大家好,我是李博士,接下来我跟大家分享的是用 s p s s 的 process 插件呢做调节效应,这里呢我们用到的是 process 里面的模型机。 好,我们首先来看一下这个 process 里面的模型一,呃,这个调节效应呢,我们可以看到是在 x m 呃之间呢增加了一个调节边的 m m 呢对 x 和对对 x 呢进行调节。 嗯,然后它的呃统计图呢,我们可以看看作是增加了一个交互项,就是 x m 的乘机项,然后看它呢呃对外呢是否有显著影响。 好,关于在包在子里面的操作呢,我们首先打开这个包在子插件,然后呢我们可以看到出现了这样一个界面,我们首先呢就要选择他对应的模型,这里呢是选择的是模型一,然后他呢主要是已经制定好了模型, 我们通过这个软件呢,首先确定他所对应的模型,然后选定模型之后呢就可以把相应的变量选择进来,这里 呃呃音变量 y, 然后这是呃自变量 x, 这呢是调节变量,然后进入这个 option, 这一选项呢,我们需要选择它对应的就是第二项针的位置勾的呃,哦,这是呃交互 这样的一个呃代码,然后呢下面呢就是呃中心数值的一个输出,再一个呢就是我们输出的小数点位数值之三,然后下面选择的是均值加减一个标准叉。 好,这,这呢是 process 的修复结果,我们呢先用呃 process 呢来做一下 调节,教育好,这是它的一个原始数据, x 是自变量 m, 呃, o e 呢是调节变量 y 呢神经变量。后面这两个呃 z x, z m o e 和 z x 下滑线 z m o e 呢是 呃中心化的一个数据,我们后面来验证它的结果使用前面呢,在做用 spss 做呃调节效应分析的时候呢,用到了这一种数据,大家如果感兴趣呢,可以看一下 spss 的相关视频, 让我们来做一下分析。回归高在三点三,然后我们把呃自变量选进来,音变量选进来, 还有调节变量小,这模型是模型,因为他呢有好多,每个模型呢对应的是 呃不同的那个模型,所以说呢,我们首先要保证这个是对,然后在选项里面第二个和最后一个,这呢选上三,这 一百减零点五, 继续确定好这个,这个呢就输出结果了,我们可以看到,呃,重点是下面,然后 啊,这是模型的总结,包括二方,然后再一个是模型的一个情况,包括他的技术标准物 p 值, p 值,呃, 那之前区间是这样,然后呢?呃,我们重点来看这个交互相,交互相呢是就查到成绩相了, 是 p 值,是零点零 c 一小于零点零五,就说明呢啊,这个调节效应是减著的。我们再来看这 x, 这记录是正,然后调节交互向的记录是负呢,也就是说起反向调节作用。 然后我们再往下看,再往下看呢,就是呃对应的是呃这个节略, 然后 m 零呢? m m 零一呢,对应的是 副值,就是低调节作用的时候,对应的 t 值和 p 值呢,是是简度的,如果 m 零一对对应的高值呢,就是呃不简度的。然后关于绘图呢,我们就用到了下面这一组图,我们再来看 pet 吧, 好,这是它的结果,我们可以通过这个结果呢,我们可以看出,呃跟前面用到的 spf ss 结果呢是完全一样的,你看这二方呢是零点六五八,等于他零点六五八,然后这个还巴扎根基表 f 呢是九点二三四,等于这个十九点二三四,然后这个技术呢跟这里面呢也是完全一样的, 呃长速向二点二六九,然后 x 呢减三七五,这个呃调节变量减二九,然后交互向呢是负点零点四六四,它 然后关于绘图呢,我们可以呃对他这个输出的数据呢,就是复制到 s p s s 里面去,然后呢因为我们一般是绘制两组就可以了,可以把中间这一 调就只绘制绘制呢低条件变量和高调节变量下的一个呃两个折件就可以了,这样呢就形成两条折件,把这组数据呢去掉,可以通过图形里面进行相关的折线图绘制, 然后在一块呢,我们就还可以呢通过这个 is there 来绘制它呢,我们直接可以通过这样一个模板呢,嗯,把相应数值呢对应过来就可以,它自动调节它的一个呃折线的位置和形状。 呃,然后呢我们只需要把相应的变量名称啊,因变量名称啊进行简单修改就可以了,大体来看一下,他呢就是我们呢就是对应这这里的 数值呢,在我们这是二点多吧,就可以任意修改,然后他呢就可以自动修调整了,再改回来吧,这是零一点八七八,就可以自动修改了, 这是我们的 excel, 就关于本次内容呢就分享到这里。呃,大家如果有疑问或者合作事宜呢,可以联系我,这是我们的联系方式。好,谢谢。
粉丝4266获赞1.6万

