粉丝1630获赞5820

大家好,呃,应同学们的要求,呃,我们对课后的一些重要的一些比较有代表性的习题,我们也一起来做一个讲解。那这讲我们先来看一下第四章的课后的练习题的第六题。 那这个题目是这样的,三代同堂的家庭中,婆婆和儿媳妇关系可能会比较紧张,那么为了了解住房条件对婆媳关系的影响, 对六百户的家庭进行了调查,并进行了列联表的分析。这个是表格,但是表格不完整,我们看一下这个题目的 要求。一、补充表中第一行到第四行空缺的计算结果。第二写出卡方检验的统计量,并说明其构造的基本原理。第三说明婆媳关系与住房条件有无关系。 我们看这个题目实际上是有三个变量对不对?一个是住房条件,这是列变量,婆媳关系这是行变量。 那剩下的还有个变量,就是我们填的这个六百户的家庭的这个户数,这是我们调查的数据,那住房条件他分为三类,差、一般好,婆媳关系分为紧张、一般和睦。那显然这是一个什么样的变量?这是一个分类型的变量,当然你也可以说是一个 定序的变量,那定序的变量,它实际上也是类型变量的一种特殊形式。 那么这个题目的解题思路是这样的,这显然是一个交叉分组下的平数分析,也就是列列表的分析。那题目没有给出数据文件,这个题目没有数据文件,所以我们要根据现有的信息,要先建立一个 s p s 数据文件,然后再对这个文件进行列领表的分析,我们找到他所有的缺失的数据,那这里面刚刚讲的有两个变量,就是婆媳关系和住房条件,他是个类别变量,那么对于类别变量的分析,我们需要用到卡方检验,那卡方检验 对于类别变量的分析,主要包括卡方的礼盒优度检验和独立性检验这两个检验。这部分的知识大家可以回过头去统计学的教材上面去看一下,再复习一下。那么这个题目显然是要做的是一个卡方独立性检验,也就是判断婆媳关系和住房条件有没关系, 行和列是不是相互独立啊?这就是一个行和列的相互独立性的检验。那我们来先看一下这个题目的第二题,他讲的卡方检验 的这个中的卡方统计量是什么?那从这里我们可以看到卡方统计量,这个是卡方,这个是希腊,希腊文字的,我们叫做 x, 但是他是卡方,他要比 x 要低半格啊,这是卡卡,这个读卡,那卡的平方就是卡方, 那在这个里面我们可以看到 are are, 它这个是列列表的函数, c 是列列表的列数,那我们再来看一下这个,它是观测的评数,那这个是期望的评数啊。那么对于期望的评数的这概念,大家可以去 教科书上再去看一下。那卡方统计量,他就是用于测度各个单元格的观测评数和期望评数的差异,然后根据卡方理论来分布卡方理论的分布,来判断这种差异 是不是有统计学上的显著性。那我们可以用两种方法来判断,一个就是期望评数代表的 是行和裂变量独立下的分布,所以卡方的观测值越大,说明实际分布和期望分布的差异越明显,这是一种判断方法,另外一种方法就是根据统计量的观测值的概率、批值和显著性水平。阿法,这是我们给定了来比较的结果,进行一个决策 啊,这我们来进行一个判断,那这,这个,这是一个假设检验,对吧?那原假设是什么?原假设是行变量与裂变量他是相互独立的,如果批值大于阿法,我们就不拒绝这个原假设,说明他行变量和裂变量是相互独立的,如果 p 值小于 alpha, 那我们就拒绝原假设,我们接受被折假设, 那倍数假设是什么?就是行变量和裂变量他是不相互独立的,也就是说他是有关联的。那现在我们来建立一下这一个数据文件。好,现在我们打开一个 空白的文件,我们打建立一个新的文件,那这个时候我们根据这个书上的,呃后面给出的信息,我们来进行这个变量的设置,那我们到变量试图,这里面一共刚刚讲的一共有三个变量,对不对?三个变量。首先我们来看一下他这个一个变量,婆媳关系, 我们来做个婆媳关系,婆媳关系啊,这是这个变量一个啊,这是一个,我们没有小数点的。好,我们是不是没有小数点?那这里的我们标签要不要设置?我们要设置一个 婆媳关系,这里面一共有三个,一、他是紧张,对不对?添加。二、一般关系一般。 