變項之間沒有一定要正向關係，這完全取決於文獻與理論是如何推論研究假設的，判別 中介效果 之關鍵在於「顯著性的改變或者是原係數是否被減弱」， ... ... <看更多>
中介效果 假說 在 一夜。統計學：SPSS如何處理中介效果 - YouTube 的推薦與評價
「中介效果 假說」的推薦目錄：
- 關於中介效果 假說 在 Re: [問題] 中介或調節效果？ - 看板Statistics - 批踢踢實業坊 的評價
- 關於中介效果 假說 在 一夜。統計學：SPSS如何處理中介效果 - YouTube 的評價
- 關於中介效果 假說 在 【SPSS-PROCESS外掛程式分析中介效果和調節 ... 的評價
- 關於中介效果 假說 在 [問題] 中介效果分析- 看板Statistics - PTT網頁版 的評價
- 關於中介效果 假說 在 中介變項 :: 博碩士論文下載網 的評價
- 關於中介效果 假說 在 中介變項統計-在PTT/Dcard/Yahoo上推薦旅遊景點與熱門討論 的評價
- 關於中介效果 假說 在 中介變項統計-在PTT/Dcard/Yahoo上推薦旅遊景點與熱門討論 的評價
中介效果 假說 在 【SPSS-PROCESS外掛程式分析中介效果和調節 ... 的推薦與評價
SPSS-PROCESS外掛程式分析中介效果和調節效果】 . ... 中，協助研究者直接分析複雜的研究架構，不需要逐一檢驗每條預測的研究假說，因此本篇主要目的為介紹如何使用PRO ... <看更多>
中介效果 假說 在 [問題] 中介效果分析- 看板Statistics - PTT網頁版 的推薦與評價
為避免版面混亂，請勿手動置底問題，擅用E做檔案編輯 各位大大好想要請問一下有關簡單的中介效果分析判定爬文以及google都google不到我的狀況因此想要在這邊詢問各位 ... ... <看更多>
中介效果 假說 在 中介變項 :: 博碩士論文下載網 的推薦與評價
博碩士論文下載網，在統計學中，一個中介模型的作用是確定並解釋在獨立變項與因變項之間的第三個假設變數（即中介變項）。在原本獨立變項和因變變項直接的因果關係之間 ... ... <看更多>
中介效果 假說 在 中介變項統計-在PTT/Dcard/Yahoo上推薦旅遊景點與熱門討論 的推薦與評價
在統計學中，一個中介模型的作用是確定並解釋在獨立變項與因變項之間的第三個假設變數（即中介變項）。在原本獨立變項和因變變項直接的因果關係之間之外，中介模型嘗試 ... ... <看更多>
中介效果 假說 在 中介變項統計-在PTT/Dcard/Yahoo上推薦旅遊景點與熱門討論 的推薦與評價
在統計學中，一個中介模型的作用是確定並解釋在獨立變項與因變項之間的第三個假設變數（即中介變項）。在原本獨立變項和因變變項直接的因果關係之間之外，中介模型嘗試 ... ... <看更多>
中介效果 假說 在 Re: [問題] 中介或調節效果？ - 看板Statistics - 批踢踢實業坊 的推薦與評價
自曝其短，先說說我對中介和調節的理解
看是不是有錯誤
這樣才比較知道問題點在哪裡XDD
我的理解是：
1.中介(Me)
(a)
X ..........> Y
(b) (c)
X ........> Me.......> Y
.....................>
(c')
檢證步驟：
(1) X和Y的關係顯著(a)
(2) X和Me的關係顯著(b)
(3) Me和Y的關係顯著(c)
(4) X和Me對Y的關係顯著，c'值小於a
目前有的學者認為即使(a)不顯著，X和Y也可能存在中介效應
有可能是因為(b)(c)的方向與(a)相反，才讓(a)不顯著
有些人甚至認為，只要X....>Me Me......>Y這兩段有顯著
中介效果就可以成立
2.調節（干擾）(Mo)
(a)
X ............> Y
(b)
Mo............> Y
(c)
X*Mo..........> Y
當(c)顯著時，表示有調節效果存在
調節的意思就是，Mo會改變X與Y的關係，讓強度和方向出現轉變
我的研究設計是：
（自變項）病情嚴重程度（連續）(X)
