คำถามติดแท็ก mediation

ฉันเพิ่งอ่านบทความนี้ซึ่งอธิบายถึงวิธีการคำนวณความสามารถในการทำซ้ำ (ความน่าเชื่อถือหรือความสัมพันธ์ภายในอินทราเน็ต) ของการวัดผ่านการสร้างแบบจำลองเอฟเฟกต์ผสม รหัส R จะเป็น: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) #compute n0, the repeatability adjustment n = as.data.frame(table(my_data$unit)) k = nrow(n) N = sum(n$Freq) n0 = (N-(sum(n$Freq^2)/N))/(k-1) #compute …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

ฉันสงสัยว่าถ้าใครรู้วิธีเรียกใช้โมเดลการไกล่เกลี่ยหลาย ๆ แบบในอาร์ฉันรู้ว่าแพ็คเกจการไกล่เกลี่ยอนุญาตให้ใช้แบบจำลองการไกล่เกลี่ยหลายแบบได้ง่าย แต่ฉันต้องการเรียกใช้โมเดลหนึ่งที่ประเมินโมเดลการไกล่เกลี่ยหลายแบบพร้อมกัน ฉันสมมติว่าฉันสามารถทำได้ในกรอบ SEM (การวิเคราะห์เส้นทาง) แต่ก็สงสัยว่าใครใหม่ของแพคเกจที่คำนวณสถิติทั่วไปของการวิเคราะห์การไกล่เกลี่ยสำหรับผู้ไกล่เกลี่ยหลายคน (ผลทางอ้อมสัดส่วนของผลรวมผ่านการไกล่เกลี่ย ฯลฯ ) และสามารถใช้ประโยชน์จากความร่วมมือ ฉันรู้ว่านี่เป็นช็อตยาว แต่คิดว่าฉันควรถามก่อนลงทุนเวลาพัฒนาตั้งแต่เริ่มต้น อัปเดต: (11/11/2013) ตั้งแต่ถามคำถามนี้เมื่อสองสามปีที่แล้วฉันได้เรียนรู้การใช้ลาวาแพ็คเกจ R ที่ยอดเยี่ยมเพื่อทำหน้าที่เป็นสื่อกลางหลายอย่าง นี่คือตัวอย่างรหัส: model <- ' # outcome model outcomeVar ~ c*xVar + b1*medVar1 + b2*medVar2 # mediator models medVar1 ~ a1*xVar medVar2 ~ a2*xVar # indirect effects (IDE) medVar1IDE := a1*b1 medVar2IDE …

19 r  regression  mediation 

ฉันสนใจที่จะทดสอบโมเดลการไกล่เกลี่ยอย่างง่ายกับหนึ่ง IV หนึ่ง DV และหนึ่งสื่อกลาง ผลทางอ้อมมีความสำคัญเมื่อทดสอบโดยมาโคร Preacher และ Hayes SPSS ซึ่งแนะนำว่าคนกลางทำหน้าที่เป็นสื่อกลางในการสื่อความสัมพันธ์ เมื่ออ่านเกี่ยวกับการไกล่เกลี่ยฉันได้อ่านสิ่งต่าง ๆ เช่น "โปรดสังเกตว่าแบบจำลองสื่อกลางเป็นแบบจำลองเชิงสาเหตุ" - เดวิดเคนนี แน่นอนฉันสามารถชื่นชมการใช้แบบจำลองการไกล่เกลี่ยเป็นแบบจำลองเชิงสาเหตุและแน่นอนถ้าแบบจำลองทางทฤษฎีฟังดูแล้วฉันจะเห็นว่ามันมีประโยชน์มาก ในแบบจำลองของฉันอย่างไรก็ตามผู้ไกล่เกลี่ย (ลักษณะที่พิจารณาว่าเป็น diathesis สำหรับโรควิตกกังวล) ไม่ได้เกิดจากตัวแปรอิสระ (อาการของโรควิตกกังวล) ค่อนข้างคนกลางและตัวแปรอิสระมีความเกี่ยวข้องและฉันเชื่อว่าความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามสามารถอธิบายได้ส่วนใหญ่โดยความแปรปรวนระหว่าง IV-mediator-DV ในสาระสำคัญฉันพยายามแสดงให้เห็นว่ารายงานก่อนหน้านี้ของความสัมพันธ์ IV-DV สามารถอธิบายได้โดยผู้ไกล่เกลี่ยที่เกี่ยวข้องที่ไม่ได้เกิดจาก IV การไกล่เกลี่ยมีประโยชน์ในกรณีนี้เนื่องจากอธิบายว่าความสัมพันธ์ IV-DV สามารถอธิบายทางสถิติโดยความสัมพันธ์ IV-Mediator-DV ได้อย่างไร ปัญหาของฉันคือคำถามเกี่ยวกับสาเหตุ การตรวจสอบกลับมาและบอกเราว่าการไกล่เกลี่ยไม่เหมาะสมเพราะในความเป็นจริง IV ไม่ได้เป็นสาเหตุของผู้ไกล่เกลี่ย (ซึ่งฉันจะไม่เคยโต้เถียงในตอนแรก)? มันสมเหตุสมผลหรือไม่ ข้อเสนอแนะใด ๆ เกี่ยวกับเรื่องนี้จะได้รับการชื่นชมอย่างมาก! แก้ไข : สิ่งที่ฉันหมายถึงคือ X มีความสัมพันธ์กับ Y …

