本文档包含用于检验中介、调节和有调节的中介模型的 Mplus 代码,包括与 Andrew Hayes 在其 SPSS PROCESS 插件中列出的模型,
但是我们不会在教程中写全部的process模型, 因为当你理解的原理, 你将有能力自己写出任意process模型。
建议您在进行此类分析之前阅读他的开创性著作(Hayes, A. F. (2013, 2017)。《中介、调节和条件过程分析简介:基于回归的方法》, 纽约:吉尔福德出版社。
为什么使用MPLUS
Mplus学习曲线比较陡,入门困难, 但是为什么要使用mplus, 我觉得有如下理由:
- Mplus 提供了一个完全灵活的建模环境,能够检验无限种类的调节和中介模型,而不仅仅是 PROCESS 模型。
- 虽然Process插件使用比较简单, 但是它把研究者限定到有限的模型中, 使得你想要使用这个插件, 你必须先去找到适用的模型, 如果没有找到,你的研究就停滞不前了
- Mplus 可以有多个自变量和中介变量, 但是process实际上只提供了一个自变量, 如果想要设置多个自变量, 是比较麻烦的事情
- mplus 支持潜变量
本教程重要内容
- 我们首先提供集中常见的模型, 并使用mplus检验这个模型
- 我们会对代码进行注释,帮助你理解代码
- 我们会提供一种思路,可以帮助你实现任意模型,不仅仅限于process插件模型
具体模型举例
SPSS Process Model 1 最简单的调节模型
Process 中最简单的调节效应模型就是 model 1, 如图所示:
概念图:
统计图:
上面那个图叫做概念图, 下面的图叫做统计模型图, 两图虽然都可以表示变量之间的关系,
但是统计模型图更直观的给出了模型的公式, 根据上面的统计图, 我们可以列出模型的方程:
1 | Y = b0 + b1X + b2W + b3XW |
将上述方程提取公因式,得到下面的方程:
1 | Y = (b0 + b2W) + (b1 + b3W)X |
从方程中, 我们之所以说W是调节变量, 就是因为 X 的回归系数b1 + b3W
中包含了W, 即W可以改变了X对Y的影响力。
假如W越大, b1 + b3W
的绝对值越大, 那么说明W是增强了X对Y的效应, 这时候W具有增强作用;
反之, W具有削弱X和Y之间效应的作用。
这个案例目的就是介绍, 在 Process中 ,调节效应的本质就是 自变量 和调节变量乘积项的回归系数。
在mplus中, 我们延用process的概念, 但是mplus没有使用最小二乘法的回归分析, 所以我们叫路径系数, 而不是回归系数。
在Mplus中如何分析这个模型:
1 | !注意代码中省略了DATA命令,你需要自行设定数据 |
(未完待续)