Comment voir l'effet de médiation bootstrap

La méthode Bootstrap pour évaluer l'effet médiateur comprend : 1. Effectuer une analyse de régression pour enregistrer l'effet direct et l'effet indirect ; 2. Diviser l'échantillonnage et calculer à plusieurs reprises l'effet médiateur pour construire un intervalle de confiance ; si l'effet indirect est significatif, et évaluer dans quelle mesure il explique l'effet total.

Méthode d'évaluation de l'effet de médiation Bootstrap

La méthode Bootstrap est une méthode d'inférence statistique qui peut être utilisée pour évaluer l'effet de médiation. L'effet médiateur signifie qu'une variable indépendante affecte indirectement la variable dépendante en affectant la variable médiatrice.

Étapes :

1. Effectuer une analyse de régression

• Utilisez le bootstrap pour effectuer une analyse de régression sur la relation entre la variable indépendante X, la variable médiatrice M et la variable dépendante Y.
• Enregistrez l'effet direct (c') et l'effet indirect (a*b) de X sur Y.

2. Échantillonnage fractionné

• Sélectionnez au hasard plusieurs sous-échantillons (par exemple, 1 000 sous-échantillons) à partir de l'échantillon d'origine.
• Pour chaque sous-échantillon, répétez les étapes suivantes :

3. Calculez l'effet médiateur

• Calculez l'effet médiateur pour chaque sous-échantillon, soit : effet indirect = a*b
• Calculez l'effet direct, indirect effet et intervalle de confiance total pour l’effet.

4. Comparez les intervalles de confiance

• Comparez les intervalles de confiance des effets directs et des effets indirects. On considère qu’un effet médiateur existe si l’intervalle de confiance de l’effet indirect n’inclut pas zéro.
• Comparez les intervalles de confiance pour l'effet indirect et l'effet total. Si l’intervalle de confiance de l’effet indirect est petit par rapport à l’intervalle de confiance de l’effet total, cela indique que l’effet médiateur explique en partie l’effet de X sur Y.

Exemple :

Supposons que nous étudiions la relation entre la variable indépendante (sexe) et la variable dépendante (salaire), et que nous considérions la variable médiatrice (niveau d'éducation).

• L'analyse de régression montre que l'effet direct du sexe sur les salaires est de 0,2 et l'intervalle de confiance à 95 % est de [0,1, 0,3].
• L'effet indirect est de 0,1 et l'intervalle de confiance à 95 % est de [0,05, 0,15].
• L'effet total est de 0,3 et l'intervalle de confiance à 95 % est de [0,2, 0,4].

Selon l'intervalle de confiance, l'effet indirect est significatif et non nul, indiquant que le niveau d'éducation joue un rôle médiateur dans l'impact du genre sur les salaires. De plus, l’intervalle de confiance pour l’effet indirect représente environ un tiers de l’intervalle de confiance pour l’effet total, ce qui signifie que le niveau d’éducation explique en partie l’effet du sexe sur les salaires.

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!