有調節的中介去中心化數據

A. 如何用SPSS做中介效應與調節效應

調節變數可以是定性的，也可以是定量的。在做調節效應分析時,通常要將自變數和調節變數做中心化變換。簡要模型：Y = aX + bM + cXM + e 。Y 與X 的關系由回歸系數a + cM 來刻畫,它是M 的線性函數, c 衡量了調節效應(moderating effect) 的大小。如果c 顯著，說明M 的調節效應顯著。 2、調節效應的分析方法 顯變數的調節效應分析方法：分為四種情況討論。當自變數是類別變數，調節變數也是類別變數時，用兩因素交互效應的方差分析，交互效應即調節效應；調節變數是連續變數時，自變數使用偽變數,將自變數和調節變數中心化,做 Y=aX+bM+cXM+e 的層次回歸分析：1、做Y對X和M 的回歸,得測定系數R1 2 。2、做Y對X、M 和XM 的回歸得R2 2 ，若R2 2 顯著高於R1 2 ，則調節效應顯著。或者, 作XM 的回歸系數檢驗,若顯著,則調節效應顯著；當自變數是連續變數時，調節變數是類別變數，分組回歸:按 M 的取值分組,做 Y 對 X 的回歸。若回歸系數的差異顯著,則調節效應顯著，調節變數是連續變數時，同上做Y=aX +bM +cXM +e 的層次回歸分析。 潛變數的調節效應分析方法：分兩種情形：一是調節變數是類別變數,自變數是潛變數；二是調節變數和自變數都是潛變數。當調節變數是類別變數時,做分組結構 方程分析。做法是,先將兩組的結構方程回歸系數限制為相等,得到一個χ 2 值和相應的自由度。然後去掉這個限制,重新估計模型,又得到一個χ 2 值和相應的自 由度。前面的χ 2 減去後面的χ 2 得到一個新的χ 2,其自由度就是兩個模型的自由度之差。如果χ 2 檢驗結果是統計顯著的,則調節效應顯著；當調節變數和自變 量都是潛變數時，有許多不同的分析方法，最方便的是Marsh,Wen 和Hau 提出的無約束的模型。 3．中介變數的定義 自變數X 對因變數Y 的影響,如果X 通過影響變數M 來影響Y,則稱M 為中介變數。 Y=cX+e1, M=aX+ e2 , Y= c′X+bM+e3。其中,c 是X 對Y 的總效應,ab 是經過中介變數M 的中介效應,c′是直接效應。當只有一個中介變數時,效應之間有 c=c′+ab，中介效應的大小用c-c′=ab 來衡量。 4、中介效應分析方法 中介效應是間接效應,無論變數是否涉及潛變數,都可以用結構方程模型分析中介效應。步驟為：第一步檢驗系統c，如果c 不顯著，Y 與X 相關不顯著，停止中介 效應分析，如果顯著進行第二步；第二步一次檢驗a，b，如果都顯著，那麼檢驗c′，c′顯著中介效應顯著，c′不顯著則完全中介效應顯著；如果a，b至少 有一個不顯著，做Sobel 檢驗，顯著則中介效應顯著，不顯著則中介效應不顯著。Sobel 檢驗的統計量是z=^a^b/sab ，中 ^a, ^b 分別是 a, b 的估計, sab=^a2sb2 +b2sa2, sa,sb 分別是 ^a, ^b 的標准誤。 5. 調節變數與中介變數的比較 調節變數M 中介變數M 研究目的 X 何時影響Y 或何時影響較大 X 如何影響Y 關聯概念 調節效應、交互效應 中介效應、間接效應 什麼情況下考慮 X 對Y 的影響時強時弱 X 對Y 的影響較強且穩定 典型模型 Y=aM+bM+cXM+e M=aX+e2 Y=c′X+bM+e3 模型中M 的位置 X,M 在Y 前面,M 可以在X 前面 M 在X 之後、Y 之前 M 的功能 影響Y 和X 之間關系的方向(正或負) 和強弱 代表一種機制,X 通過它影響Y M 與X、Y 的關系 M 與X、Y 的相關可以顯著或不顯著(後者較理想) M 與X、Y 的相關都顯著 效應 回歸系數c 回歸系數乘積ab 效應估計 ^c ^a^b 效應檢驗 c 是否等於零 ab 是否等於零 檢驗策略 做層次回歸分析,檢驗偏回歸系數c 的顯著性(t 檢驗);或者檢驗測定系數的變化(F 檢驗) 做依次檢驗,必要時做 Sobel 檢驗 6. 中介效應與調節效應的SPSS 操作方法 處理數據的方法 第一做描述性統計，包括M SD 和內部一致性信度a（用分析里的scale 里的 realibility analsys） 第二將所有變數做相關，包括統計學變數和假設的X，Y，M 第三做回歸分析。（在回歸中選線性回歸linear） 要先將自變數和M 中心化，即減去各自的平均數 1、現將M（調節變數或者中介變數）、Y 因變數，以及與自變數、因變數、M 調節變數其中任何一個變數相關的人口學變數輸入indpendent 2、再按next 將X 自變數輸入（中介變數到此為止） 3、要做調節變數分析，還要將X與M 的乘機在next 里輸入作進一步回歸。檢驗主要看F 是否顯著

