stata中介效应去中心化

Ⅰ bootstrap检验中介效应如何解读结果stata

采用Preacher 和 Hayes ( 2008 ) 的Bootstrapping 中介效应检验方法(设置 5000 次迭代)，该方法提供中介效应的 95% 置信区间估计，如果区间估计含有 0 就表示中介效应不显著，如果区间估计不含有 0 则表示中介效应显著。

此外对中介效果量的计算结果表明，4 种效果量的置信区间都不包括0，因此心理弹性在自尊与应对方式间存在显著的中介作用。

(1)stata中介效应去中心化扩展阅读：

注意事项：

很多统计量是不能用bootstrap的，比如常见的非参数kernel回归，以及一些目标函数不是非常平滑的估计量，例如quantile回归、maximum score estimators等等。

bootstrap的抽样方法除了最简单的有放回抽样之外，还有各种其他的抽样方法，有参数的、非参数的，有bolck，有resial-based。这些方法如果扩展起来就有点复杂了，如果是要做test，那么不同的抽样方法会导致不同的size和power。

Ⅱ 如何运用SPSS及AMOS进行中介效应与调节效应分析

3
调节变量可以是定性的,也可以是定量的.在做调节效应分析时,通常要将自变量和调节变量做中心化变换.简要模型：Y = aX + bM + cXM + e .Y 与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数,c 衡量了调节效应(moderating effect) 的大小.如果c 显著,说明M 的调节效应显著.2、调节效应的分析方法 显变量的调节效应分析方法：分为四种情况讨论.当自变量是类别变量,调节变量也是类别变量时,用两因素交互效应的方差分析,交互效应即调节效应；调节变量是连续变量时,自变量使用伪变量,将自变量和调节变量中心化,做 Y=aX+bM+cXM+e 的层次回归分析：1、做Y对X和M 的回归,得测定系数R1 2 .2、做Y对X、M 和XM 的回归得R2 2 ,若R2 2 显著高于R1 2 ,则调节效应显著.或者,作XM 的回归系数检验,若显著,则调节效应显著；当自变量是连续变量时,调节变量是类别变量,分组回归:按 M 的取值分组,做 Y 对 X 的回归.若回归系数的差异显著,则调节效应显著,调节变量是连续变量时,同上做Y=aX +bM +cXM +e 的层次回归分析.潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变量,自变量是潜变量；二是调节变量和自变量都是潜变量.当调节变量是类别变量时,做分组结构 方程分析.做法是,先将两组的结构方程回归系数限制为相等,得到一个χ 2 值和相应的自由度.然后去掉这个限制,重新估计模型,又得到一个χ 2 值和相应的自 由度.前面的χ 2 减去后面的χ 2 得到一个新的χ 2,其自由度就是两个模型的自由度之差.如果χ 2 检验结果是统计显著的,则调节效应显著；当调节变量和自变 量都是潜变量时,有许多不同的分析方法,最方便的是Marsh,Wen 和Hau 提出的无约束的模型.3．中介变量的定义 自变量X 对因变量Y 的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量.Y=cX+e1,M=aX+ e2 ,Y= c′X+bM+e3.其中,c 是X 对Y 的总效应,ab 是经过中介变量M 的中介效应,c′是直接效应.当只有一个中介变量时,效应之间有 c=c′+ab,中介效应的大小用c-c′=ab 来衡量.4、中介效应分析方法 中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分析中介效应.步骤为：第一步检验系统c,如果c 不显著,Y 与X 相关不显著,停止中介 效应分析,如果显著进行第二步；第二步一次检验a,b,如果都显著,那么检验c′,c′显著中介效应显著,c′不显著则完全中介效应显著；如果a,b至少 有一个不显著,做Sobel 检验,显著则中介效应显著,不显著则中介效应不显著.Sobel 检验的统计量是z=^a^b/sab ,中 ^a,^b 分别是 a,b 的估计,sab=^a2sb2 +b2sa2,sa,sb 分别是 ^a,^b 的标准误.5.调节变量与中介变量的比较 调节变量M 中介变量M 研究目的 X 何时影响Y 或何时影响较大 X 如何影响Y 关联概念 调节效应、交互效应 中介效应、间接效应 什么情况下考虑 X 对Y 的影响时强时弱 X 对Y 的影响较强且稳定 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 之后、Y 之前 M 的功能 影响Y 和X 之间关系的方向(正或负) 和强弱 代表一种机制,X 通过它影响Y M 与X、Y 的关系 M 与X、Y 的相关可以显著或不显著(后者较理想) M 与X、Y 的相关都显著 效应 回归系数c 回归系数乘积ab 效应估计 ^c ^a^b 效应检验 c 是否等于零 ab 是否等于零 检验策略 做层次回归分析,检验偏回归系数c 的显著性(t 检验);或者检验测定系数的变化(F 检验) 做依次检验,必要时做 Sobel 检验 6.中介效应与调节效应的SPSS 操作方法 处理数据的方法 第一做描述性统计,包括M SD 和内部一致性信度a（用分析里的scale 里的 realibility analsys） 第二将所有变量做相关,包括统计学变量和假设的X,Y,M 第三做回归分析.（在回归中选线性回归linear） 要先将自变量和M 中心化,即减去各自的平均数 1、现将M（调节变量或者中介变量）、Y 因变量,以及与自变量、因变量、M 调节变量其中任何一个变量相关的人口学变量输入indpendent 2、再按next 将X 自变量输入（中介变量到此为止） 3、要做调节变量分析,还要将X与M 的乘机在next 里输入作进一步回归.检验主要看F 是否显著