三、和睦, 好,这样子,我们对这个值,这里来这里,然后可以看出这个测测量是什么?测量他是有序的或者是名义的,这都可以啊,这是名义的也可以啊,这是名义的。可以。那第二个变量我们是住房条件。 哇,这个做完条件他一样的也是这个变量,我们把它设置成,没有 啊?这里他也有三个选项,那么我们直的标签做一个是叉,对不对?第一个他是叉, 第二个一般, 第三个。好,这我们确定啊,这他仍然他是我们,他实际上是个名义变量。那第三个是什么?第三个数据我们可以就是家庭的户数,他一共是六百户家庭户数。 好,这是一个数字变量,数字变量他也没有小数点。好,这样子,这是个数字型的,是不是?这个标度?好,可以了,那这样的话我们就回到 数据,试图,我们把表格给出给我们的数据,我们给他填一下,那么这个家婆媳关系一共是分为几类?分为三类,对不对?我们一,第一类,第一类它有三个嘛? 好,那我们租房条件里面,嗯,这些要要填入,那租房条件呢?租房条件它是分为一、二、三,是不是这样子?那我们我们都忘掉了,你可以看一下这个右键, 右键这里有个变量的信息,是不是易紧张,一般和睦啊?那住房条件这里我们可以看一下他变量的设置,他是 差,一般。好,这这时候我们把把这个题目的信息输进去,那紧张的里面差,这个是有五十七户,对不对? 然后这里是七十八户,这里是六十户,这是婆媳关系,这是紧张的,那婆媳关系一般的,这这个我们这个标识是二,那这里住房条件一样的,他还是有这个条件比较差,条件一般 装条件好。嗯,这里面我们再输入,这是四十五、八十七、六十三,四十五、 八十七、六十三啊,那这个婆媳关系还有最后一类,他婆媳关系比较和睦的,我们还有一个,这是三以三来表示,那这里还是一二 三,对不对?这里面还是住房条件还是以差一般好。我们把这数数字再输进去,四十八 户,四十五户,一期,好,这一期,那 这样的话我们就得到了这么一个,我们看一下数据试图啊,这就是数据试图,那我们就这时候我们就可以来进行一个分析,但是这时候我们能不能直接进行交叉表的分析呢? 能不能直接进行交叉表的分析?不行。为什么?因为他的家庭户数,他这里面他是有比例的,也就是有权重的设置,如果这个时候我们直接进行分析的话,是分析不出来的,那要做一个什么?我们前面有讲过,我们要做一个权重,对不对? 来,我们从数据这里进入,然后个案加权,个案加权,在这个里面我们要个案加权的系数是什么?显然婆媳关系和住房条件都不是的,这是行变量,这是裂变量, 只有家庭户数,这个是他是有带权重的。权重是什么意思?也就是说在不同的关系,不同的住房条件,不同的婆媳关系里面,他占的人数并不是一样的,对不对?也就是我们讲的户数他是不同的,如果户数都是一样的,就不存在这个问题。现在户数不一样,那他就有个比例, 比例的转换的问题啊,这样我们点确定这是进行一个加权啊?加权这里已经写写了 wait by wait by 家庭护士 wait 就是重量权重的意思。好,我们看一下这个 在数据视图,或者我们讲是在这个编辑器窗口的右下角,看看权重已经开启了,对吧?权重开启,如果刚才我们把它删掉的话,就是权重没有开启这个,这个是没有这个的。呃,没有这四个字的,那现在我们来进行分析,分析的话,我们还是从分 这个菜单进入描述统计交叉表分析对不对?交叉表的分析,交叉表的分析出现一个对话框。那我们现在行变量是什么?按照书书上的也就这个习题,行变量是婆媳关系, 裂变量是住户条件,这个我们不用写了啊,然后精确,这是鉴定法,这个没错,这我们不管了,这是默认的统计。我们要做个卡方检验啊,我们这几个我们就不做了,还有个相关性检验,看见没有?那刚才老师讲了有两两种可以做检验的, 那么单元格这里面我们需要的数字,我们实实际的值,我们要希望要知道期望值,因为它主要是实际和期望值之间的对比嘛,那百分比有行列,总计我们都要那么产值,我们不要标准化,其他不变啊,这几个都不管他, 那我们想显示条条形图,再看一下比较直观的,这时候我们点个确定, 我们看一下查看机窗口。