全部版块 我的主页
› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › SPSS论坛
潜变量交互效应或调节效应绘图问题，怎么作图？高额悬赏！
illusion愫潆
8619 12
2018-09-26
悬赏 20 个论坛币 已解决
模型包含1个自变量，1个调节变量，1个因变量，全部都是潜在变量，采用李克特7点量纲进行测量
用潜变量交互效应结构方程: 分布分析方法*温忠麟1，吴艳2，侯杰泰3介绍的潜调节结构方程( LMS)方法，代码如下：
Mplus 程序代码：
TITLE: LMS Model for the Example
DATA: FILE is ex． dat; ! 读入文本格式数据
VAＲIABLE: NAMES are
x1 x2 x3 x4 x5 x6 x7 y1 y2 y3; ! 数据文件中的变量顺序
USEVAＲIABLES are
y1 y2 y3 x1 x2 x3 x4 x5 x6 x7; ! 实际使用的变量顺序
ANALYSIS: TYPE = ＲANDOM;
ALGOＲITHM = INTEGＲATION; ! 使用LMS 方法时都保留这两行分析类型和算法
MODEL:
! specification of the measurement model
eta by y1 － y3; ! eta( 即η) 的测量模型
kxi1 by x1 － x3; ! kxi1( 即ξ1
) 的测量模型
kxi2 by x4 － x7; ! kxi2( 即ξ2
) 的测量模型
! definition of the latent product variable
int | kxi1 XWITH kxi2; ! 定义kxi1 与kxi2( 即ξ1ξ2
) 的乘积为int
! specification of the structural model
eta on kxi1 kxi2 int; ! 包含主效应项kxi1、kxi2 和交互项int 的结构模型



得到调节效应的非标准化估计值
然后就是最头疼的绘图问题：论坛和网上介绍的都是显变量的方法，总结起来有以下几种：
1.用自变量，调节变量，交互项做一般线性回归得到非标准化的参数值，并结合自变量和调节变量的均值和标准差做图，通过这个网页的Excel表格输入对应的值就可以直接得到图，简单快捷！傻瓜式操作。
http://www.jeremydawson.co.uk/slopes.htm


2.对自变量和调节变量根据均值加减一个标准差得到四组，跑SPSS的单变量一般线性模型，直接出图，更加傻瓜便捷
步骤如此图：

但是，以上绘图方法都基于自变量，调节变量，因变量都是显变量，那么潜在变量交互的图怎么化？
如果是通过回归或均值把潜变量转化为显变量，这中间的具体步骤是怎么样的？中心化的问题怎么解决？总觉得化潜为显的方法不是很科学

最佳答案

allanding199 查看完整内容

这个我也会，咱们私聊吧
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
allanding199
2018-9-26 22:52:21
这个我也会，咱们私聊吧
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

illusion愫潆
2018-9-26 23:55:59
帖子的第二种显变量做图见附件PPT
附件列表

调节效应与中介效应(看懂SSCI数据分析表格).ppt

大小:18.95 MB

 马上下载

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

sincyc
2018-9-28 16:59:35
首先，简单斜率图只是为了简单的演示一下。简单的，演示，自变量在调节变量变化下，对因变量影响的变化。因此，这里的误差可以接受。其次，如果你追求精确，也可以自己画。就根据对应的结构方程模型的路径系数，写出对应的方程组，然后求解，确定高低的两条直线。
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

illusion愫潆
2018-10-12 23:53:58
sincyc 发表于 2018-9-28 16:59
首先，简单斜率图只是为了简单的演示一下。简单的，演示，自变量在调节变量变化下，对因变量影响的变化。因 ...
就根据对应的结构方程模型的路径系数，写出对应的方程组，然后求解，确定高低的两条直线。，这句话不太明白
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

sincyc
2018-10-15 22:27:33
其实这个问题根本没有意义，哪怕不用斜率图，用表格数据一样可以解释，而且还可以报告调节变量高、中、低对应取值的显著性。你不明白的原因在于，你对回归的了解还不够，更不用说结构方程模型了。简单来说，结构方程模型相对于一般回归分析的好处在于，它可以评估出测量误差，进而分离出较为准确的变量分数（更接近变量的真实变异）。回到你不明白的问题，在结构方程模型里面获得对应的路径系数（自变量对因变量，调节变量对因变量，交互项对因变量的回归系数）之后，如果变量都是潜因子，那么这些路径系数是考虑了测量误差之后的准确回归系数。那么，这个时候，你自己根据一般线性回归方程的公式，可以得出一个三元一次回归方程。然后，把调节变量的三个取值带进去，变成二元一次方程。一个二元一次方程，就是一条直线，三个取值，三条直线。画出来，就是潜变量的简单斜率图了。
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

点击查看更多内容…
相关推荐
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