全部版块 我的主页
› 论坛 › 计量经济学与统计论坛 五区 › 计量经济学与统计软件 › LISREL、AMOS等结构方程模型分析软件
有调节的中介模型结果解释
hanxiaotong
12859 4
2018-01-31
各位前辈，下面是我试着用mplus做的有调节的中介模型的数据结果，但是不知道应该看哪一部分的数值，也不清楚怎么去看这个结果。由于现在放寒假了，很难联系到人帮忙看结果。希望能有人帮忙看一下做的对不对。非常非常感谢！！


DATA: FILE IS 2.dat; ! Bootstrap 法需要原始数据
   VARIABLE: NAMES ARE X M Y W WX WM;

  ANALYSIS: Bootstrap=2000; ! Bootstrap 法抽样 2000 次
   MODEL:
   M on X (a1)
        W
        WX (a3);
  !做 W 对 X,U, UX 的回归
  !X 和 UX 的回归系数分别命名为 a1 和 a3
       Y on X
       W
       M (b1)
       WM (b2);
  !做Y对X,U,W,UW的回归
  !W 和 UW 的回归系数分别命名为 b1 和 b2
  MODEL CONSTRAINT:
        new (H1-H7);
         H1= a1*b2;
         H2= a3*b1;
         H3= a3*b2;
         H4=a1*b1;
  !a1b2 的估计 ! a3b1 的估计 ! a3b2 的估计
  !当 U 等于 0 时的 (a1+a3U)(b1+b2U) !的中介效应的值
         H5=H4+H1+H2+H3;
  !当 U 等于 1 时的中介效应(a1+a3U)(b1+b2U)的值
         H6=H4-H1-H2+H3;
  !当 U 等于-1 时的中介效应(a1+a3U)(b1+b2U)的值
         H7=H5-H4;
  ! U 等于 1 和 0 时的 (a1+a3U)(b1+b2U)之差
  OUTPUT: cinterval (bcbootstrap);



INPUT READING TERMINATED NORMALLY




SUMMARY OF ANALYSIS

Number of groups                                                 1
Number of observations                                         151

Number of dependent variables                                    2
Number of independent variables                                  4
Number of continuous latent variables                            0

Observed dependent variables

  Continuous
   M           Y

Observed independent variables
   X           W           WX          WM


Estimator                                                       ML
Information matrix                                        OBSERVED
Maximum number of iterations                                  1000
Convergence criterion                                    0.500D-04
Maximum number of steepest descent iterations                   20
Number of bootstrap draws
    Requested                                                 2000
    Completed                                                 2000

Input data file(s)
  2.dat

Input data format  FREE



THE MODEL ESTIMATION TERMINATED NORMALLY



MODEL FIT INFORMATION

Number of Free Parameters                       11

Loglikelihood

          H0 Value                        -303.671
          H1 Value                        -301.695

Information Criteria

          Akaike (AIC)                     629.342
          Bayesian (BIC)                   662.532
          Sample-Size Adjusted BIC         627.718
            (n* = (n + 2) / 24)

Chi-Square Test of Model Fit

          Value                              3.951
          Degrees of Freedom                     2
          P-Value                           0.1387

RMSEA (Root Mean Square Error Of Approximation)

          Estimate                           0.080
          90 Percent C.I.                    0.000  0.198
          Probability RMSEA <= .05           0.241

CFI/TLI

          CFI                                0.989
          TLI                                0.951

Chi-Square Test of Model Fit for the Baseline Model

          Value                            187.781
          Degrees of Freedom                     9
          P-Value                           0.0000

SRMR (Standardized Root Mean Square Residual)

          Value                              0.035



MODEL RESULTS

                                                    Two-Tailed
                    Estimate       S.E.  Est./S.E.    P-Value

M        ON
    X                  1.396      0.101     13.801      0.000
    W                 -0.077      0.096     -0.802      0.423
    WX                -0.969      0.107     -9.048      0.000

Y        ON
    X                  0.477      0.094      5.055      0.000
    W                  0.045      0.055      0.822      0.411
    M                  0.759      0.054     14.184      0.000
    WM                 0.006      0.044      0.137      0.891

Intercepts
    M                  1.817      0.320      5.683      0.000
    Y                 -0.143      0.203     -0.706      0.480

Residual Variances
    M                  0.706      0.068     10.390      0.000
    Y                  0.271      0.042      6.487      0.000