19 causality  mediation 

ฉันนึกถึงตัวอย่างที่ไร้เดียงสาอย่างน้อยหนึ่งข้อ สมมติว่าฉันต้องการศึกษาความสัมพันธ์ระหว่าง X และ Z ฉันยังสงสัยว่า Y มีผลกับ Z ดังนั้นฉันจึงควบคุมสำหรับ Y อย่างไรก็ตามเมื่อปรากฎว่าไม่รู้จักฉัน X ทำให้ Y และ Y ทำให้ Z ดังนั้นโดยการควบคุม สำหรับ Y ฉัน "ปกปิด" ความสัมพันธ์ระหว่าง X และ Z เนื่องจาก X เป็นอิสระจาก Z ที่ให้ Y ในตัวอย่างก่อนหน้านี้มันอาจเป็นกรณีที่ความสัมพันธ์ที่ฉันควรศึกษาอยู่ระหว่าง X และ Y และ Y และ Z อย่างไรก็ตามถ้าฉันรู้เรื่องดังกล่าวมาก่อนฉันจะไม่ทำวิทยาศาสตร์ใน สถานที่แรก การศึกษาที่ฉันทำตอนนี้ชี้ให้เห็นว่าไม่มีความสัมพันธ์ระหว่าง X และ Z ซึ่งไม่ใช่กรณีที่ .... …

15 mediation  controlling-for-a-variable 

ฉันพยายามที่จะนำหัวของฉันไปรอบ ๆ แพคเกจสื่อกลางใน R โดยใช้บทความสั้นสำหรับแพคเกจ ฉันพยายามที่จะเข้าใจผลลัพธ์ของmediate()ฟังก์ชัน require("mediation") require("sandwich") data("framing") med.fit <- lm(emo ~ treat + age + educ + gender + income, data = framing) out.fit <- glm(cong_mesg ~ emo + treat + age + educ + gender + income, data = framing, family = binomial("probit")) summary(out.fit) # OR for …

12 r  mediation 

ในโมเดลสื่อกลางแบบคลาสสิคเรามีเส้นทางที่แสดงในแผนภาพด้านล่าง , ซึ่งในขั้นตอนแรกของการทดสอบผลการไกล่เกลี่ยของ M ระหว่าง X และ Y คือ X นั้นมีความสัมพันธ์อย่างมีนัยสำคัญกับ Y (ดังแสดงในแผง A ในรูป) แต่ผมชนเข้ากับสถานการณ์ที่เส้นทางและเส้นทางขมีความสำคัญอย่างยิ่ง แต่ไม่เส้นทาง C เมื่อเปรียบเทียบกับ Path c เส้นทาง Path c 'ไม่มีนัยสำคัญ แต่ค่าสัมประสิทธิ์ลดลง ในกรณีนี้มันยังคงมีค่าที่จะพูดคุยเกี่ยวกับความสัมพันธ์ระหว่าง X, Y และ M หรือไม่? ถ้าเป็นเช่นนั้นวิธีที่ดีที่สุดในการจัดการความสัมพันธ์นี้ในบทความคืออะไร? เราสามารถอ้างได้ว่า X มีผลทางอ้อม แต่ไม่ใช่ผลกระทบโดยตรงกับ Y หรือไม่? ฉันกำลังทดสอบรูปแบบเส้นทางเดียวกันกับสามตัวอย่าง166n1=124,n2=49,n3=166n1=124,n2=49,n3=166n_1 = 124, n_2 = 49, n_3 = 166

12 mediation  path-model 

นี่เป็นเพียงตัวอย่างที่ฉันเจอหลายครั้งดังนั้นฉันจึงไม่มีข้อมูลตัวอย่าง ใช้แบบจำลองการถดถอยเชิงเส้นใน R: a.lm = lm(Y ~ x1 + x2) x1เป็นตัวแปรต่อเนื่อง x2เป็นหมวดหมู่และมีสามค่าเช่น "ต่ำ", "ปานกลาง" และ "สูง" อย่างไรก็ตามเอาต์พุตที่กำหนดโดย R จะเป็นดังนี้: summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 0.19 x1 -0.61 0.11 1.451 0.17 x2Low -0.78 0.22 -2.34 0.005 x2Medium -0.56 0.45 -2.34 0.005 ฉันเข้าใจว่า R แนะนำการเข้ารหัสแบบหลอกบางอย่างเกี่ยวกับปัจจัยดังกล่าว ( …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

ฉันสนใจที่จะค้นหาขั้นตอนเพื่อจำลองข้อมูลที่สอดคล้องกับรูปแบบการไกล่เกลี่ยที่ระบุ ตามการเชิงเส้นกรอบโครงสร้างโมเดลสมการทั่วไปสำหรับการทดสอบแบบจำลองการไกล่เกลี่ยที่ระบุไว้เป็นครั้งแรกโดยBarron และเคนนี (1986)และอธิบายอื่น ๆ เช่นจัดด์ Yzerbyt และมุลเลอร์ (2013) , รุ่นไกล่เกลี่ยสำหรับผลคนกลาง\ newcommand {\ med} {\ rm med} \ medและตัวทำนายXและอยู่ภายใต้สมการการถดถอยสามแบบต่อไปนี้: \ start {align} Y & = b_ {11} + b_ {12} X + e_1 \ tag {1} \\ \ med & = b_ {21} + b_ {22} X + e_2 \ …

9 r  regression  simulation  random-generation  mediation