笔记丨Mediated Moderation
开头的废话就不多说啦，萜妹直接开始跟小可爱们介绍被中介的调节呀~
注：以下内容属于我个人笔记，已加入主观理解，如在阅读中存在疑问，可后台回复“2019武汉”获得原始资料。
第 二 部 分
Mediated Moderation
被 中 介 的 调 节
模型介绍
被中介的调节模型是先有调节，再有中介的模型，所以中介的出现可能有以下两种情况：
Type Ⅰ MeMo：中介出现在主效应部分
Type Ⅱ MeMo：中介出现在调节部分
Type Ⅰ MeMo
模型公式
成立条件
被中介的调节成立条件为间接效应量a3*b2显著。
Mplus操作程序
TITLE: Type I mediated moderation
DEFINE:
xw=(xo-3.1163)*(w-3.2809);
x=xo-3.1163;
w=wo-3.2809;
! 这里是在手动标准化，数据需根据自己的样本修改。
DATA: FILE IS example. txt;
VARIABLE: NAMES ARE xo wo m y;
USEVARIABLES ARE m y xw x w;
ANALYSIS: BOOTSTRAP = 2000;
MODEL:
m on xw(a3)
x w;
y on m(b2)
x w xw;
MODEL CONSTRAINT:
NEW (ind) ;
ind=a3*b2;
! ind_d为间接效应量。
OUTPUT:
SAMPSTAT;
CINTERVAL( BCBOOTSTRAP) ;
Mplus结果解读
注意
不知道小可爱们有没有发现，其实第一类被中介的调节与上篇推送说的第一阶段被调节的中介模型看起来是一模一样的。
但是呢，由于二者一个是先有调节、一个是先有中介，原理是不一样的，所以成立条件也是不一样的哟~
小可爱们在自己使用的时候要根据理论模型取舍吼~
Type Ⅱ MeMo
模型公式
成立条件
被中介的调节成立条件为间接效应量a2*b5显著。
（注：这里的系数下标，萜妹对应上述公式进行了修改）
Mplus操作程序
TITLE: Type II MeMo model;
DEFINE :
xw = (x - 3.0) * (w - 4.0);
xm = (x - 3.0) * (m - 2.5);
! 这里减去的值为均值，需根据自己数据修改。
DATA: FILE IS example. txt;
VARIABLE: NAMES ARE x m w y;
USEVARIABLES ARE x m w y xw xm;
CENTERING IS GRANDMEAN (x m w) ;
ANALYSIS: BOOTSTRAP = 2000;
MODEL:
m ON w(a2)
x;
y ON xm(b5)
m x w xw;
MODEL CONSTRAINT:
NEW (ind) ;
ind = a2 * b5;
! ind_d为间接效应量。
OUTPUT:
SAMPSTAT;
CINTERVAL( BCBOOTSTRAP) ;
Mplus结果解读
结果解读同上，这里就不再复述啦~
补充说明：Bootstrapping Test
适用条件
应该很多小可爱都听过sobel test，这是比较前期的方法。
sobel法的缺点在于：它假设样本正态分布，但是样本量做不到无限大，所以样本并不是正态的，假设就不合适。
所以，在不知道原样本的分布方式时可使用Bootstrap法。
方法原理
Bootstrap法以样本为本体，进⾏重新抽样得
到与原样本结构相同的新样本。
我们通常设置的数值，是指做出多少个新样本。如上文2000次就有2000个新样本。
每一个样本都会得到一个间接效应量的值，对这些值进行排序就可以得到95%的置信区间的端点值。
注意
①为什什么样本可以是本体？因为样本是随机抽样得到的。
②至于基于偏差的Bootstrap法，萜妹还没完全搞懂，这里就先不说原理啦。
写完这部分最大的感受是，里头真的很多部分是萜妹自己的理解或者对当时笔记的整理，小可爱们有疑问就去看原资料或者跟萜妹讨论吧（深怕误导小可爱们，虽然我觉得我的理解应该没错）。
下周萜妹准备介绍跨层次的中介和调节，希望我不要再中途鸽了，哈哈哈~
小可爱们，我们下周再见啦~
【萜心话】
研一新生丨健身少女丨电竞迷妹
交流平台丨回忆手册丨神秘树洞
晚上好~
✬如果你喜欢这篇文章，欢迎分享到朋友圈✬