Ⅲ 如何用stata做中介效应检验

如何用stata做中介效应检验
How to perform Sobel-Goodman mediation tests in Stata?The purpose of the Sobel-Goodman..

Ⅳ 如何用stata做中介效应检验

SPSS的bootstrap方法只能是分环节进行，需要分布进行回归分析。结构方程模型Amos等可以非常方便的做中介效应。（南心网Bootstrap中介效应分析）

Ⅳ 各位高手，请问stata做中介效应的命令是什么

Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。1.sort指令是STATA数据库的维护的排序指令。附图2.tsset指令是时间序列数据的估计命令。如何创建一个截面数据文件？先把数据转移到stata中，然后用tsset命令。tssettime,yearly（或者weekly、monthly、quarterly）此时，一定要保证表示时间的那一列数据（即年份）的名称为time。 时间序列数据的回归主要需要注意以下几点：多重共线性（当样本量较小时，例如小于100）和序列相关性。而且需要考察t统计值、R2（adj-R2）、F统计量、D.W.值。 首先用reg命令进行回归，例如：regyx1x2x3x4x5，并考察D.W.值（使用estatdwatson这一命令），如果D.W.值严重远离2，那么要进行调整（调整方法如黄色底纹），直到调整到2附近，然后考察回归结果是否符合经济学含义，倘若不符合，那么要注意是否受到多重共线性的影响（通过相关系数和vif值来判断）。在处理多重共线性时，可以用类似于处理截面数据的方法（剔除变量法），同时还要看D.W.值。此外，还可以用差分法来处理多重共线性（此方法用得不多）。 检验DW值的命令：estatdwatson 用广义差分法考虑序列相关性的命令（即调整DW值的命令）：regyx1x2x3x4x5L.y（后面还可以运用L.yL2.y） 用序列相关稳健标准误法考虑序列相关性的命令（即调整DW值的命令）：regyx1x2x3x4x5,robust 考虑多重共线性的方法除了以上截面数据中用到的方法以外，还可以用差分法，然后再看vif值。regD.yD.x1D.x2D.x3D.x4D.x5