哦,我们看的这个交叉表,这个婆媳关系住房条件的交叉表,也就是我们这个第五版的书的一百零五页的这个他给了题目,给了我们第一行, 是吧?每个的第一行,其余的大家把它填进去就可以了,这个都是一样的一二三,这个没有占的总总的百分比,他这个不需要填,其他都是一样,残差也不用填,我们把这几个填进去。啊。啊,这里是总记,我们看可以看到 这个,我们举个例子,婆媳关系紧张,然后住房条件又比较差的,这个占了五十七户。啊,这个这是这样的,那住房条件一般,婆媳关系 紧张的有七十八户,住房条件一般,婆媳关系一般的这边是八十七户啊,婆媳关系比较好不?婆媳关系比较和睦,住房条件比较好,这里有一百一十七户,那总计是六百户,是不是啊?那我们再来看一下卡方检验的结果, 卡方检验结果在这里的话,我们看一下这是第一行 p 二型卡方检验,这是卡方检验的值啊。然后我们看一下他的这个批值,在这里就是显著性批值。批值的话我们说了,我们如果自己设定的显著性水平多少零点零五,那么他是 小于零点零五,就是拒绝原假设,支持贝泽假设,贝泽假设是什么行变量和裂变量他是有关联的,也就是说这个题目里面 婆媳关系和住房条件他是有关系的,根据我们卡方检验的结果是有关系的。记住以后同学们如果写毕写毕业论文或者投稿的学术论文,你做这种交叉表、列领表的分析,一定要有个卡方检验 好,他这个编辑一看就知道了。那我们再来看一下这个条形图,条形图他也很直观,这个题目我们就一起学习到这里。

那我们讲一下那个三线表怎么个制作方法,因为有人问我怎么做三线表,我们看一下呃,就是在 spass 后面的一个输出结果,那我们用 ctrl 把它全部选中之后,然后我们点击 ctrl c, 然后我们进入 excel, 这次要之后呢,我们是要把呃东西给复制上去的,比方说到这,我们给他给复制一下康秋 v 一下,然后呢我们只需要去掉一些东西,比方说把这个性别给他给复制下来康秋 x, 然后是刀卷给他给粘贴上去, 然后同样的 把这年龄期间 ctrl x 复制下来,然后把它给粘贴上去,那同样的下面我们的教育程度也是把它给 ctrl x 下来, 放到这 ctrl v, 然后呢我们要做一个事情,就是啊把这的几条线空了给去掉删除, 然后这也是把它给删除 确定,那这样就构成了我们一个三线表的最基本的表格,然后我们把它给复制下来, 复制下来咱们点击呃复制哈,然后我们进入我们的沃尔特,进入沃尔特,那进入沃尔特之后呢,我们看一下怎么做把它删了, 我们点击 ctrlb 里就是一个大致这样的表格,那我们三线表的话是首先字体标黑啊,然后他会 填充了白色,然后我们三线表是不要中间的那些竖格的,所以说我们在 这样的话是首先是无框线,然后我们再选一下下边框 和上边框,然后我们打直再调整一下, 然后把这个表格重新的挑起来,这样的话我们的三线表算算是制作完成,哦,不好意思,还差一条线,这样子我们选中第一行还是要给他带一个 下边框,这样子就构成了一个我们的三线表,那通过这三线表呢,就会非常直观的去呈现下我们的一个人口的描述性情况,那大致就是这样子了,谢谢。

大家好,上一节呢我们介绍的这样计算新变量,这一点呢,我们就介绍一下对个人类的值怎样进行技术, 我们用个实际例子来说明,打开数据零三杠十, 好,这边我们可以看到数目编号,指点地点,健康等级二三零一,我们看下这个健康等级的含义, 最后等级一啊,非常健康,二一般健康,三,轻度危害,四重度危害,五重度危害。看一下下面我们对 干裂的直径技术选择转换对干裂的直技术目标变量,这个呢 我们所要进行技术的可以产生一个限变量,怎么不会变大呢?也可以定义啊,他的木变大名啊,定他的标签。 这边呢是我们现在的三个变量数据集中的,这边呢是要选入的那个进行直技术的,哎,那个变量比如说我们这边 写一个健康会变得越健康, 在下面命名为健康的数目,我们的健康等级选路。