包的pwr.f2.test函数对线性回归模型(Linear models)进行效用分析(power analysis).在已知效应量(effect size).显著性水平(sig).效 ...

  7. 有时间依存效应或时间依存风险因素的生存分析

    摘要 在传统的KM或Cox回归分析中,通常我们在研究的起始点测量一个风险因素,并分析它对之后的事件发生(例如死亡事件)的影响.但是在之后的跟踪随访过程中,事情可能在变化:在基线固定的风险因素对事件发生 ...

  8. 如何使用Amos做调节效应和有调节的中介作用模型?

    结构方程模型Amos出来之后很快得到了管理学.教育学.心理学等学科领域的广泛应用,可以说,目前中国硕博论文以及知网上发表的文献,涉及结构方程模型方面的文献有70%是用Amos做的,采用Mplus.Li ...

  9. 如何用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据

    全文下载链接:http://tecdat.cn/?p=24647 线性混合模型假设 N 个受试者的群体是同质的,并且在群体水平上由独特的曲线 Xi(t)β 描述(点击文末"阅读原文" ...

最新文章

  1. CentOS安装VSFTP及配置用户
  2. delphi7升级delphi2007可以互用马_奶爸带娃玩“升级版摇摇马”火了,像极了传说中的“甘为孺子牛”...
  3. OpenCASCADE:使用扩展数据交换 XDE之颜色和图层
  4. 自定义镜像-镜像结构
  5. 用ARM DS-5进行android linux开发
  6. SAP Spartacus 自定义指令的实现以及通过@HostBinding实现属性绑定
  7. linux常见命令的常用方法示例
  8. HDU 1284 钱币兑换问题 (动态规划 背包方案数)
  9. 【虚拟机ubuntu设置ssh】ssh连不上问题解决方法
  10. getTime()的00:00:00问题。
  11. jQuery file upload测试
  12. 大数据技术原理与应用(最后三天备考!!!)
  13. 租房子,光看数据怎么够,Python爬取某站租房图片
  14. 解决JPEGImageEncoder生成的图片全黑的问题
  15. 静态成员和非静态成员的区别是什么?
  16. 【无标题】三. 流程控制
  17. replace 与 replaceAll
  18. 气动调节阀原理如何正确安装
  19. 解决dyld: Library not loaded: /usr/local/opt/icu4c/lib/libicui18n.62.dylib
  20. java计算机毕业设计高校实习实训管理系统(附源码、数据库)

热门文章

  1. 机器学习类别/标称(categorical)数据处理:独热编码(One Hot Encoding)
  2. python代码使用正则化模块re检查字符串是否只含有要求指定的字符
  3. python代码获取每一天在一年中出现的次数(星期)
  4. linux下文件夹函数,如何从linux上的文件夹中找到一个函数
  5. 重启随机游走算法(RWR:Random Walk with Restart)
  6. STM32-超级终端串口控制程序
  7. 大华测试笔试题_互联网校招非技术岗的这三类笔试题目你都清楚了吗?
  8. pgsql 筛选中文字符正则_postgresql varchar字段regexp_replace正则替换
  9. pandas 查询数据
  10. 对抗网络用于人脸转正--Beyond Face Rotation