Stata实现多重中介代码 及Bootstrap中介效应

样本数据截图(企业数据):

use data.dta, clear 

* 控制控制变量 ControlVariables

global ControlVariables SIZE ROA LEV ATTR TOP1 ACADEMIC MARKET i.IND  i.year 

* 链式中介命令

capture program drop mediation
program mediation, rclass
  gsem (med1 <- x $ControlVariables) (med2 <- x $ControlVariables) (y <- med2 med1 x $ControlVariables), vce(cluster stkcd) nocaps 
  return scalar cie1 = _b[med1:x]*_b[y:med1]
  return scalar cie2 = _b[med2:x]*_b[y:med2]
  return scalar direct_effect=_b[y:x]              
  return scalar total_effect=_b[y:x]+_b[med1:x]*_b[y:med1]+_b[med2:x]*_b[y:med2]
  end
set seed 12345

* 运行命令

mediation

*Bootstrap 中介效应

bootstrap r(direct_effect) r(cie1) r(cie2)  r(total_effect), reps(20) : mediation
estat boot, bc percentile

  • 6
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
bootstrap方法是一种用来估计统计量的非参数统计方法,多重中介效应(multiple mediation effect)是指一个自变量对因变量的影响通过多个中介变量间接传递的情况。而Stata是一种统计软件,在进行多重中介效应分析时,可以使用Stata来实施。 Bootstrap方法是一种基于抽样技术的统计推断方法,它通过随机抽样并重复抽样进行统计量的计算,从而得到统计推断的分布情况。对于多重中介效应的分析,可以使用Bootstrap方法来估计中介效应的置信区间。通过对样本数据进行重复抽样,产生多个中介效应的估计值,并根据这些估计值的分布情况计算置信区间。这样可以更准确地估计中介效应的真实范围。 在Stata中进行多重中介效应分析的步骤如下: 1. 导入数据:将需要分析的数据导入Stata软件中。 2. 变量设置:确定自变量、因变量和中介变量,并进行变量的编码和标准化处理。 3. 运行中介效应模型:使用Stata中的回归分析命令或结构方程模型命令来运行中介效应模型。 4. 查看结果:查看模型的回归系数和假设检验结果,判断中介效应的显著性。 5. Bootstrap估计:使用Stata中的Bootstrap命令对中介效应进行估计,得到中介效应的置信区间。 6. 结果解释:根据Bootstrap结果,解释中介效应的大小和显著性。 通过使用Bootstrap方法和Stata软件,我们可以对多重中介效应进行准确的估计和推断。这样有助于我们了解自变量对因变量影响的具体途径和机制,进一步深入分析变量之间的关系。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我是章汕呐

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值