笔记丨Cross-level MoMe
这周开始进入更高级的跨层次的被调节的中介啦。
话说在前面，跨层次的被调节的中介重点在跨层次上啊，所以有关被调节的中介的原理，萜妹这里就不会再复述啦，小可爱们还有疑问的可以先看看之前的推送：笔记丨Moderated Mediation
那我们开始吧~
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 五 部 分
Cross-level MoMe
被 调 节 的 中 介
（跨 层 次 ）
模型介绍
跨层次的被调节的中介还是有多种类型的。讲座中着重分享的是跨层次的第一阶段的被调节的中介模型，所以接下来萜妹也会以这个为例，具体模型如下：
跨层次的第一阶段的被调节的中介模型
模型公式
成立条件
回顾单层的第一阶段的被调节的中介模型，它的成立条件是(a1+a3W)*b2随着W的取值将有显著差异。
那么我们类比一下，b2的部分其实是没有变化的，所以b2还是b2，那前面的(a1+a3W)在这个模型里变成了什么呢？
这就要求小可爱们先要弄清楚(a1+a3W)的意义了，(a1+a3W)其实代表的是x对m斜率的影响，我们这里(γ10+γ11*Wj)代表的才是斜率，所以本模型成立条件为(γ10+γ11*Wj)*b2随着W的取值将有显著差异。
（斜率这种说法在单层的时候可能没有那么准确，但是小可爱们仔细把两个公式放在一起对比的话，应该能理解萜妹的意思的。）
补充说明
这里额外要注意的两点是：
第一，为什么模型中额外画出了level2的y？因为总⽅方差既有组间⼜有组内，然而我们只研究的是组内部分。但是涉及跨层时，软件默认会拆开因变量。
第二，最好加上变量间的相关关系。虽然加相关会降低主效应，但是可以提⾼高模型拟合度。
Mplus语句
TITLE: A two-level first-stage MoMe;
DATA; FILE IS example.txt;
VARIABLE: NAMES ARE x m w y cluster;
USE VARIABLES ARE x m w y;
CENTERING IS GRANDMEAN(w) ;
CENTERING IS GROUPMEAN(x) ;
CLUSTER = cluster;
WITHIN = x;
BETWEEN = w;! x、w是外生变量，需要自己定义；m、y是因变量，又是内生变量，会自动拆分。
ANALYSIS:TYPE=TWOLEYEL RANDOM;
MODEL:
%WITHIN%
S | m on x;
y on m (b2)
x;
% BETWEEN%
S on w (a1) ;! γ11
[ S ] ( a0 ) ;! γ10
m on w;
m with S;
y with m;
y with S;
y with w;! 相关
MODEL CONSTRAINT:
NEW (ind_h ind_l) ;
ind_h=(a0+a1*(.85))*b2;
! (γ10+γ11*Whi)*b2
ind_l=(a0+a1*(-.85))*b2;
! (γ10+γ11*Wlo)*b2
NEW (diff) ;
Diff = ind_h - ind_l;! γ11
OUTPUT:
SAMPSTAT;
CINTERVAL;
补充分析
由于Mplus不能做跨层次的Bootstrapping，所以需要用parametric bootstrapping解决上述问题。
原理：回归系数的抽样分布为t-test，所以a、b都是t分布，即都是可以通过随机抽样得到的。因此单纯抽取出一组a、b相乘得一个ab，重复10000次就可以得到最终的ab分布图。
缺陷：然而这里将出现的一个新问题是，parametric bootstrapping需要用R语句做，emm……萜妹没研究过R，也没什么其他的心得，所以小可爱们要使用的话就直接看讲座资料好啦！
模型结果
ppt上并没有给出上述语句的结果，但是应该和之前的大同小异，所以这里也不复述啦~
啦啦啦，跨层次的被调节的中介就介绍到这里啦，其实萜妹也知道这种模型只是其中的一个小小个例，但是萜妹我自己也不敢发散太多，毕竟把握度没有那么大，所以还是先这样告一段落啦。
之后，下周应该是跨层次的被中介的调节模型，萜妹还没想好是分两次写还是合一起写。不过，看小可爱们对这个系列的兴趣已经不太大了，所以很有可能做一次更了，尽快把这个系列结束，再带小可爱们看新东西吧~
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✬