用python做带调节的中介模型检验详解

最新推荐文章于 2025-03-18 20:44:42 发布

XINFINFZ

最新推荐文章于 2025-03-18 20:44:42 发布

阅读量7.6k

点赞数 11

分类专栏： Python 文章标签： python 数据分析

本文链接：https://blog.csdn.net/weixin_43945848/article/details/120128017

版权

简介

在采用传统统计手段的经济学，心理学等学科中，通常是在阅读大量文献的基础上，提出自己的理论假设，并建立模型，收取一定量（通常是几百）的样本数据来验证自己的假设。其中就包含了调节，中介变量这类非常容易发论文的模型。而在学习中我们会发现老师让我们使用SPSS的PROCESS插件来处理这类模型。但是SPSS收费（虽然用的通常是破解版），PROCESS插件安装麻烦，于是我想到了python，今天就来教大家使用python的PyProcessMacro开源库来进行调节中介模型的统计检验。

事前准备

关于搭建python环境的内容，这里就不多说了，可以下载安装Anaconda的集成环境，当然更好的选择是使用云IDE，这里向大家推荐一下Datalore，Jetbrains出品的云IDE，包含了各种科学计算必须库，需要的库也可以很方便的搜索安装，这里是链接：
https://datalore.jetbrains.com/notebooks
只要注册账户就能使用基本的计算引擎，满足一般使用。
接下来安装必要的库：

pip install pyprocessmacro

anaconda prompt里输入以上pip安装指令，或者在datalore里:
在这里插入图片描述
搜索pyprocessmacro，然后点击Install，安装完毕弹出右下角提醒，点击restart kernel重启内核，就安装完毕了！

在安装完库之后：
我们还需要process的模型图，
百度文库链接点这
里面定义好的是各式各样的模型图和相应的计算模型，我们需要找到我们研究符合的模型，记住它的序号，这里以8号模型为例：
在这里插入图片描述
其中X是自变量，Mi是多个中介变量，Y是因变量，W是调节变量。

实例

（以下使用数据为真实采集样本数据，出于隐私安全不公开）
在准备好我们需要的库，模型之后，我们就可以开始实际的分析了，首先呢，我们需要把我们的变量和模型对应上，本案例中的模型是这样子的：
在这里插入图片描述
和上面我们找的8号模型对比基本一致，Uncertainty是自变量，State_N是中介变量，Condition是调节变量，MIL是因变量，只不过多了一个Trait_N作为控制变量。
首先我们把我们需要的变量读出来：

import pandas as pd
df = pd.read_excel('xxx.xlsx')
df_X = df[['Condition','Uncertainty','State_N','MIL','Trait_N']

在这里插入图片描述
这里给没有了解过基本语法的小白说几句，使用.info()方法可以轻松的看到整个数据框的基本信息，图中包含了694条非空数据，以及5个变量，使用.head()方法可以打印出前五条信息进行速览，使用.tail()方法可以看到倒数前五条信息，使用.describe()方法可以对数据进行描述统计，打印出频数，均数，标准差，最小值，四分位差，最大值信息。
接下来我们进行检验，并打印出模型的总结信息：

from pyprocessmacro import Process
p = Process(data=df_X, model=8, x="Uncertainty", y="MIL", w="Condition",m=["State_N"],controls=

最低0.47元/天解锁文章