stata之中介效应分析

stata之中介效应分析,第1张

本篇记录下用stata进行中介分析,其中,自变量,中介变量和因变量均为连续变量。

中介分析可以用命令 sem ,即进行结构方程模型也是用这个命令,只不过中介分析没有测量模型而已。

其中,自变量(X)为 EC ,中介变量(M)为 SDO ,因变量(Y)为 forei 。

结果如下,可以看到,报告的是标准化系数,X到M结果显著,M到Y显著,控制M之后,X到Y不显著了。

对直接效应,间接效应和总效应进行估计的结果如下,最后一列为标准化系数,但是,没有相应的z值,和95%CI

使用命令 estat stdize 可以得到不同路径相应的标准化统计量。

路径a,b和c’的结果如下:

路径ab和总效应结果如下:

此外,还有个命令可以直接报告中介效应结果,即 medsem

结果如下,报告了两种检验中介效应的方法,以及中介效应是否存在的结论。

通过命令 help medsem 后可以详细了解该命令。

除了上述提到的两种检验中介效应的方法外,还有bootstrap法。

具体介绍可参见文献:

Fritz, M. S., &MacKinnon, D. P. (2007). Required Sample Size to Detect the Mediated Effect. Psychological Science, 18 (3), 233-239.

stata的实现方式是:

抽取5000个样本,时间有些长,得等会儿……结果如下:

是的。

SeM属于传播界的王者平台,所有的工作或者企业都是需要传播的,没有中介变量的话,一定要使用SeM,SeM的作用比中介变量要大的多。

SEM原理、应用及操作尹卫兵同济大学经济与管理学院主要内容PARTA,SEM原理PART,SEM应用PARTCSEM上机操作PARTAEM的定义,结构方程模型。

SEM简单介绍,以下资料来源

因果关系:SEM一般用于建立因果关系模型,但是本身却并不能阐明模型的因果关系。

一般应用于:测量错误、错漏的数据、中介模型(mediation model)、差异分析。

历史:SEM 包括了 回归分析,路径分析(wright, 1921),验证性因子分析(confirmatory factor analysis)(Joreskog, 1969).

SEM也被称为 协方差结构模型(covariance structure modelling),协方差结构分析和因果模型。

因果关系:

究竟哪一个是“真的”? 在被假设的因果变量中其实有一个完整的因果链。

举一个简单的例子: 吃糖果导致蛀牙。这里涉及2个变量,“吃糖果”和“蛀牙”,前者是因,后者是果。 如果上一个因果关系成立,那将会形成一个因果机制,也许会出现这样的结构:

3. 这时还有可能出现更多的潜在变量:

这里我又举另外一个例子,回归模型

在这里,回归模型并不能很好的描述出因果次序,而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。

我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型(conditional relationships),上图中的模型是一种调解型模型或者中介模型,在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。

在这里我们总结一下:

回归分析简单的说就是:X真的影响Y 吗?

路径分析:为什么/如何 X 会影响Y? 是通过其他潜在变量Z 来达到的吗?例子:刷牙(X)减少蛀牙(Y)通过减少细菌的方法(Z)。------测量和测试中介变量(例如上图中的Z变量)可以帮助评估因果假设。

在这里要提一下因素模型(factor model)

在这个模型当中,各个变量有可能由于受到未被观察到的变量所影响,变得相互有内在的联系,一般来说那些变量都很复杂、混乱,而且很多变量是不能直接被观察到的。

举个例子:“保龄球俱乐部的会员卡”和“本地报纸阅读”,是被观察到的变量,而“社会资产”则是未被观察到的变量。另一个例子:“房屋立法”和“异族通婚”是被观察到的变量,而“种族偏见”是未被观察到的变量。

相互关系并不完全由被观察到的变量的因果关系所导致,而是由于那些潜在的变量而导致。

这些被观察到变量(y1--y4)也有可能由一个潜在的变量(F)所影响。


欢迎分享,转载请注明来源:夏雨云

原文地址:https://www.xiayuyun.com/zonghe/121969.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-03-14
下一篇2023-03-14

发表评论

登录后才能评论

评论列表(0条)

    保存