张伟豪AMOS培训视频5笔记.docx

张伟豪AMOS培训视频5笔记.docx

《张伟豪AMOS培训视频5笔记.docx》由会员分享，可在线阅读，更多相关《张伟豪AMOS培训视频5笔记.docx（18页珍藏版）》请在冰豆网上搜索。

张伟豪AMOS培训视频5笔记

一般探讨中介变量有以下三种情况

比如恐龙能变成鸟，觉得不可思议，但是如果知道有始祖鸟，就会明白恐龙先变成始祖鸟，再变成鸟类。

始祖鸟就是中介变量。

比如乔丹赢球会促使股市大涨，经研究发现，原来是只有有钱人才能去看球，乔丹赢球会增强这些人的信心，从而投入更多钱到股市中，使股市大涨。

最后得出结论，对政府有信心会使股市大涨，因此除了乔丹赢球，还有很多可以增强民众对政府信心的方法，比如发动战争。

这样就是知道了中介变量是什么，可以用很多自变量去解释。

比如很多人压力大会患忧郁症，经研究发现想得多的人容易患忧郁症，想的多就是中介变量，那么就想办法操控这个中介变量，不让人去想那么多，就会影响最终的因变量，也就是患抑郁症。

检验中介变量有以下三种方法：

常见的中介变量有以下几种：

如果上图中张老师和林志玲约会，原因是他找了经纪公司，那么经纪公司就是中介变量。

张老师肯定认识经纪公司，这就是显著影响a。

经纪公司也肯定认识林志玲，这是显著影响b。

如果张老师只是通过经纪公司约会林志玲，也就是a和b显著，但是他不认识林志玲，也就是c不显著，那么这就是完全中介效应。

如果张老师本来就认识林志玲，也就是c显著，同时又通过经纪公司约会林志玲，也就是a和b显著，那就是部分中介效应。

中介效应的检验：

第一种方法，因果法

将有中介关系的三个构面之间的线命名为a、b、cplus，然后代入数据，运行

结果是a、b、cplus都显著，说明是部分中介效应。

如果cplus不显著，那就是完全中介效应。

其中a*b称之为间接效果，cplus称之为直接效果。

总效果c=a*b+cplus，操作如下

首先将路径图中a和b改为0，意思是没有相关，然后运行，结果就会显示cplus的估计值变为了0.838，这就是a*b+cplus的结果。

可以举例说明如下

如果X到Y要流过150升水，如果只通过c途径，那么c就流150升，如果即通过cplus又通过a和b，a和b一共流了100升，那么cplus就只会流50升。

注：

在报告中介变量系数时，如上图所示，一般报告非标准化系数，因为非标准化系数代表斜率，也就是影响力，代表非标准化系数具有统计意义。

但如果报告标准化系数也不是错的。

如上图，如果x到y根本就不显著，也就是自变量和因变量关系不成立，那么也不用检验中介效果了。

但是如果a和b其中有一个不显著，就涉及到做sobel检验，如何做sobel检验？

如下

打开excel小程序，将a和b的估计值和SE输入，则能计算出sobel的Z值，也就是CR值，大于1.96为显著，部分中介效果显著。

第二种方法是系数差异法，其原理就是检定c和cplus之间的差异

因为c=a*b+cplus，那么检定是否有中介效应，只看c-cplus就可以了，操作还是打开excel小程序，选择regression选项，输入c和cplus的估计值和SE，即得到Z值，也就是CR值，大于1.96为显著。

总效果c的计算方法就是把a和b的路径改为0，和上边的图一样，计算如下图

但这种方法只适用于单一中介模型中。

传统的检验方法就是Z检验，但是存在以下问题，如下图

所以要使用bootstrap检验，如下图

具体应用方法见下文

首先看上图，这是一个中介变量论文报告的表格，先解释他的意义

第一行Totaleffects为总效应，点估计值0.836除以标准误SE0.170等于Z值4.92。

下边两行间接效果和直接效果也是这样计算。

他们的意义是什么？

先看例子：

如果你说我6点到这里，6点就是点估计。

如果你说我6点以前到这里，这是左尾估计。

如果你说我6点以后到这里，这是右尾估计。

如果你说我5点到7点之间到这里，这是区间估计。

在上图中，左边红色框里的叫“检验”，比如我们经常说的P值小于0.05，这就属于检验。

上图中只要Z值大于1.96就是显著，类似于P检验。

右边红色框里的叫“估计”，lower到upper之间如果不包含0，那么就是显著存在。

（因为我们一般的虚无假设都叫H0，也就是想否认掉的那个假设，也就是说如果不显著就意味着是0，我们上边的区间不包含0，就是不是0，那么就是显著，拒绝H0）。

在上图中，总效应和间接效应都显著，只有直接效应不存在，因为直接效应的Z值小于1.96，置信区间也都包含0。

因此直接效应不存在，是完全中介效应。

那么上图的表格是怎么运算出的呢？

看如下操作流程。

将刚才的二阶模型里面设立的a、b、cplus都去掉。

然后打开output，勾选indirect，direct&totaleffects选项，如下图

然后再点击右边的bootstrap选项，将数值设为下图中的数字。

这就意味着运行1000次，置信区间95%。

当然具体数值可以自己设，但一般文章要求运行5000次，置信区间95%就可以。

然后运行，打开output，先查看estimates下的matrices（矩阵）选项，这个选项下面有总效应，标准化的总效应，还有依次下边的直接效应和间接效应以及相应的标准化。

一般查看非标准化。

这里面的值就是报告表格中的点估计值。

然后查看下面框里的红色部分，即bootstrapstandarderrors就是标准误SE。

有了点估计值，也有了标准误SE，需要手动算出Z值，即点估计值除以SE。

Z值大于1.96为显著。

然后选取下边框的红框部分，即bootstrapconfidence，展开后里面有两个选项，即bias-correctedpercentilemethod和percentilemethod，打开后红色框部分就是报告中两部分的置信区间。

置信区间除了不包含0就显著外，另外如果置信区间越窄代表结果越精确。

置信区间宽窄的判断一般是主观判断，如果差距大于1，或者2，可能就是比较大了。