Cara menggunakan bootstrap untuk menguji kesan pengantaraan

Ujian Bootstrap menggunakan teknologi pensampelan semula untuk menilai kebolehpercayaan ujian statistik dan digunakan untuk membuktikan kepentingan kesan pengantaraan: pertama, hitung selang keyakinan kesan langsung, kesan tidak langsung dan kesan pengantaraan; taip mengikut kaedah Baron dan Kenny atau Sobel kepentingannya; dan akhirnya menganggarkan selang keyakinan untuk kesan tidak langsung semula jadi.

Menggunakan Bootstrap untuk menguji kesan pengantaraan

Apakah ujian Bootstrap?

Bootstrap ialah teknik pensampelan semula yang digunakan untuk menganggarkan taburan pensampelan statistik. Dengan menarik berbilang subsampel secara rawak daripada data asal, ia boleh membantu kami menilai keteguhan dan keyakinan ujian statistik.

Bagaimana untuk menggunakan Bootstrap untuk menguji kesan pengantaraan?

Pengujian untuk kesan pengantaraan melibatkan ujian sama ada hubungan antara pembolehubah tidak bersandar (X) dan pembolehubah bersandar (Y) ditengahkan sebahagian atau sepenuhnya oleh pembolehubah pengantara (M). Ujian Bootstrap boleh digunakan untuk:

1. Menguji kepentingan kesan pengantaraan

• Menggunakan data asal untuk mengira kesan langsung (X-Y) dan kesan tidak langsung (X-M-Y).
• Gunakan Bootstrap untuk menjana berbilang subsampel dan mengira kesan langsung dan tidak langsung dalam setiap subsampel.
• Kira selang keyakinan Bootstrap (CI) bagi kesan pengantaraan (kesan tidak langsung - kesan langsung).
• Jika CI tidak mengandungi 0, ia menunjukkan bahawa kesan pengantaraan adalah signifikan secara statistik.

2. Uji kepentingan jenis pengantaraan

• Gunakan kaedah Baron dan Kenny (1986) atau ujian Sobel untuk mengira kepentingan jenis pengantaraan.
• Kira Bootstrap CI bagi statistik Baron dan Kenny atau statistik Sobel berdasarkan langkah-langkah pensampelan Bootstrap.
• Jika CI tidak mengandungi 0, ini menunjukkan bahawa jenis pengantaraan adalah signifikan secara statistik.

3. Menganggar kesan tidak langsung semulajadi

• Gunakan Bootstrap untuk menganggarkan CI kesan tidak langsung semula jadi. Kesan tidak langsung semulajadi mewakili kesan tidak langsung pembolehubah tidak bersandar pada pembolehubah bersandar apabila pembolehubah penyederhana ditetapkan.
• Kira CI untuk kesan tidak langsung semula jadi dengan menetapkan pembolehubah pengantara dalam setiap subsampel Bootstrap dan mengira kesan tidak langsung.

Kelebihan:

• tidak dihadkan oleh andaian taburan biasa.
• Memberi anggaran kesan yang lebih stabil.
• Membenarkan ujian bukan parametrik.

Nota:

• Memerlukan sejumlah besar sampel data untuk mendapatkan hasil yang tepat.
• Intensif pengiraan, terutamanya untuk model pengantaraan yang kompleks.

Atas ialah kandungan terperinci Cara menggunakan bootstrap untuk menguji kesan pengantaraan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!