利用SPSS 插件MLmed檢驗多水平中介的調節模型

本文介紹一個SPSS插件,

用于檢驗多水平中介的調節,

及該方法與Mplus的比較。

1 Mlmed 簡介及安裝

Mlmed 簡介:

Mlmed 由Rockwood 2017年開發,基于SPSS插件計算Multilevel moderated mediation.  可以提供multilevel mediation Monte Carlo 置信區間比如(模擬20000次),以及多水平調節的中介置信區間。

提到SPSS 插件,或許有人會聯想到Process, 通常對于單一水平多水平中介及調節中介,Process 可以通過bootstrap 來實現,Mplus也很容易。但是對于多水平如何進行Bootstrap就比較難。Hayes & Rockwood  (2020)一篇關于調節中介的文章提到, Process 是無法計算multilevel mediation, 對于多水平數據只能是計算一個level (比如diary 研究,group mean center然后計算中介)。而MLmed恰好能夠勝任,當然還有一些工具比如R,Mplus, 及Preacher 的個人網頁(稍后講)。本文重點介紹Mlmed。

截圖源自Hayes & Rockwood  (2020)

截圖為Mlmed的官網頁面,有相關Mlmed介紹及下載鏈接。有關這一程序,作者和Hayes 2020年的文章中對于這一工具有過介紹。(Hayes 關于中介調節的介紹書籍

Introduction to mediation, moderation, and conditional process analysis: A regression-based approach,谷歌學術引用已經超過2萬次)

下載網站: https://njrockwood.com/mlmed

下載完成之后,打開有三個文件:

分別為用戶指導手冊,安裝程序及Syntax, 雙擊第一個文件,根據指示安裝即可。

2 實例演示:

教學Tutorial:

Youtube: https://www.youtube.com/watch?v=bAzOekt39fQ

Youtube提供了教學視頻,利用Xie 等人2015年發表在Plos one 文章提供的數據進行演示。

使用數據:https://drive.google.com/file/d/1L2XrdlgMyCuZabt1Di2wffeQP2y03Q1a/view

數據來源:Xie et al. 2015

檢驗模型:同事支持→心理安全氛圍→員工諫言行為。

數據說明:

162 員工報告的數據(Level 1) 嵌套在51 團隊中(Level 2)。屬于1-1-1即自變量中介變量結果變量都來自低水平。類似于經驗取樣數據,每天的數據嵌套在不同員工,對于這類數據之前,及現在很多人有時候會將低水平Level 1聚合到Level,這完全取決于研究問題。但是如果想要檢驗兩個level 的中介,并且提供Monte Carlo, Mlmed 這一插件或許是目前為止最為簡單方便的 (如果您有了解更好的方法,也歡迎分享)。

1-1-1 Model 數據運行演示:

下載數據,打開,大概有20多個變量。

找到我們需要的三個變量。

然后依次點擊:Analyze → Mixed Models→ Mlmed for multilevel mediation

然后就會跳出一個對話框:

接下來選定數據:Dataset, 注意,此處不是數據的文件名,而是SPSS生成的Dataset,如果你只是打開一個數據文件,就是Dataset1。只需要查看下面標黃的即可。

數據位置:只需要復制即可:比如我放在D:\MLMED_Beta_2

設定模型:根據我們的模型依次選定X,M,Y, 我們還可以添加多個中介變量M,M1-M3, 以及調節變量。

其它的保持默認即可,當然你也可以根據自己的模型決定是否加入控制變量,或讓某個路徑保持隨機。點擊右上角Random 及Fixed 進行設定,比如如果你只想看某個level 就可以在Fixed 那里設定,然后點擊運行就可以了,等待幾秒就會有結果。

首先是模型擬合參數AIC, BIC, -2LL (符合卡方分布可以比較不同模型)。

固定效應:Fixed effect

可以看出X-M 同事支持對于心理安全氛圍無論個體水平還是團隊水平,都具有顯著的正向預測效應;M-Y而心理安全氛圍對于諫言,無論個體水平還是團隊水平,回歸系數都不顯著;同樣地,X-Y 兩個水平均不顯著。

隨機效應:

心理安全氛圍及建言residual variance 顯著;