B. 如何運用SPSS及AMOS進行中介效應與調節效應分析

3
調節變數可以是定性的,也可以是定量的.在做調節效應分析時,通常要將自變數和調節變數做中心化變換.簡要模型：Y = aX + bM + cXM + e .Y 與X 的關系由回歸系數a + cM 來刻畫,它是M 的線性函數,c 衡量了調節效應(moderating effect) 的大小.如果c 顯著,說明M 的調節效應顯著.2、調節效應的分析方法 顯變數的調節效應分析方法：分為四種情況討論.當自變數是類別變數,調節變數也是類別變數時,用兩因素交互效應的方差分析,交互效應即調節效應；調節變數是連續變數時,自變數使用偽變數,將自變數和調節變數中心化,做 Y=aX+bM+cXM+e 的層次回歸分析：1、做Y對X和M 的回歸,得測定系數R1 2 .2、做Y對X、M 和XM 的回歸得R2 2 ,若R2 2 顯著高於R1 2 ,則調節效應顯著.或者,作XM 的回歸系數檢驗,若顯著,則調節效應顯著；當自變數是連續變數時,調節變數是類別變數,分組回歸:按 M 的取值分組,做 Y 對 X 的回歸.若回歸系數的差異顯著,則調節效應顯著,調節變數是連續變數時,同上做Y=aX +bM +cXM +e 的層次回歸分析.潛變數的調節效應分析方法：分兩種情形：一是調節變數是類別變數,自變數是潛變數；二是調節變數和自變數都是潛變數.當調節變數是類別變數時,做分組結構 方程分析.做法是,先將兩組的結構方程回歸系數限制為相等,得到一個χ 2 值和相應的自由度.然後去掉這個限制,重新估計模型,又得到一個χ 2 值和相應的自 由度.前面的χ 2 減去後面的χ 2 得到一個新的χ 2,其自由度就是兩個模型的自由度之差.如果χ 2 檢驗結果是統計顯著的,則調節效應顯著；當調節變數和自變 量都是潛變數時,有許多不同的分析方法,最方便的是Marsh,Wen 和Hau 提出的無約束的模型.3．中介變數的定義 自變數X 對因變數Y 的影響,如果X 通過影響變數M 來影響Y,則稱M 為中介變數.Y=cX+e1,M=aX+ e2 ,Y= c′X+bM+e3.其中,c 是X 對Y 的總效應,ab 是經過中介變數M 的中介效應,c′是直接效應.當只有一個中介變數時,效應之間有 c=c′+ab,中介效應的大小用c-c′=ab 來衡量.4、中介效應分析方法 中介效應是間接效應,無論變數是否涉及潛變數,都可以用結構方程模型分析中介效應.步驟為：第一步檢驗系統c,如果c 不顯著,Y 與X 相關不顯著,停止中介 效應分析,如果顯著進行第二步；第二步一次檢驗a,b,如果都顯著,那麼檢驗c′,c′顯著中介效應顯著,c′不顯著則完全中介效應顯著；如果a,b至少 有一個不顯著,做Sobel 檢驗,顯著則中介效應顯著,不顯著則中介效應不顯著.Sobel 檢驗的統計量是z=^a^b/sab ,中 ^a,^b 分別是 a,b 的估計,sab=^a2sb2 +b2sa2,sa,sb 分別是 ^a,^b 的標准誤.5.調節變數與中介變數的比較 調節變數M 中介變數M 研究目的 X 何時影響Y 或何時影響較大 X 如何影響Y 關聯概念 調節效應、交互效應 中介效應、間接效應 什麼情況下考慮 X 對Y 的影響時強時弱 X 對Y 的影響較強且穩定 典型模型 Y=aM+bM+cXM+e M=aX+e2 Y=c′X+bM+e3 模型中M 的位置 X,M 在Y 前面,M 可以在X 前面 M 在X 之後、Y 之前 M 的功能 影響Y 和X 之間關系的方向(正或負) 和強弱 代表一種機制,X 通過它影響Y M 與X、Y 的關系 M 與X、Y 的相關可以顯著或不顯著(後者較理想) M 與X、Y 的相關都顯著 效應 回歸系數c 回歸系數乘積ab 效應估計 ^c ^a^b 效應檢驗 c 是否等於零 ab 是否等於零 檢驗策略 做層次回歸分析,檢驗偏回歸系數c 的顯著性(t 檢驗);或者檢驗測定系數的變化(F 檢驗) 做依次檢驗,必要時做 Sobel 檢驗 6.中介效應與調節效應的SPSS 操作方法 處理數據的方法 第一做描述性統計,包括M SD 和內部一致性信度a（用分析里的scale 里的 realibility analsys） 第二將所有變數做相關,包括統計學變數和假設的X,Y,M 第三做回歸分析.（在回歸中選線性回歸linear） 要先將自變數和M 中心化,即減去各自的平均數 1、現將M（調節變數或者中介變數）、Y 因變數,以及與自變數、因變數、M 調節變數其中任何一個變數相關的人口學變數輸入indpendent 2、再按next 將X 自變數輸入（中介變數到此為止） 3、要做調節變數分析,還要將X與M 的乘機在next 里輸入作進一步回歸.檢驗主要看F 是否顯著

