作者: 崔颖(中央财经大学)
Source: HOW CAN I DO MODERATED MEDIATION IN STATA? | STATA FAQ
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
文章目录
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, ε \varepsilon ε 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
m = a 0 + a 1 x \mathrm{m}=\mathrm{a}_{0}+\mathrm{a}_{1} \mathrm{x} m=a0