stata中介效應去中心化

Ⅰ bootstrap檢驗中介效應如何解讀結果stata

採用Preacher 和 Hayes ( 2008 ) 的Bootstrapping 中介效應檢驗方法(設置 5000 次迭代)，該方法提供中介效應的 95% 置信區間估計，如果區間估計含有 0 就表示中介效應不顯著，如果區間估計不含有 0 則表示中介效應顯著。

此外對中介效果量的計算結果表明，4 種效果量的置信區間都不包括0，因此心理彈性在自尊與應對方式間存在顯著的中介作用。

(1)stata中介效應去中心化擴展閱讀：

注意事項：

很多統計量是不能用bootstrap的，比如常見的非參數kernel回歸，以及一些目標函數不是非常平滑的估計量，例如quantile回歸、maximum score estimators等等。

bootstrap的抽樣方法除了最簡單的有放回抽樣之外，還有各種其他的抽樣方法，有參數的、非參數的，有bolck，有resial-based。這些方法如果擴展起來就有點復雜了，如果是要做test，那麼不同的抽樣方法會導致不同的size和power。

Ⅱ 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

Ⅲ 如何用stata做中介效應檢驗

如何用stata做中介效應檢驗
How to perform Sobel-Goodman mediation tests in Stata?The purpose of the Sobel-Goodman..

Ⅳ 如何用stata做中介效應檢驗

SPSS的bootstrap方法只能是分環節進行，需要分布進行回歸分析。結構方程模型Amos等可以非常方便的做中介效應。（南心網Bootstrap中介效應分析）

Ⅳ 各位高手，請問stata做中介效應的命令是什麼

Stata是一套提供其使用者數據分析、數據管理以及繪制專業圖表的完整及整合性統計軟體。它提供許許多多功能，包含線性混合模型、均衡重復反復及多項式普羅比模式。1.sort指令是STATA資料庫的維護的排序指令。附圖2.tsset指令是時間序列數據的估計命令。如何創建一個截面數據文件？先把數據轉移到stata中，然後用tsset命令。tssettime,yearly（或者weekly、monthly、quarterly）此時，一定要保證表示時間的那一列數據（即年份）的名稱為time。 時間序列數據的回歸主要需要注意以下幾點：多重共線性（當樣本量較小時，例如小於100）和序列相關性。而且需要考察t統計值、R2（adj-R2）、F統計量、D.W.值。 首先用reg命令進行回歸，例如：regyx1x2x3x4x5，並考察D.W.值（使用estatdwatson這一命令），如果D.W.值嚴重遠離2，那麼要進行調整（調整方法如黃色底紋），直到調整到2附近，然後考察回歸結果是否符合經濟學含義，倘若不符合，那麼要注意是否受到多重共線性的影響（通過相關系數和vif值來判斷）。在處理多重共線性時，可以用類似於處理截面數據的方法（剔除變數法），同時還要看D.W.值。此外，還可以用差分法來處理多重共線性（此方法用得不多）。 檢驗DW值的命令：estatdwatson 用廣義差分法考慮序列相關性的命令（即調整DW值的命令）：regyx1x2x3x4x5L.y（後面還可以運用L.yL2.y） 用序列相關穩健標准誤法考慮序列相關性的命令（即調整DW值的命令）：regyx1x2x3x4x5,robust 考慮多重共線性的方法除了以上截面數據中用到的方法以外，還可以用差分法，然後再看vif值。regD.yD.x1D.x2D.x3D.x4D.x5

Ⅵ 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

Ⅶ 如何用stata做中介效應檢驗

如何用stata做中介效應檢驗
How to perform Sobel-Goodman mediation tests in Stata?The purpose of the Sobel-Goodman...
參考地址：http://www.360doc.com/content/16/0308/16/31392768_540527838.shtml