如何用 Stata 做调节中介效应检验?

 

作者： 崔颖（中央财经大学）
 
Source: HOW CAN I DO MODERATED MEDIATION IN STATA? | STATA FAQ

 

👉 全文阅读： https://www.lianxh.cn/news/96f42c47f4ea6.html 🍎

 

Stata连享会   主页 || 视频 || 推文 || 知乎

温馨提示： 定期 清理浏览器缓存，可以获得最佳浏览体验。

 

 

 

 

1. 中介效应和调节效应的定义

首先，我们来区分两个相似的概念：中介效应 (Mediation) 和 调节效应 (Moderation) 。

中介变量 是介于自变量与因变量之间的，它可以部分地解释自变量对因变量的间接影响，即自变量对因变量的影响可以分为直接效应和间接效应两部分。

调节变量 影响模型中其他的变量的作用效果，也就是说，模型中特定变量的作用效果会依赖于调节变量的取值大小。

调节中介效应 (Moderated Mediation) 是指调节变量的取值大小影响中介变量所能解释的间接效应的幅度，这被称为 条件间接效应。在调节变量取特定值得条件下，解释间接效应的影响效果。

Muller 等人 (2005) 在其文章中 When moderation is mediated and mediation is moderated 中提出了三种基本模型来解释调节中介效应和中介调节效应。其中， Mo 表示调节变量，Me 表示中介变量，$\epsilon$ 表示回归方程的误差项。

 

2. 调节中介效应的检验方法

Hayes (2013) 和 Preacher (2007) 详述了调节中介效应的理论背景和框架，他们也提供了检验调节中介效应和计算间接效应大小的方法。

第一种方法是基于正态分布假定的。这种方法理论上很有效，但实际中条件间接效应的分布往往不呈正态，通常会有各异的偏斜和峰态。基于正态分布方法的置信区间和假设检验通常不够准确。第二种方法使用自举法 (Bootstrapping) 获得标准误和置信区间。尽管这种方法的计算速度大大降低，但此时置信区间的计算是修正偏误且非对称的，更好的反映了条件间接效应样本分布的真实情况。

接下来，本文会介绍 Preacher 文章中的五个模型。每个模型都会先使用 sem 和 nlcom 命令进行基于正态分布假定的方法估计，然后再介绍如何获得标准误和置信区间的自举估计。

2.1 调用数据并定义变量

use "https://stats.idre.ucla.edu/stat/data/hsb2", clear
rename science y    // 被解释变量
rename math    x    // 解释变量  
rename read    m    // 中介变量  
rename write   w    // 调节变量1 
rename socst   z    // 调节变量2 

2.2 模型构建与估计

模型 1：解释变量同时也是中介变量与被解释变量之间的调节变量

$$\mathrm{m}={\mathrm{a}}_0$$