具有调节变量的中介效应分析, moderated mediation
凡是搞计量经济的,都关注这个号了
邮箱:econometrics666@sina.cn
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
阅读下文的背景知识回顾:
中介变量是位于自变量和因变量之间的变量,这样的话,自变量对因变量的某些影响会通过中介变量,因此被称为间接效应。
调节变量是在模型中与另一变量产生交互作用的变量,它使得另一变量的效果取决于调节变量的值,即,其他变量的效果会根据调节变量的值而变化。
当调节变量与中介变量交互时,就出现了调节中介效应,这会使间接效应的值随着调节效应发生变化。这被称为条件间接效应,即间接效应的大小取决于调节变量的值。
Hayes(2013)和Preacher等(2007)为调节中介效应提供了理论背景和框架。它们还提供了一个SPSS脚本,它以两种不同的方式计算条件间接效应及其标准误差。当然,计算间接影响并不是那么困难,反倒是,计算标准误差要复杂得多。
Preacher等人的第一种方法是基于正态理论(normal theory)。这种方法在一般情况下是相当有效的,但是若知道条件间接效应的分布是非正态的,比如是是偏斜和有峰度的,那不建议使用基于正态理论的方法进行置信区间的计算和假设检验。
第二种方法是使用自举法(bootstrap)来获得标准误差和置信区间。虽然这种方法可能慢得多,但其标准误差的计算并不是基于正态理论的。特别是,偏差校正和百分位置信区间是非对称的,这更好地反映了条件间接效应的抽样分布。
以下,我们先给圈友看看五种比较常见的具有调节变量的中介效应分析模型。针对每个模型,我们都给出了相应的Formulas和对应的文字注释。最主要的是对里面的每个表达式进行理解,这样你对后面的程序就容易看清楚。
Model 1
表达式:
m = a0 + a1x
y = b0 + b1m + b2x + b3mx
条件间接效应 = a1(b1 + b3x)
模型1:一个调节变量X,同时也是自变量X本身,调节中介变量M到因变量Y。
Model 2
表达式:
m = a0 + a1x + a2w + a3xw
y = b0 + b1m + b2x + b3w + b4xw
条件间接效应 = b1(a1 + a3w)
模型2:一个调节变量W,调节自变量X到中介变量M。
Model 3
表达式:
m = a0 + a1x
y = b0 + b1m + b2x + b3w + b4mw
条件间接效应 = a1(b1 + b4w)
模型3:一个调节变量W,调节中介变量M到因变量Y。
Model 4
表达式:
m = a0 + a1x + a2w + a3xw
y = b0 + b1m + b2x + b3w + b4xw +
b5z + b6mz
条件间接效应 = (b1 + b6z)(a1 + a3w)
模型4:二个调节变量W和Z,W调节自变量X到中介变量M,Z调节中介变量M到因变量Y。
Model 5
表达式:
m = a0 + a1x + a2w + a3xw
y = b0 + b1m + b2x + b3w + b4xw +
b5mw
条件间接效应 = (b1 + b5w)(a1 + a3w)
模型5:一个调节变量W,同时调节自变量X到中介变量M,也调节中介变量M到因变量Y。
今天,就暂时让圈友将这5种模型的Formulas熟悉一下,下一次,咱们将会进一步给出针对每个模型运行的程序和数据。
进一步讨论各种中介或调节效应方法,请到计量社群交流。
推荐阅读:
2.1998-2016年中国地级市年均PM2.5数据release
4.2005-2015中国分省分行业CO2数据circulation
5.实证研究中用到的135篇文章, 社科学者常用toolkit
可以到计量经济圈社群进一步访问交流各种学术问题,这年头,我们不能强调一个人的英雄主义,需要多多汲取他人的经验教训来让自己少走弯路。
计量经济圈是中国计量第一大社区,我们致力于推动中国计量理论和实证技能的提升,圈子以海内外高校研究生和教师为主。计量经济圈绝对六多精神:社科资料最多、社科数据最多、科研牛人最多、海外名校最多、热情互助最多、前沿趋势最多。如果你热爱计量并希望长见识,那欢迎你加入到咱们这个大家庭(戳这里),要不然你只能去其他那些Open access圈子了。注意:进去之后一定要看小鹅社群“群公告”,不然接收不了群息,也不知道怎么进入咱们独一无二的微信群和QQ群。在规则框架下社群交流讨论无时间限制。