大家好,我是李博志,接下来我跟大家分享的是 spss 的 pro 再次模型字简单中介交易,模型简单中介交易呢就是 x 和 y 之间呢,有一个中介变成 m 的情景,我们来看一下他是 用方在是怎么分机的,这是他的模型字,然后他的基本图呢就是 x 和 y 之间呢有一个 呃中介变量,这是它的一个呃基本模型,然后我们打开 pro 再次 呃插件呢,就可以在这这界面底下呢选择模型字,然后在音变量里面呢输入我们所需要的音变量外,然后这是呃字变量呢,选入到这个 x y rebo 里面去,然后 这个中介边上的选择到这个中介边上,然后关于选项内容呢,我们需要选上这几个有呃中介边上的和和模型四的,这包括模型四,然后下面呢就是呃中介模型,然后这个 消音量,还有这个标准化技术,这个呢我们可以选择上这单将还有小数点位数呢,选择三位, 好,我们可以打开那个 spss 软件,对于那来相应操作一下回归, 然后这是音变量实变量 f 四,然后中介变量,再把模型四,这个呢一定要选上 选项这几项模型字和中介,然后小数点呢改成单位,好,这样呢就是他那个结果呢就预警出来了, 我们对照着这个结果来看一下,呃这一部分结果呢就是 x 对 m 的一个回归,就是这样 x 对 m 的一个回归结果,它的技术呢是零点三三九,就是这,然后 p 值呢是零点零一,就是两颗径这里, 然后再就是呢 x m 对 y 的一个回归, x m 对 y 的一个回归,然后系数呢? x 系数呢是零点四三四,这 m 呢是零点三三七,这 m 呢 这批值上是零点零二零,也就大于零点零一,小于零点零五是一颗星,这我们就可以根据这两个回归呢,把它的模型以及上面的技术呢以及显著镜呢给标注出来。 好,接下来呢我们再进行一个中介教育的判断,就是下面结果了。首先我们来看这个,呃, 呃, indirect, 呃, effect 就是这了,然后这是我们看它是否包括这直径区间呢?是否包括零这里呢?不包括零就说明呢,中介效应是存在的,就对应这句话, 然后呢,如果中间效应全在呢,我们再看直接效应,直接效应 再看是否包括零,也是不包括零的。呃,所以呢,这里是呃部分中介交易,就是这里对应的是这个结果了。然后如果呃这个间接效应包括零呢,就说明中介效应不存在,就不用进行后面分析了。 然后如果这一个中介性存在,如果直接效应啊,包括零啊,说明是完全中介,就是对应在这里两个步骤。然后第三步呢,我们就来计算一下间接效应占总效应的比值, 我们先来找到 g n g 交易估计量,这是零点一三二除以总交易只有零点五六七是出这个比值就是它的一个比重, 这是他的一个中介效应。好,关于中介效应模型,那我们就介绍到这里,大家如果有意外合作之一呢,可以联系我们,这是我们联系方式。好,谢谢。

有粉丝小伙伴问我在教案中的图是用什么软件来画的?我今天来给大家说一下这个 what is on, 这就是我用到的画图软件,这个软件是在线的,它有免费的和付费的,我目前呢是付了费的, 免费呢,他对已创建的文件的数量有一定的限制,但是对功能上讲话基本上没有什么区别。 我们在整理所有的课程呃时候需要用到的图都是通过这个软件来画的,以及我们在上课的时候 因为要讲把一些知识点讲清楚的话,会涉及到大量的画图,这画图也是用的这个软件,我们可以随便点一个进去看一下啊, 哎,这个稍等再打开, 由这里边就涉及到大量的这个加外部呃知识点的时候就画了很多的图都是通过这个软件来画的,那我们怎么去使用呢?你再点击新建,这有一个有流程图,有月薪图,还有 u m l 图,其实我们很多小伙伴一般说用这个流程图就够了, 在这个流程图中呢,其实他会提示有很多些模板可以让我们去选择模板, 这有就选择模板,目前呢如果你不想选择模板的话,就直接就直接不要选择模板,就直接用就好了。用的话这个左边呢有很多的图形, 这些图形呢,我随便拖一个过来,然后就可以画条线啊,就可以开始做我的业务所需要的 图啊,或者说是我的旧上所需要图,就可以拖各种各样图,你这还有些箭头啊之类的啊。

大家好,我是李博志,我跟大家分享的是 spss pro 在此插件的模型十四,有调节的中介模型,他呢是调节的是呃中介作用的后半场就说 m 到 y 之间的调节作用。 好,我们先来看一下这模型词字,这模型词字呢我们可以看,主要呢就是呃,首先呢我们先来看这个中介边, x 到 m 到 y 呢,是点到一个中介,然后这个位呢是调节的是 m 到 y 外之间的效应,也就是说他是有调节的中间,呃,从通过这个右侧这个图呢,我们可以看到这个有条件的间接效应呢,就是这样的工具, mi 等于 ai 这个框里这个数值,然后这个直接效应呢就是这撇了,然后这模型十四呢,跟前面是一样的,就是呃允许最多的中介编的个数呢是十个。 好,我们再来看 process 的相关操作。