好,我们点击一下定义词,这边直呢,第一个就是直, 用于单个啊,指定单个数字出现的字数,那个在这里面输输一个数字,输了一下,然后就可以进行添加,所以所以一个其他数字在进行添加,就对于这个数字出现了多少次, 本站中那个数据集中他都会给你显示。第二个是系统缺失,用于计算系统缺失指的那个次数,这个呢是系统或用户缺失, 下面这个呢是范围,有两个框,也可以在上面框输了一个数值,在下面框框输了一个数值,我们在这个范围内的数值对他进行计数, 这个呢是范围,是从低值到值,从最低到值,在这边输入个数值,然后呢他从最低值到你输入数这个值的范围之内进行计数, 下面那个呢是从直到最高,那这边是不是一个直,从这个直呢到最高直啊,这个范围内呢进行,那我们这 一次呢是要统计健康的数目,所以我们在选择一个范围,因为我们刚刚看了他的一个自定义一和二的 一个是非常健康,一个是一半健康,我们将其添加同级的字,继续这边还可以点击一个,如果这个呢就跟前面那个 计算新变量那个框一样喜欢,这里还可以对一些生物编号啊,确定地点啊,可以进行一些条件的设置啊,是吧?然后再对其进行这技术, 然后我们进行确定,技术已经好了,看一下,在这边你看最后等级一或二的几为一,三的就是最健康的几为零,这些呢我们看起来比较散漫,所以我们呢 先借用一下后面要学到的分析中的描述,统计称的频率,然后呢对健康的数目这一个进行一个频率的统计,而这里面可以看到我们有效指认成功是六十五,而没有缺失值, 非健康的总共是九个,健康的数总共是五十六,注意有效百分比,一百分比, 在呢我们对各样内植的技术就已经介绍完毕了。

大家好,欢迎来到 spots 课堂,我是李博士,接下来我跟大家分享的是 spots 导入 excel 数据并进行编辑。 呃,关于 sebas 导入 excel 数据呢,主要有这么两种方法,第一种方法呢,我们可以通过文件导入数据导入 excel 数据的形式进行, 然后第二种方法呢,就是我们可以直接复制也这样数据,呃粘贴到 spss 里面的数据数图,数据视图里面去,这两种方法呢都可以, 然后呢我们来实际操作一下,找一个问卷,这是一个问卷, 然后呢就是问句的一部分了,就是第一个题呢是性别,第二个题是年龄,第三个题呢是学历。然后再下面题呢是一部分量表问题,量表问题呢是关于一个品牌忠诚度的三个问题, 这里题号呢就假设是四杠一,四杠二,四杠三,然后我们通过呃一些收,比如说万卷青啊这种形式呢,呃收集到的数据呢,可以是这种形式,然后这是 呃每一列呢,它是一个编量, id 呢是编号 q, 一到三呢是它的一个呃题号,然后四杠一到四杠三呢,指这三个题目量表,然后呢每一行呢 就是一个样板,比如说这个 id 等于一的就是这个序号,是一的呢,对应的性别是男,年龄呢对应的是 三。然后呃第三题,学历呢对应的十四,呃一二三四对应的是本科,就这样来对应下来,我们就通过不管是通过问卷经啊或者纸质收集到的问卷, 整理到一个 c 二里面数据去哪,我们就可以通过一个 c 二数据呢来导入到 spss 里面去。好,我们先来做第一种,就是 呃直接导入这个 a c r 数据,我们先来打开一个 sp s s 空的 sp s as a, 这里是用的二尺六 关闭,然后打开它所在文件的位置,导入数据呢,可以导入 a c r, 然后呢就选择这这个这个文件夹下面的这个文件 a c r, 然后选进来打开, 然后他这呢如果有多个 ct 文件呢,他会显示多个,这里面呢只有一个,这样就选择就可以了,就选择这一个,然后下面呢预览,我们大体看一下,就是这种形式了,然后确定 好,这样呢我们就把数据导入进来了,就是通过导入 acr 数据的形式,呃来把数据导进来了。第二种形式呢,我们就复制,我们再在这基础上呢新建一个数据文件, 然后比如说我们这里复制 ctrl a, 全选 ctrl c 复制,然后呢打开数据视图,数据视图里面点一个空格呢,右键右键与变量名称一起粘贴,这样呢我们就把他的数据也复制进来了, 就形成了我们初始的一个 spss 数据文件了,这两个呢可以,因为它是稍有区别的,我们只保留一个就行了。