[系统转发] 结构方程建模中的「调节变量」

njalin000

kenny您好，我在做博士论文的时候，碰到了一个问题。特向您请教。 
自变量为二阶潜变量，调节变量和因变量为潜变量。如何做调节变量的分析？有没有从头到尾的详细过程的讲义？
谢谢！

Kenny,我想请教您一个关于调节变量的问题：调节效应有没有“非线性”的情况？
比如，举一个例子（未必合适）：
我假设：管理者自信心对“管理者工作努力程度和工作绩效”之间的关系起调节作用，
我进一步假设：与低度自信的管理者相比，中度自信的管理者，其工作努力程度与工作绩效之间的关系更强。此时，自信心的调节作用是正向的
        与中度自信的管理者相比，过度自信的管理者，其工作努力程度与工作绩效之间的关系较弱。此时，自信心的调节作用是负向的。

也就是说，有没有一些情况，调节效应的“方向性”受到调节变量大小的影响？怎么用数据来证明呢？

谢谢kenny！

再请教您一个问题，
对于您所举的用SEM来做调节的例子，
如果还有前置变量影响M或X，应该如何来做呢？
因为SEM的精髓是将整个模型作为整体来估计，
此时要不要去估计M->M*X,或者X->M*X？
再次感谢Kenny^_^

@zyhnju
你的问题首先是一个理论问题，实证上不难解决
你为什么把管理者自信心分为三类，怎么分成三类首先要想清楚。
回归分析：1，一个很简单的办法是把样本按照你这三类分为三组分别进行回归，看相关系数是不是出现你说的一个是正一个是负的情况,不过这样做是以牺牲统计功效为代价的，犯第二类错误的概率会增加。
2，我觉得理想的方法。在回归里面你可以按照你的三种分类设定两个虚拟变量然后创造虚拟变量和自变量的乘积项，看回归系数即可
结构方程模型：多组比较 ，仍然以牺牲统计功效为代价

@Tsai
谢谢您~管理者自信心的例子我仅是随便举一个例子，不知道有没有理论来支持，不过这个例子逻辑上应该是说的通的。
您提到的第一种处理方法我也有想过，但由于没有看到别人这样做过，心里没有底^_^
再次感谢！

Kenneth

njalin000,你好！
我不明白你的問題為什么是問題。在SEM的程式里，是容許你有些潛變量是二阶的，有些是一阶的。你的問題是不是怎樣在SEM里驗證交互作用？

Kenneth

zyhnju, 如果
y = b0 + b1*M + b2*X + b3*X^2 + b4*MX + b5*MX^2
那么，当M增加时， X与Y的关系就是抛物线的。这是不是你要的关系？

Kenneth

zyhnju，我不太明白你的问题。是不是跟njalin000 在20楼一样呢？只要在SEM中加一个X*M 的潜变量，用以下的方法，既可以整个模型估计了。
Ping, R. (1995). A parsimonious estimating technique for interaction and quadratic latent variables. Journal of Marketing Research, 32, 336-347.
Cortina, J.M., Chen, G., & Dunlap, W.P. (2001). Testing interaction effects in LISREL: Examination and illustration of available procedures. Organizational Research Methods, 4(4), 324-360.

Kenny 好！新学期开始了，还要继续向您请教。呵呵。
您在上文讲到：“（X*M）这个潜变量只有一个测量项目（即是“单一指标”）。” 
我记得您在之前曾经提到过，潜变量的观测指标最好在3个或者3个以上（好像跟模型识别有关系）。不知道我是否记准确了？如果我记得是对的，如果调节效应按照Ping（1995）的建议，用一个测量指标来表示的话，会不会有什么问题？
谢谢您！

Kenneth

求知，如果你要估计潜变量的参数的话，最好是有三个或以上的指标（其实低于三个往往是不会 identified 的）。但是如果你设定参数的话，一个指标就可以了（因为你不用估计什么，你告诉程式 loading 和 error variance “应该”是多少，loading 就是reliability 的 平方根，error variance 是1 - reliability， 也就是unreliability）。在Ping¬的步骤里，X*M  的loading和error都是用一大堆的理论和假设设定的，根本不用估计出来。