Adakah kesan pengantaraan bootstrap bergantung pada nilai p?

Apabila menguji kesan pengantaraan dalam bootstrap, anda tidak perlu melihat nilai p apabila menggunakan kaedah Bootstrap untuk menguji kesan pengantaraan, ia dinilai berdasarkan sama ada selang "BootLLCI, BootULCI" mengandungi; 0, dan jika ia tidak mengandungi 0 Kesan pengantara adalah ketara, dan jika ia mengandungi 0, kesan pengantaraan adalah tidak ketara.

Persekitaran pengendalian tutorial ini: sistem Windows 7, komputer DELL G3

Adakah kesan pengantaraan bootstrap bergantung pada nilai p?

Gunakan Kaedah Bootstrap digunakan untuk menguji kesan pengantaraan Ia tidak dinilai oleh nilai P, tetapi oleh sama ada selang (BootLLCI, BootULCI) mengandungi 0. Jika ia tidak mengandungi 0, kesan pengantara adalah ketara jika ia mengandungi 0, ia tidak ketara.

Dalam kes yang diberikan, nilai kesan pengantaraan (kesan tidak langsung) ialah 0.1969, iaitu signifikan Jumlah kesan pembolehubah bebas ke atas pembolehubah bersandar ialah 0.9373, bermakna pembolehubah pengantara menjadi pengantara 21. % kesan (0.1969/0.9373), iaitu pengantaraan yang tidak lengkap.

Pada masa yang sama, perlu diingatkan bahawa nombor di atas adalah saiz kesan tidak standard. SPSS hanya memberikan nilai kesan pengantaraan piawai, tetapi tidak memberikan nilai kesan piawai bagi jumlah kesan dan kesan langsung.

Malah, keputusan adalah serupa apabila menggunakan saiz kesan piawai atau tidak piawai untuk mengira perkadaran kesan pengantara.

Aplikasi Bootstrap yang paling banyak digunakan ialah untuk menguji kesan pengantaraan.

Kaedah kesan pengantara lain termasuk:

·Paling biasa digunakan: ujian langkah demi langkah bagi pekali regresi (kaedah berperingkat) (Baron & Kenny, 1986)

Langkah 1: Ujian X →Y, iaitu c, adalah signifikan Jika ia tidak signifikan, jangan lakukannya

Langkah 2: Uji sama ada X →M, M →Y adalah signifikan daripadanya adalah tidak signifikan. Jangan lakukan apa-apa

Langkah 3: Jika di atas adalah signifikan dan c' lebih kecil daripada c, maka ia adalah perantara separa. Jika c' tidak signifikan, ia adalah pengantara sepenuhnya. Keadaan ini agak jarang berlaku.

·Kaedah Sobel:

Kuasa ujian adalah lebih tinggi daripada ujian langkah demi langkah, tetapi dengan mengandaikan bahawa a*b mematuhi taburan normal, walaupun a dan b adalah kedua-dua taburan normal, hasil keluarannya ialah biasanya tidak positif Stateful,

Jadi Sobel mempunyai had

Kelebihan Bootstrap: tiada taburan normal diperlukan, sensitiviti yang lebih tinggi (lebih mudah untuk mendapatkan hasil yang ketara)

Bootstrao Untuk menguji pengantaraan kesan, ambil pemalam Proses dalam SPSS sebagai contoh:

Langkah 2: Tetapkan parameter.

Pilih pembolehubah bersandar, pembolehubah bebas dan pembolehubah kawalan daripada [Pembolehubah ini akan membentuk persamaan regresi anda.

Pilih 4 untuk Nombor model Ini ialah nombor model untuk analisis perantara Jika anda memilih apa-apa lagi, ralat akan dilaporkan.

Bilangan sampel bootstrap ialah saiz sampel bootstrap yang dinyatakan sebelum ini. Lalai ialah 5000, biasanya antara 1000-5000, dan biasanya 1000 atau 5000 diisi. Saiz sampel Bootstrap adalah berbeza, dan data yang. keluar berbeza sedikit.

Juga semak simpan anggaran bootstrap dan inferens bootstrap untuk pekali model.

Klik [Pilihan] di penjuru kanan sebelah atas, semak tunjukkan model kesan jumlah (paparkan model kesan jumlah), klik teruskan

Akhir sekali klik [OK] untuk mendapatkan hasil operasi

Hasil operasi:

1. Dengan Pembolehubah pengantara ialah hasil regresi pembolehubah hasil

2. Ambil pembolehubah bersandar sebagai pembolehubah hasil. Pada masa ini, kesan MV pada DV dan kesan langsung IV pada DV boleh diperolehi

3. Jumlah model kesan: Ini tanpa MV pembolehubah pengantara. Kesan keseluruhan pembolehubah IV ke atas pembolehubah bersandar DV iaitu semua kesan pembolehubah bebas terhadap pembolehubah bersandar sebelum dimediasi, kesan pembolehubah bebas ke atas pembolehubah bersandar akan dibahagikan kepada kesan langsung pembolehubah bersandar (kesan langsung) dan Dua bahagian kesan tidak langsung pada pembolehubah bersandar (kesan tidak langsung)

Inilah perkara utama! ! ! ! Kesan pengantaraan yang paling intuitif ada di sini! ! !

4. Keputusan ujian kesan pengantaraan.

Cadangan berkaitan: tutorial bootstrap

Atas ialah kandungan terperinci Adakah kesan pengantaraan bootstrap bergantung pada nilai p?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!