接下来进行第二步进行数据的编辑。 好,我们再往下看,关于数据编辑呢,我们主要是进行这几列编辑,他的一个小数位数啊,标签呀,值呀,还有这个测量,进行这几项的编辑,然后达到我们 符合的要求,为了让呃这个数据呢更容易,我们便于解读。好,我们来做一下假设,我们用这个呃标题二宝,我们先保存一下, 定一个时间吧, 这样时间吧, 然后呢我们再给它角出位数呢,这都是零,这样就可以了, 然后标签呢我们再给他根据问卷来给他把标签给附上。 呃,这第一题呢就是性别了, 然后第二题呢是年龄,第三题呢就是学历,第四题呢就是我们可以把提降给结账, 然后关于这个值呢,我们就是对这一二三,比如这些值一二三分别表示代表着什么名称,我们就给他付一个标签, 一呢就是对应过来是男了,二呢对应是女, 然后这个年龄呢也是对应过来,一是分别是这个,直接把这个年龄复制过来就可以了,然后二呢也复制一下 china, 我, 呃学历呢?同样学历呢,把这个它的值给它不一个标签。 好,这样呢就把呃性别,年龄,学历的对应值对应标签给报制了。还有这个量表呢,我们可以给他复一个,然后给他复制就可以了。 一呢是非常不同, 二呢是不同意 三 五 六七, 好,这样呢我们就把它的一到七对应对应的选项的标签呢给符号出来,然后我们复制一下, 然后粘贴,然后下面呢都有了。呃,接下来呢我们再对他这个测量进行一个呃定义,然后他这个 id 呢就是一个标度了,后面之间呢性别呢?呃年龄,学历呢都是名义,然后这个呢就相当于 这个程度呢可以是名利,也可以是有序,这个都可以不影响后面的分期,这样呢我们就把他这个呃问卷的也是要数据呢导入到 spss 里面去了, 然后呢我们就可以进行相关的其他分析了。嗯,接下来呢再跟大家介绍两个用的比较多的函数,就是一个呢是萨姆函数,他就是对呃变量,他们变量之间的 呃变量进行求和。 q, 四杠一到四杠三,就是四杠一到四杠三,这几个变量之间的变量呢进行求和。第二个呢就是求均值,呃是命函数,就是求他们之间的平均值,我们再来计算做一下 转换,呃,这可以是呃忠诚度求和吧, 然后呢是用 sam, sam 呢加一个英文加的一个括号,呃是 q 四杠一,然后加上空格 two, 然后到四杠三,这是它的求和确定。 然后呢我们再来做一个他的一个均值转换,计算变量均值,直接用他的一个结构改加 函数密,好确定。我们看看到呢,他这里面呢就是显示了两个代码,一个求和呢就是项目 q 四杠一到四杠三密,四杠一到四杠三,我们再来看他的数据,数据里面呢多了这两列, 过了这两列忠诚度求和呢十五呢,就是这三个题目之间进行求和了。 呃三个五就是十五了,然后均值呢就是五,然后呢第二行呢就是 求和呢是二分一,均值呢是七是对的。然后呢我们再改一下他这个测量,这是标度,下面这是标度,这样呢就可以了,然后我们就可以进行呃维度的分析了,比如说基本描述啊, 然后相关呀,回归分析啊,这些东西,呃都有可能用到他的求和,这个值和均值。好,关于本次内容呢,就介绍到这里,大家如果有疑问或者合作之余呢,可以联系我们,这是我们的联系方式,谢谢。

做方差分析一定要搞懂这几个指标, f 值和批值。方差分析最终分析时,首先分析批值,如果此值小于零点零五,说明呈现出差异性,具体差异在对比平均值即可。如果批值大于零点零五,则说明没有差异性产生, f 值属于中间过程值。想要计算批值,一定要先计算 f 值。 婴儿 so 也将 f 直结果输出,用 so 做方叉分析,各类图表一应俱全,方叉分析结果可是画图形深入分析,向硬量指标表格方叉分析中间过程值,还有智能分析分析建议帮助你理解方叉分析,你学会了吗?如有其他疑问,请在评论区告诉我。