Ⅵ 如何用SPSS做中介效应与调节效应

调节变量可以是定性的，也可以是定量的。在做调节效应分析时,通常要将自变量和调节变量做中心化变换。简要模型：Y = aX + bM + cXM + e 。Y 与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数, c 衡量了调节效应(moderating effect) 的大小。如果c 显著，说明M 的调节效应显著。 2、调节效应的分析方法 显变量的调节效应分析方法：分为四种情况讨论。当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互效应即调节效应；调节变量是连续变量时，自变量使用伪变量,将自变量和调节变量中心化,做 Y=aX+bM+cXM+e 的层次回归分析：1、做Y对X和M 的回归,得测定系数R1 2 。2、做Y对X、M 和XM 的回归得R2 2 ，若R2 2 显著高于R1 2 ，则调节效应显著。或者, 作XM 的回归系数检验,若显著,则调节效应显著；当自变量是连续变量时，调节变量是类别变量，分组回归:按 M 的取值分组,做 Y 对 X 的回归。若回归系数的差异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX +bM +cXM +e 的层次回归分析。 潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变量,自变量是潜变量；二是调节变量和自变量都是潜变量。当调节变量是类别变量时,做分组结构 方程分析。做法是,先将两组的结构方程回归系数限制为相等,得到一个χ 2 值和相应的自由度。然后去掉这个限制,重新估计模型,又得到一个χ 2 值和相应的自 由度。前面的χ 2 减去后面的χ 2 得到一个新的χ 2,其自由度就是两个模型的自由度之差。如果χ 2 检验结果是统计显著的,则调节效应显著；当调节变量和自变 量都是潜变量时，有许多不同的分析方法，最方便的是Marsh,Wen 和Hau 提出的无约束的模型。 3．中介变量的定义 自变量X 对因变量Y 的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量。 Y=cX+e1, M=aX+ e2 , Y= c′X+bM+e3。其中,c 是X 对Y 的总效应,ab 是经过中介变量M 的中介效应,c′是直接效应。当只有一个中介变量时,效应之间有 c=c′+ab，中介效应的大小用c-c′=ab 来衡量。 4、中介效应分析方法 中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分析中介效应。步骤为：第一步检验系统c，如果c 不显著，Y 与X 相关不显著，停止中介 效应分析，如果显著进行第二步；第二步一次检验a，b，如果都显著，那么检验c′，c′显著中介效应显著，c′不显著则完全中介效应显著；如果a，b至少 有一个不显著，做Sobel 检验，显著则中介效应显著，不显著则中介效应不显著。Sobel 检验的统计量是z=^a^b/sab ，中 ^a, ^b 分别是 a, b 的估计, sab=^a2sb2 +b2sa2, sa,sb 分别是 ^a, ^b 的标准误。 5. 调节变量与中介变量的比较 调节变量M 中介变量M 研究目的 X 何时影响Y 或何时影响较大 X 如何影响Y 关联概念 调节效应、交互效应 中介效应、间接效应 什么情况下考虑 X 对Y 的影响时强时弱 X 对Y 的影响较强且稳定 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 之后、Y 之前 M 的功能 影响Y 和X 之间关系的方向(正或负) 和强弱 代表一种机制,X 通过它影响Y M 与X、Y 的关系 M 与X、Y 的相关可以显著或不显著(后者较理想) M 与X、Y 的相关都显著 效应 回归系数c 回归系数乘积ab 效应估计 ^c ^a^b 效应检验 c 是否等于零 ab 是否等于零 检验策略 做层次回归分析,检验偏回归系数c 的显著性(t 检验);或者检验测定系数的变化(F 检验) 做依次检验,必要时做 Sobel 检验 6. 中介效应与调节效应的SPSS 操作方法 处理数据的方法 第一做描述性统计，包括M SD 和内部一致性信度a（用分析里的scale 里的 realibility analsys） 第二将所有变量做相关，包括统计学变量和假设的X，Y，M 第三做回归分析。（在回归中选线性回归linear） 要先将自变量和M 中心化，即减去各自的平均数 1、现将M（调节变量或者中介变量）、Y 因变量，以及与自变量、因变量、M 调节变量其中任何一个变量相关的人口学变量输入indpendent 2、再按next 将X 自变量输入（中介变量到此为止） 3、要做调节变量分析，还要将X与M 的乘机在next 里输入作进一步回归。检验主要看F 是否显著

Ⅶ 如何用stata做中介效应检验

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