C. 去中心化都有哪些特點及內容

「去中心化」是一種現象或結構，其只能出現在擁有眾多用戶或眾多節點的系統中，每個用戶都可連接並影響其他節點。通俗地講，就是每個人都是中心，每個人都可以連接並影響其他節點，這種扁平化、開源化、平等化的現象或結構，稱之為「去中心化」。
同時「去中心化」是區塊鏈的典型特徵之一，其使用分布式儲存與算力，整個網路節點的權利與義務相同，系統中數據本質為全網節點共同維護，從而區塊鏈不再依靠於中央處理節點，實現數據的分布式存儲、記錄與更新。而每個區塊鏈都遵循統一規則，該規則基於密碼演算法而不是信用證書，且數據更新過程都需用戶批准，由此奠定區塊鏈不需要中介與信任機構背書。
去中心化的特點：
去中心化首先體現在多樣化上，在網路世界不再是有幾個門戶網站說了算，各種各樣的網站開始有了自己的聲音，表達不同的選擇，不同的愛好，這些網站分布在網路世界的各個角落裡張揚著個性。
去中心化其次體現在人的中心化上，去內容中心化成為趨勢，人成為決定網站生存的關鍵力量。以缺乏互動的個別人建站變成了以圈子的形式來聚合人才貢獻自己的智慧，這是一個巨大的變革。即用戶為本，人性化。
去中心化的內容：
去中心化是互聯網發展過程中形成的社會化關系形態和內容產生形態，是相對於「中心化」而言的新型網路內容生產過程。
相對於早期的互聯網（Web1.0）時代，今天的網路（Web2.0）內容不再是由專業網站或特定人群所產生，而是由全體網民共同參與、權級平等的共同創造的結果。任何人，都可以在網路上表達自己的觀點或創造原創的內容，共同生產信息。
隨著網路服務形態的多元化，去中心化網路模型越來越清晰，也越來越成為可能。Web2.0興起後，Wikipedia、Flickr、Blogger等網路服務商所提供的服務都是去中心化的，任何參與者，均可提交內容，網民共同進行內容協同創作或貢獻。
之後隨著更多簡單易用的去中心化網路服務的出現，Web2.0的特點越發明顯，例如Twitter、Facebook等更加適合普通網民的服務的誕生，使得為互聯網生產或貢獻內容更加簡便、更加多元化，從而提升了網民參與貢獻的積極性、降低了生產內容的門檻。最終使得每一個網民均成為了一個微小且獨立的信息提供商，使得互聯網更加扁平、內容生產更加多元化。