（依變項）體重是否變瘦（二分，變瘦1/沒瘦0) (Y)
用Logistic迴歸分析後
現在知道：X和Y的直接相關性不顯著
（-2LL=13.938 Cox and Snell R平方=.043 Nagelkerke R平方=.059
卡方1.729(.189) B= -.087(.492)(不顯著) Wals=.472 ExpB=.916）
之後又參考理論，找出另一個可能影響的因素：吃東西的量（連續）(M)
檢測之後，X和M有顯著的負相關
（R=.364 R平方=.132 adjR平方=.112 F=6.550*
B= -.222* SE=.087 Beta= -.364）
M和Y有顯著的負相關
（-2LL=51.876 Cox and Snell R平方=.159 Nagelkerke R平方=.216
卡方=7.791** B= -.295* Wals=6.011 ExpB=.745）
所以現在知道，X.....>M, M......>Y這兩段關係顯著
X................>Y不顯著
但我不確定「吃東西的量」到底屬於 中介變項(Me)或調節變項(Mo)？
所以兩種檢證方式都有用spss跑
1.如果是 中介(Me)：
我使用二元Logistic迴歸分析，把X和M一起放入共變量欄位
方法用 Enter法
跑出來的結果和單獨只放X的來比：
(1) 自變數只放 X
-2LL=13.938 Cox and Snell R平方=.043 Nagelkerke R平方=.059
卡方1.729(.189)（不顯著）
X的 B= -.087(.492)(不顯著) Wals=.472 ExpB=.916
(2) 自變數放入 X和M
-2LL=43.398 Cox and Snell R^2=.303 Nagelkerke R^2=.413
卡方=16.269***
X的 B= -.173* Wals=6.379 ExpB=.841
M的 B= -.502** Wals=9.103 ExpB=.605
可以發現：
X的顯著程度提高，從 不顯著 變成 顯著
X的B值增加，從-.087變成-.173
M的B值大於X(-.502)
R^2值變大
這樣我可以說M是中介變項嗎？？
（可是X的B值增加，而不是減少）
另外，如果它是中介變數，那要怎麼詮釋？
(1)因為X....>M(負相關)，M.......>Y(負相關)
表示：病情越嚴重，吃的東西越少，進而會讓體重變瘦
病情嚴重程度和體重變瘦成 正相關
(2)但把X和M一起放進去時，X...>Y 卻呈現負相關
代表 病情嚴重程度 和 體重變瘦與否成 負相關
應該用哪一部分來做解釋？因為(1)和(2)似乎是相反的
2. 如果是 調節
使用 二元Logistic回歸
先放入 X，其次是M，第三是X*M
使用Enter法
跑出的結果是：
-2LL=30,256 Cox and Snell R^2=.480 Nagelkerke R^2=.653
卡方=13.142***
Hosmer與Lemeshow檢定：卡方=21.046**
（似乎表示模型不佳）
X的 B= -.689** Wals=8.530 ExpB= .502
M的 B= -1.730** Wals=7.224 ExpB= .177
X*M的 B= .108** Wals=6.915 ExpB=1.115
交互作用也有顯著，這樣表示M是調節變項？？
那要怎麼詮釋 X*M的B值是正的，X和M的B值是負的？
另外，一個變項可以同時是 中介＋調節嗎？
我可以說：病情的嚴重程度(X)可能會讓 體重變瘦(Y)
但必須視吃東西的多寡(Mo)而定
病越重，吃很多，體重不會瘦
越健康，吃很少，體重會變瘦......可以這樣詮釋嗎??
或是說：M的加入可以讓X和Y之間關係強度增強，使其出現顯著？
又是落落長一篇
希望版友們能有耐心看完
萬分感謝大家的回覆!!
※ 引述《winchin (撼動宇宙的第一小步)》之銘言：
: 最近遇到一個問題，翻了許多資料後還是沒啥頭緒
: 所以上來請教有經驗的板友
: 我的問題和中介效果、調節效果有關
: 內容有點長，裡面的故事也都是另外舉例的，還望大家能有耐心看完..