New/Additional Parameters
    H1                 0.008      0.062      0.137      0.891
    H2                -0.736      0.098     -7.507      0.000
    H3                -0.006      0.043     -0.137      0.891
    H4                 1.059      0.105     10.111      0.000
    H5                 0.326      0.109      2.995      0.003
    H6                 1.781      0.223      7.995      0.000
    H7                -0.733      0.104     -7.042      0.000


CONFIDENCE INTERVALS OF MODEL RESULTS

                  Lower .5%  Lower 2.5%    Lower 5%    Estimate    Upper 5%  Upper 2.5%   Upper .5%

M        ON
    X                1.131       1.202       1.235       1.396       1.556       1.593       1.667
    W               -0.320      -0.260      -0.234      -0.077       0.079       0.110       0.174
    WX              -1.287      -1.183      -1.150      -0.969      -0.799      -0.761      -0.693

Y        ON
    X                0.221       0.284       0.318       0.477       0.631       0.658       0.723
    W               -0.077      -0.056      -0.041       0.045       0.144       0.159       0.184
    M                0.614       0.653       0.668       0.759       0.846       0.862       0.890
    WM              -0.105      -0.078      -0.065       0.006       0.081       0.098       0.127

Intercepts
    M                0.980       1.172       1.276       1.817       2.338       2.426       2.619
    Y               -0.705      -0.572      -0.497      -0.143       0.171       0.233       0.345

Residual Variances
    M                0.555       0.590       0.609       0.706       0.831       0.848       0.904
    Y                0.182       0.205       0.215       0.271       0.359       0.370       0.403

New/Additional Parameters
    H1              -0.148      -0.109      -0.091       0.008       0.113       0.136       0.174
    H2              -1.004      -0.940      -0.910      -0.736      -0.587      -0.561      -0.500
    H3              -0.124      -0.092      -0.079      -0.006       0.063       0.075       0.103
    H4               0.803       0.865       0.895       1.059       1.240       1.272       1.350
    H5               0.060       0.124       0.161       0.326       0.512       0.555       0.621
    H6               1.207       1.364       1.426       1.781       2.154       2.221       2.366
    H7              -1.012      -0.947      -0.910      -0.733      -0.567      -0.530      -0.480


     Beginning Time:  14:34:19
        Ending Time:  14:34:24
       Elapsed Time:  00:00:

二维码

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
hanxiaotong
2018-1-31 18:35:25
用的两种方法做的，另一种结果如下：
INPUT INSTRUCTIONS

  DATA: FILE IS 1.dat; ! Bootstrap 法需要原始数据
   VARIABLE: NAMES ARE X M Y W WX WM;

  ANALYSIS: Bootstrap=2000; ! Bootstrap 法抽样 2000 次
   MODEL:
   M on X (a1)
        W
        WX (a3);
  !做 W 对 X,U, UX 的回归
  !X 和 UX 的回归系数分别命名为 a1 和 a3
       Y on X
       W
       M (b1)
       WM (b2);
  !做Y对X,U,W,UW的回归
  !W 和 UW 的回归系数分别命名为 b1 和 b2
  MODEL CONSTRAINT:
    NEW(IND WMODVAL);
    WMODVAL=3;
    IND=(A1+A3*WMODVAL)*(B1+B2*WMODVAL);
  OUTPUT: cinterval (bcbootstrap);



INPUT READING TERMINATED NORMALLY




SUMMARY OF ANALYSIS

Number of groups                                                 1
Number of observations                                         151

Number of dependent variables                                    2
Number of independent variables                                  4
Number of continuous latent variables                            0

Observed dependent variables

  Continuous
   M           Y

Observed independent variables
   X           W           WX          WM


Estimator                                                       ML
Information matrix                                        OBSERVED
Maximum number of iterations                                  1000
Convergence criterion                                    0.500D-04
Maximum number of steepest descent iterations                   20
Number of bootstrap draws
    Requested                                                 2000
    Completed                                                 2000

Input data file(s)
  1.dat

Input data format  FREE



THE MODEL ESTIMATION TERMINATED NORMALLY



MODEL FIT INFORMATION

Number of Free Parameters                       11

Loglikelihood

          H0 Value                        -302.302
          H1 Value                        -300.611

Information Criteria

          Akaike (AIC)                     626.603
          Bayesian (BIC)                   659.794
          Sample-Size Adjusted BIC         624.980
            (n* = (n + 2) / 24)

