L'effet de médiation bootstrap dépend-il de la valeur p ?

Lors du test de l'effet de médiation dans bootstrap, vous n'avez pas besoin de regarder la valeur p ; lorsque vous utilisez la méthode Bootstrap pour tester l'effet de médiation, elle est jugée selon que l'intervalle « BootLLCI, BootULCI » contient 0. Si c'est le cas, ne contient pas 0, l'effet médiateur est significatif, s'il contient 0, l'effet médiateur n'est pas significatif.

L'environnement d'exploitation de ce tutoriel : système Windows 7, ordinateur DELL G3

L'effet de médiation du bootstrap dépend-il de la valeur p

L'utilisation de la méthode Bootstrap pour tester l'effet de médiation n'est pas jugée par le La valeur P, mais basée sur (BootLLCI, BootULCI), est jugée selon que cet intervalle contient 0. S’il ne contient pas 0, l’effet médiateur est significatif ; s’il contient 0, il n’est pas significatif.

Dans le cas donné, la valeur de l'effet médiateur (effet indirect) est de 0,1969, ce qui est significatif. L'effet total de la variable indépendante sur la variable dépendante est de 0,9373, ce qui signifie que la variable médiatrice médiatise 21% de l'effet. ( 0,1969/0,9373), qui est un intermédiaire incomplet.

Dans le même temps, il convient de noter que les chiffres ci-dessus sont des valeurs d'effet non standardisées. SPSS donne uniquement la valeur de l'effet de médiation standardisé, mais ne donne pas la valeur d'effet standardisée de l'effet total et de l'effet direct.

En fait, en utilisant des tailles d'effet standardisées ou non standardisées pour calculer la proportion d'effets médiateurs, les résultats sont similaires.

L'application la plus utilisée de Bootstrap est de tester l'effet de médiation.

Les autres méthodes à effet médiateur comprennent :

·La plus couramment utilisée : test pas à pas des coefficients de régression (méthode pas à pas) (Baron & Kenny, 1986)

Étape 1 : tester si X→Y, c'est-à-dire c, est significatif , non Si c'est significatif, ne le faites pas

Étape 2 : Testez si And c' est plus petit que c, c'est-à-dire intermédiaire partiel. Si c' n'est pas significatif, il est complètement médiatisé. Cette situation est relativement rare.

·Méthode Sobel :

La puissance du test est supérieure au test pas à pas, mais en supposant que a*b obéit à la distribution normale, même si a et b sont tous deux des distributions normales, leur produit n'est généralement pas normal,

Donc Sobel a des limites

Avantages de Bootstrap : aucune distribution normale n'est requise, sensibilité plus élevée (plus susceptible de produire des résultats significatifs)

Méthode Bootstrao pour tester l'effet de médiation, en prenant comme exemple le plug-in Process dans SPSS :

Deuxième étape : définissez les paramètres.

Sélectionnez les variables dépendantes, les variables indépendantes et les variables de contrôle dans [Variables].

Sélectionnez 4 pour le numéro de modèle. Il s'agit du numéro de modèle pour l'analyse de médiation. Si vous sélectionnez autre chose, une erreur sera signalée.

Le nombre d'échantillons bootstrap correspond à la taille de l'échantillon bootstrap mentionnée précédemment. La valeur par défaut est de 5 000, qui est généralement comprise entre 1 000 et 5 000. En fonction de la taille de l'échantillon bootstrap, les données seront légèrement différentes.

En même temps, cochez enregistrer les estimations bootstrap et l'inférence bootstrap pour les coefficients du modèle.

Cliquez sur [Options] dans le coin supérieur droit, cochez Afficher le modèle d'effet total (afficher le modèle d'effet total), cliquez sur Continuer

Enfin, cliquez sur [OK ] pour obtenir les résultats de l'opération

Résultats de l'opération :

1. Résultats de régression avec la variable médiatrice comme variable de résultat

2. À l'heure actuelle, l'impact de MV sur DV et l'impact direct de IV sur DV peuvent être obtenus

3 Modèle à effet total : il s'agit de l'effet global de la variable indépendante IV sur la variable dépendante DV en l'absence. de la variable intermédiaire MV ; C'est-à-dire que tous les effets de la variable indépendante sur la variable dépendante avant d'être médiés. Après médiation, l'effet de la variable indépendante sur la variable dépendante sera divisé en effet direct sur la variable dépendante (effet direct). ) et effet indirect sur la variable dépendante (effet indirect). Deux parties

Voici le point clé ! ! ! ! L'effet de médiation le plus intuitif est ici ! ! !

4. Résultats du test d'effet de médiation.

Recommandations associées :

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!