ZJUTADAC的个人博客分享 http://blog.sciencenet.cn/u/ZJUTADAC

博文

【Knowledge sharing】2 年前,我的这一天 2019/2/24 分享 打开CB-SEM调节分析的一扇窗

已有 1250 次阅读 2021-2-24 09:45 |个人分类:经验分享|系统分类:科研笔记

【Knowledge sharing】2 年前 我的這一天 2019/2/24 分享 打開CB-SEM調節分析的一扇窗


There are 31 types of CB-SEM moderation analyses.

當手上有一份資料(第一手調查問卷資料,第二手的面板資料…),需要做調節分析時,該怎麼辦呢?

調節 (干擾)分析長久以來,大家常使用Baron and Kenny於1986發表的經典文章,但是調節 (干擾)分析已經演進。CB-SEM的調節 (干擾)分析共計有31種,最新要求使用變數來產生交叉乘項有3種如下:

Unstandardized (非標準化):本書使用Unstandardized(非標準化) 來產生交叉乘項,而此變數的資料來源為M個直接觀測變數分別乘上N個直接觀測變數所產生的結果。

Mean Centered (平均數中心化):將直接觀測變數減去平均數,再交叉乘項。例如,M1N1的數據來源是將M1欄位的資料(減去平均數)乘上N1欄位的資料(減去平均數)。

Standardized (標準化) (建議使用):將直接觀測變數先標準化 (Standardized) ,再交叉乘項。例如,M1N1的資料來源是將M1欄位的資料(標準化)乘上N1欄位的資料(標準化)。

在CB-SEM中,研究模式的估計是將S和∑▒(θ) 的discrepancy function(差異函數)最小化,S是實證的共變異矩陣,∑▒(θ) 是模式imply(隱含)的共變異矩陣。 估計方式在CB-SEM中提供了ML,GLS,ULS,Scale-free, Asymptotically Distribution Free (ADF)估計差異函數,外加Bootstrap方式,

ML function: F_ML=log⁡〖|Σ|+tr(SΣ^(-1) )-log⁡〖|s|-p〗 〗

GLS function: F_GLS=1⁄2⁡〖tr[〖(I-S^(-1) Σ)〗^2] 〗

ULS function: F_ULS=1⁄2⁡〖tr[〖(S-Σ)〗^2] 〗

Scale free function: SCALED T= c^(-1) T

ADF function: F=(▁S-▁σ)^T W^(-1) (▁S-▁σ) : "T" indicates transposition, W is a weight matrix

S^T=(S_11,S_21,S_21,…S_PP)

σ^T=(σ_11,σ_21,σ_21,…σ_PP)

Bootstrap: 重複抽樣方式而形成, Bootstrap + ML, Bootstrap + GLS , Bootstrap + ULS , 

Bootstrap + Scale free, Bootstrap + ADF

在一般情形下,ML和GLS有多變量常態分佈的限制條件,若是非常態的資料,則考慮ULS。在違反常態分佈下,Hu et al. (1992) 的研究顯示ML,GLS和ADF的標準統計估計不佳,使用Scaled free test 會是較好的估計方式。

調節變數和自變數形成的交互作用項, 在了解連續變數形成調節項有3種,估計函數(方式)有10種,共計有3*10=30種,加上類別變數1種,共計有31種調節分析結果,研究者想要了解各種方法的限制條件,才能正確估計調節分析。在一般情形下,CB-SEM常用的調節分析有7種,三種變數(調節項) X 2種估計(ML和bootstrap+ML)=6, 加上類別的調節分析(X2/df), 研究者至少需要學會這7種基本的CB-SEM調節分析,才能正確的估計調節分析。

Note:有兴趣的研究者请自行参考 LISREL and/or AMOS 手册和论文




https://wap.sciencenet.cn/blog-3444471-1273614.html

上一篇:非常态分布(Non-normal distribution)该如何处理?
下一篇:投稿文章后,收到审查意见有:缺乏贡献或贡献不足时,该如何处理?
收藏 IP: 122.238.189.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 02:31

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部