D. 怎麼進行去中心化處理

根據侯傑泰的話：所謂中心化， 是指變數減去它的均值（即數學期望值）。對於樣本數據，將一個變數的每個觀測值減去該變數的樣本平均值，變換後的變數就是中心化的。
對於你的問題，應是每個測量值減去均值。

E. 去流量化什麼意思去中心化又是什麼意思希望通俗易懂

去流量化就是可以將所有的社會化資源聚合起來，一鍵分發資源。

在一個分布有眾多節點的體系中，每個節點都具有高度自治的特徵。節點之間彼此能夠自由銜接，構成新的銜接單元。任何一個節點都可能成為階段性的中心，但不具備強制性的中心控制功能。節點與節點之間的影響，會通過網路而構成非線性因果關系。

這種開放式、扁平化、相等性的體系現象或結構，稱之為去中心化。

(5)有調節的中介去中心化數據擴展閱讀：

相對於前期的互聯網（Web 1.0）年代，今天的網路（Web 2.0）內容不再是由專業網站或特定人群所發生，而是由整體網民一起參加、權級相等的一起創造的成果。任何人，都能夠在網路上表達自己的觀點或創造原創的內容，一起生產信息。

跟著網路服務形狀的多元化，去中心化網路模型越來越清晰，也越來越成為可能。Web2.0鼓起後，Wikipedia、Flickr、Blogger等網路服務商所供給的服務都是去中心化的，任何參加者，均可提交內容，網民一起進行內容協同創造或奉獻。

F. SPSS進行中介效應分析用標准化和中心化的區別

1、中介效應分析不需要數據中心化和標准化；
2、強行中心化或中心化，只有非標准化系數不一樣，標准化系是一樣的。

（南心 提供）

G. 公信寶去中心化數據交易怎麼樣

公信寶是啥東東，去中心化數據交易一次不就知道了，去吧，祝你好運。

H. 三十多種去中心化數字貨幣案例

比特幣，萊特幣，狗狗幣，點點幣，美卡幣，比特股，暗黑幣，黑幣，銳波幣，馬幣，地中海幣，元寶幣，招財幣，沙錢幣，網路黃金…

I. 什麼是調節模型和中介模型

有機分子結構理論發展過程中的一種學說。中介效應，它指的是X對Y的影響是通過M實現的，也就是說M是X的函數，Y是M的函數（Y-M-X）。考慮自變數X對因變數Y的影響，如果X通過M影響變數Y，則稱M為中介變數。例如，上司的歸因研究：下屬的表現——上司對下屬表現的歸因——上司對下屬表現的反應，其中「上司對下屬表現的歸因」為中介變數。假設變數已經中心化或標准化其中，c是X對Y的總效應，ab是經過中介變數M的中介效應（mediating effect），c『是直接效應。當只有一個中介變數時，效應之間有如下關系：c=c』+ab，中介效應的大小用c-c'=ab來衡量。