Chi-Square Test of Model Fit

          Value                              3.381
          Degrees of Freedom                     2
          P-Value                           0.1844

RMSEA (Root Mean Square Error Of Approximation)

          Estimate                           0.068
          90 Percent C.I.                    0.000  0.189
          Probability RMSEA <= .05           0.298

CFI/TLI

          CFI                                0.992
          TLI                                0.966

Chi-Square Test of Model Fit for the Baseline Model

          Value                            189.949
          Degrees of Freedom                     9
          P-Value                           0.0000

SRMR (Standardized Root Mean Square Residual)

          Value                              0.032



MODEL RESULTS

                                                    Two-Tailed
                    Estimate       S.E.  Est./S.E.    P-Value

M        ON
    X                  1.486      0.090     16.425      0.000
    W                  0.275      0.134      2.051      0.040
    WX                -1.055      0.088    -12.018      0.000

Y        ON
    X                  0.482      0.097      4.999      0.000
    W                  0.022      0.087      0.253      0.800
    M                  0.754      0.054     13.919      0.000
    WM                 0.007      0.046      0.154      0.878

Intercepts
    M                  1.043      0.337      3.095      0.002
    Y                 -0.053      0.205     -0.261      0.794

Residual Variances
    M                  0.691      0.064     10.768      0.000
    Y                  0.272      0.042      6.447      0.000

New/Additional Parameters
    IND               -1.301      0.326     -3.995      0.000
    WMODVAL            3.000      0.000      0.000      1.000


CONFIDENCE INTERVALS OF MODEL RESULTS

                  Lower .5%  Lower 2.5%    Lower 5%    Estimate    Upper 5%  Upper 2.5%   Upper .5%

M        ON
    X                1.250       1.311       1.340       1.486       1.637       1.669       1.732
    W               -0.128      -0.018       0.037       0.275       0.472       0.506       0.573
    WX              -1.303      -1.231      -1.202      -1.055      -0.917      -0.891      -0.830

Y        ON
    X                0.222       0.286       0.317       0.482       0.641       0.668       0.730
    W               -0.193      -0.148      -0.122       0.022       0.163       0.191       0.244
    M                0.601       0.647       0.662       0.754       0.839       0.858       0.886
    WM              -0.109      -0.079      -0.065       0.007       0.087       0.101       0.123

Intercepts
    M                0.264       0.449       0.546       1.043       1.667       1.784       1.986
    Y               -0.595      -0.464      -0.402      -0.053       0.276       0.354       0.451

Residual Variances
    M                0.542       0.578       0.598       0.691       0.812       0.823       0.866
    Y                0.183       0.205       0.216       0.272       0.362       0.374       0.400

New/Additional Parameters
    IND             -2.365      -2.052      -1.929      -1.301      -0.847      -0.771      -0.636
    WMODVAL          3.000       3.000       3.000       3.000       3.000       3.000       3.000


     Beginning Time:  18:34:48
        Ending Time:  18:34:51
       Elapsed Time:  00:00:03

二维码

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

喂！阿痴～
2018-2-8 11:48:00
第二种方法的代码好像已经不仅只是检验中介的调节效应了，是有中介的调节效应和调节的中介效应的混合模型，但是如果真要做混合模型的话，又少了一些东西，Y on X W M (b1)  WM (b2);这里少了XW。
混合模型的解释如下：
混合模型

所以我觉得三种方法：
一种是作为混合模型继续分析，加上Y ON XW，然后根据上面继续解释。

另一种就是单纯的做有调节的中介效应，把WM去掉，如下：
有调节的中介效应

还有一种就是你想做的是调节变量W同时对X到M的关系进行调节，这种情况参见《methods for integrating moderation and mediation: a general analytical frame》。

以上来源潜变量建模与MPLUS应用，如果我理解的有问题欢迎指教~
二维码

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

hanxiaotong
2018-2-13 15:18:37
喂！阿痴～ 发表于 2018-2-8 11:48
第二种方法的代码好像已经不仅只是检验中介的调节效应了，是有中介的调节效应和调节的中介效应的混合模型， ...
多谢多谢，我定的就是有调节的中介模型，所以不考虑混合模型
二维码

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

Cherish-123456
2018-7-25 21:23:29
你好，我也是做得有调节的中介模型，有一个中介变量，两个调节变量，都调节的是前半路径和直接路径，请问该如何验证呢，求大神指教
二维码

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

栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群