然后,colleague support 直接效應兩個水平都不顯著。然后,就是我們重點關注中介效應……

我們發現個體水平心理安全氛圍并不存在顯著的中介作用,Monte Caro 95% -.0845, .2457; 同樣地團隊水平中介作用也不顯著。

如果對比原文,Xie 等人文章作者跑的是另外一個模型,同事支持-felt obligation- promotive voice, subgroup formation調節路徑a;

選定模型:

加調節,改變中介變量

然后,只保留lower level mediation,取消Betwen level X, M1:

運行,然后得到結果。

如果對比原文,結果并非完全一致,因為原文作者加了控制變量。

其它方法: Preacher 等人Mplus R

Mplus 官網,有人提問,“We did an Experience Sampling study and collected data (events, emotions, work engagement) from 55 people twice a day for nine working days (repeated measures design: daily measures are nested in individuals). We like to test a moderated mediation model with:

Daily events --> triggering emotional experiences (mediator) --> influencing work engagement (DV) (Lower Level Mediation). The moderators are on Level 2 (they were measured once). Is it possible to test such a multilevel moderated mediation model with Mplus and how could I perform the analyis? ”

Preacher 大佬親自答:

http://www.statmodel.com/discussion/messages/12/3679.html?1579481958

TITLE : 1-1-1 model from BPG article

DATA: FILE IS bpg_example_data.dat;

VARIABLE: NAMES ARE id x m y;

CLUSTER IS id;

ANALYSIS: TYPE = TWOLEVEL RANDOM;

MODEL:

%WITHIN%

sa | m ON x;

sb | y ON m;

sc | y ON x;

m y;

%BETWEEN%

sa sb sc m y;

sa WITH sb(cab);

sa WITH sc m y;

sb WITH sc m y;

sc WITH m y;

m WITH y;

[sa](sa); [sb](sb); [sc](sc);

MODEL CONSTRAINT:

NEW(ind);

ind=sa*sb cab; ! indirect effect

OUTPUT: TECH1 TECH8;

但是如果要得到Monte CI 結果,你還需要:

Bauer et al. use a parametric bootstrap to obtain a CI for the indirect effect. A modification of the R code here can be used to achieve the same goal using Mplus output. Ex.11.11 in the Mplus Users Guide will also be helpful.

http://quantpsy.org/medmc/medmc111.htm

你輸入這幾個數字,然后R code 復制到R才能出結果 (我自己并沒有使用這個運行過,歡迎了解的分享)。所以,現在看來Mlmed 要更簡單一些。

如果你還想要探討這種1-1-1 數據的無限可能,參看Preacher 等人10年PM的文章,里面提供了15種可能的模型。一定程度上給了研究者很大自由度,同時P-Hacking 問題也值得關注。

參考文獻

Bauer, D. J., Preacher, K. J., & Gil, K. M. (2006). Conceptualizing and testing random indirect effects and moderated mediation in multilevel models: New procedures and recommendations. Psychological Methods, 11, 142-163.

Hayes, A. F. & Rockwood, N. J. (2020). Conditional process analysis: Concepts, computation, and advances in the modeling of the contingencies of mechanisms. American Behavioral Scientist, 64(1), 19-54.

Preacher K, Zyphur M, Zhang Z. A general multilevel SEM framework for assessing multilevel mediation. Psychological Methods. 2010; 15(3): 209–233.

Rockwood, N. J. (2017). Advancing the formulation and testing of multilevel mediation and moderated mediation models (Unpublished master’s thesis). The Ohio State University, Columbus, OH.

Xie, X. Y., Ling, C. D., Mo, S. J., & Luan, K. (2015). Linking colleague support to employees’ promotive voice: A moderated mediation model. PloS one, 10(7). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4492547/pdf/pone.0132123.pdf

分享人:李培凱

排版:楊偉文

免責聲明:本文僅代表文章作者的個人觀點,與本站無關。其原創性、真實性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容文字的真實性、完整性和原創性本站不作任何保證或承諾,請讀者僅作參考,并自行核實相關內容。

http://image95.pinlue.com/image/44.jpg
分享
評論
首頁
安微11选五走势图