如何用stata做多重中介效应检验

xianyun198109

32116

收藏 2016-05-08

Stata可以做这样的中介效应检验

，但是要还存在第三个中介效应：IV->MV1->MV2，该如何做呢？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

cxz_1995

2016-12-14 10:12:06

请问一下两个中介变量怎么做呢

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

苛政3

2017-2-20 15:03:29

请问有大神会吗

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

嘟嘟小爽

2017-5-9 17:25:47

楼主弄明白怎么检验了吗

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

潇洛初

2018-11-21 16:39:11

请问楼主解决了吗

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yuanzidan1

2019-1-18 19:37:31

请问露珠解决了吗

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

yuanzidan1

2019-1-18 19:37:50

潇洛初发表于 2018-11-21 16:39
请问楼主解决了吗

你好请问您的这个问题解决了吗

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

jiemingshi0

2019-1-28 10:38:48

cxz_1995 发表于 2016-12-14 10:12
请问一下两个中介变量怎么做呢

你好，请问你会多重中介吗

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xianyun198109

2019-2-15 21:21:23

至今尚未解决，
同求：IV->MV1->MV2->DV 双重中介效应检验

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

edwardchenl

2019-3-3 10:23:42

您好，能分析一下stata做一元并行多重中介模型的命令吗？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

jiemingshi0

2019-4-19 16:49:44

https://stats.idre.ucla.edu/stata/faq/how-can-i-analyze-multiple-mediators-in-stata/
可以看看这个，多重中介的

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

山惟木子

2020-6-25 14:45:50

xianyun198109 发表于 2019-2-15 21:21
至今尚未解决，
同求：IV->MV1->MV2->DV 双重中介效应检验

你好，请问你现在解决了吗？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kokowaah797

2020-6-28 09:06:16

直接建立结构方程模型SEM会比较方便，在菜单"Statistics>SEM(structural equation modeling)>model building and estimation"，直接画出你的多重中介路径，然后点击上方“estimate”图标，就可以了

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kokowaah797

2020-6-28 09:12:28

例如这样哈，随便找了个数据跑的[img]Version:0.9 StartHTML:0000000105 EndHTML:0000002250 StartFragment:0000000136 EndFragment:0000002217 <HTML><BODY><TABLE BORDER><tr><td>. sem (carrier -> storage, ) (carrier -> consume, ) (storage -> percentage, ) (storage</td><td>-> </td></tr><tr><td>> consume, ) (consume -> percentage, ), nocapslatent</td></tr><tr><td> Endogenous variables</td></tr><tr><td> Observed: storage consume percentage</td></tr><tr><td> Exogenous variables</td></tr><tr><td> Observed: carrier</td></tr><tr><td> Fitting target model:</td></tr><tr><td> Iteration 0: log likelihood = -3150.6169 </td></tr><tr><td>Iteration 1: log likelihood = -3150.6169 </td></tr><tr><td> Structural equation model Number of obs = 474</td></tr><tr><td>Estimation method = ml</td></tr><tr><td>Log likelihood = -3150.6169</td></tr><tr><td> </td></tr><tr><td>OIM</td></tr><tr><td>Coef. Std. Err. z P>z [95% Conf. Interval]</td></tr><tr><td> Structural </td></tr><tr><td>storage </td></tr><tr><td>carrier .2598609 .0457312 5.68 0.000 .1702294 .3494924</td></tr><tr><td>_cons 3.266003 .2216903 14.73 0.000 2.831498 3.700508</td></tr><tr><td> consume </td></tr><tr><td>storage -.1465384 .0352931 -4.15 0.000 -.2157117 -.0773651</td></tr><tr><td>carrier .1693156 .0363164 4.66 0.000 .0981368 .2404943</td></tr><tr><td>_cons 1.566516 .2056783 7.62 0.000 1.163394 1.969638</td></tr><tr><td> percentage </td></tr><tr><td>storage .156289 .0384182 4.07 0.000 .0809908 .2315873</td></tr><tr><td>consume .1216222 .050053 2.43 0.015 .0235201 .2197243</td></tr><tr><td>_cons 1.434682 .209252 6.86 0.000 1.024556 1.844809</td></tr><tr><td> var(e.storage) 1.999029 .1298509 1.76006 2.270442</td></tr><tr><td>var(e.consume) 1.180261 .0766662 1.03917 1.340508</td></tr><tr><td>var(e.percentage) 1.465849 .0952171 1.290618 1.664872</td></tr><tr><td> LR test of model vs. saturated: chi2(1) = 12.76, Prob > chi2 = 0.0004</td></tr></TABLE></BODY></HTML>[/img]

附件列表

截屏2020-06-28 09.10.22.png

原图尺寸 542.3 KB