ブートストラップを使用してメディエーション効果をテストする方法

ブートストラップを使用したメディエーション効果のテスト

ブートストラップ テストとは何ですか?

ブートストラップは、統計のサンプリング分布を推定するために使用されるリサンプリング手法です。元のデータから複数のサブサンプルをランダムに抽出することにより、統計検定の堅牢性と信頼性を評価するのに役立ちます。

Bootstrap を使用してメディエーション効果をテストするにはどうすればよいですか?

媒介効果のテストには、独立変数 (X) と従属変数 (Y) の間の関係が媒介変数 (M) によって部分的または完全に媒介されるかどうかをテストすることが含まれます。ブートストラップ テストを使用できます:

1. 媒介効果の有意性をテストします

• 元のデータを使用して直接効果 (X-Y) を計算し、間接的な効果 (X-M-Y )。
• ブートストラップを使用して複数のサブサンプルを生成し、各サブサンプルの直接的および間接的な効果を計算します。
• メディエーション効果 (間接効果 - 直接効果) のブートストラップ信頼区間 (CI) を計算します。
• CI に 0 が含まれていない場合は、仲介効果が統計的に有意であることを示します。

2. 調停タイプの重要性をテストする

• Baron and Kenny (1986) の方法または Sobel テストを使用して、メディエーションタイプの重要性 重要性。
• ブートストラップ サンプリングのステップに基づいて、Baron and Kenny 統計または Sobel 統計のブートストラップ CI を計算します。
• CI に 0 が含まれていない場合は、メディエーション タイプが統計的に有意であることを示します。

3. 自然な間接効果の推定

• Bootstrap を使用して、自然な間接効果の CI を推定します。自然間接効果は、調整変数が固定されている場合の、従属変数に対する独立変数の間接的な効果を表します。
• 各ブートストラップ サブサンプルの媒介変数を固定し、間接効果を計算することで、自然な間接効果の CI を計算します。

利点:

• は正規分布の仮定によって制限されません。
• より安定した効果推定値を提供します。
• ノンパラメトリック テストを可能にします。

注:

• 正確な結果を得るには、大量のデータ サンプルが必要です。
• これは、特に複雑なメディエーション モデルの場合、計算負荷が高くなります。

以上がブートストラップを使用してメディエーション効果をテストする方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。