stata之中介效应分析

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：

线性回归(Regression)与结构方程模型(Structural equation modeling)是用来验证变量间的因果关系时，最经常使用的方法。

本文比较下两者的区别，抛开具体统计学方面的理论，尽量说得通俗易懂些。

共同点

先说共同点。

两者都是用来检验变量间的因果关系；

可以同时使用多个自变量(X)进行分析(如下图)；

都可以检验中介关系和调节关系。

两种分析方法解决的问题是没有本质区别的，因此同学们完全可以根据自己的需要选择。

建议的选择标准，参考学科内近期前辈的毕业论文。你是硕士就参考硕士的，是博士就参考博士。

如果没有可以参考的前辈，那就在自己看过的论文中，选取一篇和自己的想法类似的论文。

在自己选定了方法后，务必和指导教授商量后，再最终决定。

不同点

再说不同点。

使用的分析软件不同。

线性回归多用SPSS来做，结构方程式模型则使用AMOS居多。

标本要求不同。

使用线性回归分析时，标本数不需要特别高，硕士论文的情况，一般100-200名就可以了。而结构方程式模型则需要大量样本，才会得到良好的分析结果，硕士一般要300，博士一般要500以上。

线性回归一次只能使用一个因变量，而结构方程式模型则可以同时分析多个因变量。

因此，结构方程式模型可以简单理解成多个线性回归的集合。

因此，总的来说结构方程式模型分析难度稍高，分析过程也更为复杂些。

分开来看

具体的对两种分析方法进行说明下。

线性回归分析：

根据理论首先分清谁是因变量，谁是自变量。然后得出自变量对因变量的关系。

这种方法得到的两者关系多为直接的影响。

当变量之间的关系比较间接时(如下图。通过第三个因素或其他因素才能联系要分析的两变量关系)，直接运用线性回归分析无法得出我们想要的结果。

这时可以采取sobel-test，阶段式回归分析等方式来进行检验。

线性回归分析一般使用SPSS软件进行分析。

结构方程模型分析：

是一种建立、估计和检验因果关系模型的方法。模型既包括可观测的显变量，也包括可能无法直接观测的潜变量。

结构方程模型最大的优点在于可以同时处理许多因变量(与多元回归不同，可以允许各变量之间存在测量误差)，尤其当变量之间存在多层的关系时非常实用。

结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，科学地分析单项指标对总体的作用和单项指标间的相互关系。并可比较及评价不同的理论模型。

通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。

目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS, EQS, Mplus。

重庆大学出版社 2009年曾经专门出版过一本书叫《结构方程模型》(作者吴明隆)，很好的教材，本公众号里有下载，请参考下面传送门。

有疑问请在文章下方留言(请勿私信)，你的问题也会帮助到别人。

有疑问请在文章下方留言(请勿私信)，你的问题也也会帮助到别人。

---