首先呢我们把确定一下音变量不变量,以及它的一个 m 一呢是中介变量,然后这个位音呢是调节变量,然后这个节变量呢,如果有的话呢可以放到这节变量里面来,然后这个 呃模型呢就是选择模型之四,然后选项里面呢,我们主要选择上这种角,第二角底,嗯,第四角格最后一角,然后这小数点位数呢就是三位,然后这个把 p 呢小于零点零,然后这呢减去 呃均值,加减正负标准叉。好,我们再来看一下有调节的中介模型的一个分析思路。首先呢我们是点亮一个呃中介交易的存在,就是 m x y 之间存在一个中介变量, m, 这中介交易是存在的,然后呢它呢主要是用到了是 process 里面的模型四, 那再再一个呢,我们就是检验他的调节教育。呃,我们调节教育呢,就这里面是检验后半段用到的是模型十四。 然后再呢就是进行一个简单节律的分析了,绘制这样一个条件相应的图。呃,这里呢有通过一个 a c r 表格呢,把 process 输出结果呢?对, 用你加入到 a c 二表格里面来呢,就可以得到咱们的啊调节效应的图。好,我们还是拿一组案例数据呢,来具体来操作一下 分析回归。打开我们的 process 软件,这是音变量,自变量,中介变量, win 是调节变量,选择魔镜十四, 然后这个选项呢,我们选第二项,第四项,呃,最后一件, 然后这呢是三位,这里是零点零五均值家用 标准渣。 好,那它的结果呢,已经输出来了,我们分别来看一下。第一部分呢就是自变量,对,呃中介变量 m 一的一个回归模型结果,包括 iphone 这些技术,在这里呢是一个为标准化的一个技术。 当第二部分结果呢就是呃中介变量调节变量与他的交互相对, 呃音变量外的一个技术。我们通过这个表,呃这个模型呢,可以看出来,这个交互相呢是一直呢是零点零零零,也就说交互相是简著的,呃,就可以看到呢交互效应,这调节效应呢是存在,我们再来看他的 正步,这个交互交互相的一个符号呢,跟呃自变量,自变量这里呢自变量呢就相当于我们的 m 一了,是符号是一致的,所以说呢是一个正向调节作用。 呃,下面这 m 乘 w 呢,这两个数值呢,也是检验它的调节交易是否存在的,批值呢是零点零零零,也就说是减著的。 然后我们就是通过下面这一组数据呢,来绘制它的一个呃简单效应的一个节律图啊,我们可以看到呢,这 v 一呢是低值的时候呢,这个 呃交易纳呢是一点三五三,然后唯一是高值的是二点四五,也就说呢唯一数值 越高呢,它的教育量呢是越高的,也就说是呃正降调节作用,这是这是它的通过这一组数据呢绘制一个软点图,那再往下呢,这是直接教育,在教育呢是点三二零。 然后再来看这个间接角, x 到 m 到 y, m 一到 y 呢,当位是低值的时候呢,我们可以看到直线区间呢,是不包括零的,是减速的。当时高值的时候呢,也是不包括零的,也是减速的, 也就是说唯一是低水平和高水平的时候呢,都是显著的啊。下面呢是整体的一个呃调节,有调节的中介交易模型的一个点面,能看 到这个 v 呢是,这是他的技术,这是他的一个呃执行区间。从整体上看呢,这个模型呢是 包括零的,也就是说它是不讲究的。 好,我们这里呢还要注意的一点呢,就是呃这个在做分析之前呢,对数据的是进行了中心化,就对这个 v 一和 m 一,那这个中心化呢就是对我们这里的数据进行中心化, 就是对这两个边呢就是 m 和 v 数据呢进行了一个中心化。嗯, 好。接下来呢我们再来通过这一个 呃,这这一篇论文呢,它是通过一个调节的,是前半段,呃有条件在中间教你做的分析,这里呢我们就参考一下他这个一个具体思路,我们这呢介绍主要内容是后半段思路呢都是一样的, 首先呢用魔镜四剪成了一个中介角形的形态,然后再就用魔镜贴,魔镜贴呢前半段,然后魔镜之四呢是后半段,呃进行了一个 呃他的一个调节效应进行简便,然后呢再进行一个呃调节效应的一个这样一个绘图,呃,这是这篇文章的一个出图,大家如果有感兴趣的可以看一下这篇文章哦。 还有一个内容呢,就是这个简单教用图,然后我们就可以通过,呃,在也这样里面这样一个文件呢,把数据呢蹲过来,这是低值,然后比如说这是 m 一呢,就相当于这里的 dm, 然后就说那与自变量低分了,然后调节变量是低值一点七零五,这样呢对应一下, 比如说这个高分对变量,高分是他对零点四九六对应的三点六三二,这样对应过来呢就可以把他这个调节教育的给绘制出来了。 好,关于模型十四呢就介绍到这里,大家如果有疑问或者合作质疑呢,可以联系我们。好,再见。

每天一款实用小软件 ross 四拉 so 今天要介绍的这一款软件呢,叫做 plus cssl, 它的独特之处在于可以动态的去帮助我们的电脑调配资源,可以有效的避免蓝屏夹死、进程停止、响应进程占用 cpu 时间过多等症状。 主菜单这里把我们的新的模式勾上,以及这当前电源计划的高性能勾上,这样的话他就可以自动的动态的去帮忙调整每一个程序的优先级。