s b s s 变量设置,我们接上一课讲,将数据导入 xt 之后,需要对数据进行一定的设置,这里主要有这么几个设置选项,呃, 首先还是上一节中的三个变量,性别、年龄和满意程度。第一个是数据类型,数据类型这个地方如果是你导入的数据是字符型的,说明你这个数据设置错了,或者里面包含文字,或者说你这个第一个字符是空的,很很容易出现这种情况,所以第一个你要检查一下这个数是不是数值, 然后后面两个不用管。第三个是标签,就是帮你理解这个性别的含义,这三个是变量比较少的情况,一般一般用不到。但是如果你变量特别的多,比如说几百个变量前面,而且这个变量名称是英文的话,你这个地方一般需要做一个设置,比如说这个变量表示什么含义? 性别就是调研,调研对象的性别,然后再往下就是这个变量的值,因为我们有些是分类变量,他的数字一二,我们需要表示他的含, 这里竖着一笔和男,竖着二笔是女,一般就是在这方输上之后点击添加就可以了,其他也是,然后连续用面料,年龄就不需要了啊。再往再往下一个是缺失值,缺失值就是针对哪种情况,有时候你的问问卷里边某一个题目, 这个这个电源样本没有回答,比如说性别里边第五个他是九十,他没有回答,就是忘了填了。这时候你需要用一个数字来表标志出来表示他是一个缺失值。那怎么让 xps 知道你他是缺失值呢?就是这个地方点 点击缺失离散样本是九十九,然后后面只要里面在信片里面只要出现九十九的数字就会来的。 ps, 知道就知道他是一个缺失值,单号后对齐这个地方列这个不需要管。然后后面一个度量标准就是无需分类变量,就用名义有序,分类变量用序号,然后连续用变量,用度量。 这地方一定要设置,不设置的话我给大家演示一下会出现什么问题。比如说这里我把性别和定那个定完对象年龄都放进去之后, 你会发现他统计的标准是不一样的,因为订单对象他是分类面料,只会他只会计算他的比例或者是他的个数,而订单对象年龄他的他是一个连续面料,他是自动计算均值。 所以如果这地方你不设置的话,他会按照默认的地方,按照默认的标准来进行计算。比如说我把它改成度量之后,再去考下表格, 这时候跑出来就都是君子了。所以这个地方一定要把这个度量标准设置正确,基本上带 spi 的数据,这个变量标签,变量视图这个部分基本上就有这些设置,大家在找到数据之后仔细来看一下,点我主页有干货。



效度分析四种形式及测量一、内容效度,使用文字描述两表设计的合理性,例如两表有着严谨的参考依据或者得到专家认可等。二、结构效度通过探索性因子分析 提项进行分析,如果输出结果显示提项与变量对应关系基本与预期一致,则说明结构效度良好。 三、区分效度区分效度,强调本不应该在同一因子的测量项确实不在同一因子下面。区分效度的测量可在骚系统验证性因子分析中完成。四、 收敛效度强调本应该在同一因子下面的测量项确实在同一因子下面。收敛效度的测量可在 sosa 系统验证性因子分析中完成。你学会了吗?智能分析与。

要想进行中介效应的分析,首先我们要理解中介变量的含义。通俗的来说,呃,我们会研究自变量 x 对应变量 y 的影响,那如果自变量 x 通过影响变量 m 进一步影响变量 y, 那变量 m 就是一个中介变量。举一个简单的例子,假如说租客 x 通过中介公司 m 找到了一个合适的房子 y, 那中介公司在这个过程中就扮演了中介变量的角色,中介变量起到的作用就成为中介效应。在这个模型中的 a、 b、 c 和 c 撇在后面会介绍到, 那我们来举一个例子来加深对于中介变量的理解。如果说自变量是父亲的经济社会地位,那他通过影响儿子的受教育程度,进而影响到儿子的社会经济地位,那这个时候儿子的受教育程度就是一个中介变量。 那提到中介,他又分为两种情况,一种是部分中介,一种是完全中介。部分中介是指在 x 影响 y 的时候, 一部分作用是直接影响,另一部分作用是通过中介变量去影响。而完全中介是指 x 影响 y 的时候,全部的作用都通过中介变量去影响。那我们在数据分析的过程中,当 a 和 b 都显著的时候,当 c 撇的作用 呃,显著,那它就是一个部分中介。