: 首先，簡單說明一下我的主題
: 一開始我想檢驗「身體的健康程度」(X)和「體重是否變瘦」(Y)兩者間的相關性
: X是連續變數，0非常健康-------->20病情嚴重，病越重，分數越高
: Y是二分的變數（變瘦1／沒變瘦0）
: 傳統論點認為：健康越不佳，體重就會變瘦
: 所以檢證的假設是：X和Y之間是 正相關
: 但跑了Logistic迴歸之後卻發現，X和Y之間的相關性 不顯著 且是 負相關
: 所以接下來我就想找看看有無其他的因素會影響X和Y間的關係
: 從過去理論文獻當中
: 學者們提到「吃進去的食物性質與數量」(M)會影響「體重變瘦與否」(Y)
: 因此我就列出三種食物（澱粉類M1、水果類M2、茶類M3）（連續變數）
: 檢驗他們的相關性
: 結果呈現出：
: 一，「健康程度」(X)和 澱粉類M1、水果類M2、茶類M3 都有顯著的 負相關
: （病越重，吃得越少）
: 二，只有 澱粉類M1 和 「體重變瘦」(Y) 之間有顯著的 負相關
: 至於M2 M3都未顯著
: （澱粉類的熱量高，吃越少，越會變瘦；吃越多，越會發胖）
: 所以我就知道 澱粉類M1 可能會影響X和Y的關係
: 為了確定M1確實有影響
: 因此我把 M1當成 控制變數，和X一起再跑一次 Logistic迴歸
: 結果顯示：
: X對Y的關聯程度提升，而且負相關達到顯著水準
: 我現在的問題點是：
: 一，請問我把M1當成控制變數的做法
: 能不能用來判定 M1的確有著中介或調節的效果？
: （我不需要知道效果的強度，或完全中介與部分中介
: 只需要知道是不是有中介效果即可）
: 二，我查到的資料在進行中介或調解效果分析時
: 依變項(Y)都是連續變項，或者分成三份以上的變項（用虛擬變項去跑）
: 但我的依變項卻是二分，0和1的變項
: 好像沒辦法用這種方式去檢驗？那有沒有其他合適的方法？
: 三，大家常說的中介效果成立都是符合：
: (a) X------->Y 顯著
: (b) X------->M1 顯著
: (c) X*M1---->Y
: 但我的情況是：
: (a)X------->Y 就已經不顯著
: 但是
: (b)X------->M1 顯著
: (c)M1------>Y 顯著
: 那這樣 X----> M1-----> Y 之間還有中介或調節的關係嗎？
: 四，在這樣的情況之下，該怎麼替 M1 定名？
: 它是 中介變數？調節變數（干擾變數）？還是......？
: 五，該怎麼詮釋統計結果比較妥當？
: 目前比較確定的是：
: 1. X和Y沒有顯著的直接相關（身體的健康程度不會直接讓體重變瘦）
: 2. M1和Y有顯著的負相關（澱粉類吃越多，體重越胖0
: 吃越少，體重越瘦1）
: 3. X和M1有顯著的負相關（病得越重，吃東西的量越少）
: 4. 把M1當成控制變項後，X和Y之間出現 顯著負相關
: （病得越重，體重越胖0，身體越健康，體重越瘦1）
: 如果只就2和3（X--->M1，M1---->Y）這兩段來解釋，是合乎理論預期
: （病得越重，澱粉類吃越少，澱粉類吃越少，則體重越瘦
: 所以病情越重 與 體重變瘦 之間有著正相關）
: 但M1的角色是甚麼？可以把它稱為中介變項嗎？
: 另外，要怎麼解讀 4 這一點？
: 它雖然凸顯出M1的影響力，可是卻和理論預期相反
: 而且也和結合2,3兩段後的解釋相反
: 在控制M1以後，X和Y呈現出顯著的負相關
: （病越重，體重越胖？？？）
: 我目前的解釋方法是：
: 病情的嚴重程度(X)在某種情況之下的確可能使得 體重變瘦(Y)
: 但體重變瘦與否 必須視 澱粉類M1 吃的數量多寡而定
: M1是很重要的干擾或中介變項
: 倘若病情很嚴重，同時澱粉類吃很多，那麼體重變瘦的機率會增加
: 如果病情嚴重，但澱粉類吃很少，則變瘦的機率會下降
: 如果身體很健康，但澱粉類吃很多，會提高變胖的機會
: 如果很健康，但澱粉吃很少，會降低變胖的機會
: 請問這樣的解釋妥當嗎？？
: 懇請版友們提供建議，萬分感謝!!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 112.105.52.213
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1397730001.A.8DE.html
※ 編輯: winchin (112.105.52.213), 04/17/2014 20:14:11
... <看更多>