||
【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
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-24 14:24
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社