如果说 cp 不显著,则它是一个完全中介。接下来,我将使用我论文中的变量来进行中介效应检验的演示。 呃,在变量,在在。在这个例子中,自变量是累赘感,因变量是归属需要,中介变量是预期社会排斥。我所使用的方法是 boost drive 法,这也是近些年来比较简单的一种中介检验的方法。呃,需要在 spss 里面安装 process 的插件,在安装完之后,我们打开分析,然后点击回归,点击 process。 在这里我们需要填入我们的变量。首先自变量 x, 因变量 y 以及中介变量 m, 在这里 你可以填入你的控制电量。呃模型,这里我们选择 model 四,因为 process 里面它一共有八十一个模型。 model 四正好是符合我们简单中介呃模型的一个一个一个模型。 然后在这里要选择 boss drive 法,接下来我们点击 up 选选项,我们要选择标准化系数,呃,这个效用量以及总的效用值,点击继续呃,然后点击确定 好,现在结果已经出来了。呃,首先我们要检查 x, y 和 m 是否正确。那接下来我们来看第一个表格,第一个表格它所展示的是自变量对于中介变量的作用。 嗯,因为它 process, 它出现的数值可能会歪,所以你需要歪着去对齐看清这些数值。那在第一个表格中,它显示我们自变量对于面对于中介变量的作用是显著的, p 值小于零点零五。在第二个表格,它所展示的是当 把自变量和中介变量同时纳入到回归方程时,他们对于因变量的影响。那我们一样可以看到批值都是小于零点零五的,所以,呃,自变量和中介变量对于因变量的作用都显著。那最后是自变量对于因变量的总效应,我们一看到这个批值小于零点零五,所以他是显著的。 那根据我们以上的三个表格,我们可以得出结论就是我们的中介效应成立,并且它在其中起到一个部分中介的作用。 接下来我们来看这个模型的总效应,直接效应和间接效应,总效应 p 小于零点零五显著,直接效应 p 小于零点零五也显著。在间接效应中他并没有给出我们 p 值,所以我们需要来看执行区间的上下线,那当上线和下线同号,比如说同正或者同负的时候, 不包含零,就证明我们的效应是显著的。在这里我们可以看到呃负的零点三九和负的零点零二,零点零零二,它是不包含零的,所以间接效应也显著,也再一次证明了我们中介模 是成立的,并且是一个部分中介。那数据分析到这里我们应该怎么样报告这个分析的结果?在这里我给出了一份呃中介效应检验的一种报告的方法。首先我们要报告三个变量之间的相关情况 啊,在这里我们可以看到三个变量之间是显著相关的。接下来我们要进行呃回归分析的报告,那回归分析我们有三个模型,就对应我们上面提到过的三个表格。首先模型一他指的是自变量对于音变量的影响,看的是这个表格 啊,我们要我们要填写的数据,包括贝塔值,也就是这个,这个这个 call efficient 值,它的效应值还有 t 值,在这里 t 值还有尔方,这里尔方还有 f 值,还有它的显著性批值。 那模型二指的是呃自变量对于自变量对于中呃中介变量的影响。我们就看到这里的表格一一样填入我们的 bt 值、 t 值、 r 方和 f 值,呃模型三是 我们把自变量和音变量同时纳入到违规模型中,看他们二者对于音变量的影响。呃,也是一样,填入对应的贝塔值、 t 值,而方和 f 值。 在回归分析报告完之后,我们需要报告这个模型中的总效应、直接效应和间接效应,我们需要报告他的效应值。标准物是新区间的上线和下线以及间接效应占总效应的比率。这个比率你可以直接使用间接效用的效用值去除以总效用的效用值,也可以使用我们在前面讲到的 嗯, a 乘以 b 除以 c, 呃,去算,去算出去算出它的呃这个比率。 接下来接下来,呃,我们要做一个中介效应的路径图,这三个数值分别对应的是我们模型一、二、三中相对应的三个 bat 值。那填完对应的数值之后,这是一个完整的中介效应的报告的方法。