398747_zh-CN

liliconcom

使用 JMP 中的 SEM 平台评估冥想计划 (2021-US-30MP-897)

级别：中级

 

A Narayanan，首席科学家，宝洁公司
Annie Weisbrod，首席可持续发展科学家，宝洁公司
Mark Bailey，宝洁公司人力资源专家

 

在 Covid-19 危机期间，宝洁的工作以三个优先事项为指导：宝洁员工的安全、为消费者和客户服务以及支持我们的社区。 作为我们努力确保员工持续健康的一部分，我们提供了在线直播课程来教授冥想和抗压能力；该程序是内部开发并在全球范围内提供的。 在本文中，我们通过使用四个主要维度来评估这一新冥想计划的影响：弹性、同理心、压力和正念，以及其他子维度。 使用 45 个基于医学的调查问题在八周内调查了参与者态度和行为的变化。 使用 JMP 16 中的 SEM 平台，我们测量了这些构造的尺度属性和随时间的变化，以评估我们的冥想/正念计划的成功，特别是在员工的幸福感和生产力方面。 迄今为止，我们的结果令人鼓舞。

 

 

自动生成的成绩单...

 

扬声器	成绩单
尼古拉斯·谢尔顿	好的录音开始了，我将继续静音，然后，当你准备好时，你可以开始一切顺利。
	好的。
安妮·维斯布罗德	大家好。 我是安妮·维斯布罗德。 我和我的同事，宝洁公司的 A Narayanan 和 Mark Bailey 在这里。我们将介绍。
	使用 JMP SEM 平台评估冥想计划。
	所以首先我想先解释一下我们为什么要讨论这个问题。
	所以宝洁
	优先事项，尤其是在 COVID 时期，我们真正关注的是人们的健康。
	由于大流行，由于许多原因，这是一个非常紧张的时期，但也有内乱领域，改变了无法获得东西的供应链，
	改变我们的生活习惯、疾病、照顾他人。 在过去，我们的生活发生了很大变化的方式有很多
	20个月，两年左右。 因此，在这些时期，保护宝洁员工的健康和福祉已成为重中之重。
	所以我们一直关注的是如何帮助人们在工作时照顾好自己的身心，
	服务客户，服务消费者，并支持我们生活的社区。 我们制定了内部和外部计划，教育并允许人们练习不同方面的幸福，希望能帮助他们的健康。
	因此，随着大流行的发生，我们不得不改变向个人和部门提供支持的方式。
	每个员工都有不同的情况，
	无论是他们在公司的工作类型、居住地，还是与他们的健康或照顾其他家庭成员有关的个人环境。
	所以我多年来一直在教的是在一个物理站点教授面对面的课程。 人们会出现在房间里，我会分享关于压力、弹性和冥想的信息。 我们都被迫切换到直播。
	我的观众已经走向全球，因为我们的很多观众有不同的时区、不同的语言。 并使用实时流媒体技术，就像我们现在为这个演示所做的那样。
	所以，当我们做出这些转变时，我们很好奇，这些福利计划的效果如何？ 全球直播的内容和这种新格式是否会影响最重要的心理和情绪健康领域？
	我教一门课程，叫做没有冥想
	期望。 这是一个为期八周的全球直播课程。 我们每周见面一次，每次 45 分钟。
	这是高度体验。 它从一个简短的介绍开始，然后我们为该课程的大部分内容进行练习。
	然后鼓励参与者在本周剩下的时间里练习任何方法。 目标是让人们通过自己的正念变得更加自给自足，
	专注，专注，弹性，
	同理心，也减轻压力，在更长的时间内练习这些技能。
	选择这些练习是为了帮助我们提高对周围发生的事情的认识，我们的感受，我们在想什么，
	与压力相关的不同方面以及我们如何减少压力，对这些经历有不同的方法，也可以提高快乐。
	我们通过与洞察力、纪律和同情心相关的几种不同实践来做到这一点。 所以在八种不同的实践中，我们有几种与现在就在这里有关。
	所以一个例子就是五种感官冥想，我们
	只是看，只是听，只是
	闻，只是尝，
	只是感觉皮肤上的东西，作为刚刚来到这里的一个例子。 我们也有与内省和感恩有关的实践。
	处理分心，因为我们总是分心。 心只是做它的事，所以计数练习，咒语练习就是这样的例子。 我们也有与心脏有关的实践。
	所以这些非常古老的做法，慈
	和tonglen有着千年的历史，从亚洲文化中走出来，践行慈爱、关心他人、给予和接受。
	然后，最后，这最后一个无选择的意识。
	只是存在。
	不做任何事，只是存在。 在禅宗中很受欢迎
	以实践者为例。 在过去的一年里，我们已经有超过 1,000 人报名参加了这些课程。 大约 50% 的注册人实际上完成了整整八周，我们将分享一些统计数据。
	展示这些产品实际上提供了什么。
	我们调查
	学员在课前和课后的态度和行为。 根据医疗标准，我们有 45 个不同的问题。
	这些调查是自愿和匿名的，我们基本上是在看这四个标准问卷。 第一个是五面正念问卷。
	我们还使用人际反应指数，它与移情有关，因此移情关注和采取观点，不同的观点。
	悲伤弹性量表和感知压力量表，这是我们今天要在演示中关注的内容。
	这是不同问卷中使用最广泛的问卷，这些问卷涉及人们对压力的感受、他们所处环境的压力以及任何
	减压干预的有效性，比如这个冥想课程。 所以标准的陈述，被问到的问题是如何不可预测的
	这个人感觉他们的处境是否可控，他们是否感到超负荷，然后，他们感知到的无助程度是多少。
	对于这种情况，他们无能为力。
	或者他们的自我效能感，他们对事情会发生变化以及他们能够管理压力的信心。 因此，我们将重点关注与在那种情况下感觉超负荷和感觉不受控制有关的两个分量表。
	我们专注于有目的的压力，不仅仅是为了演示，也为了这些课程，因为它是当今世界上最危险的生活方式因素之一。
	许多组织正在开发综合福利计划，以应对各地出现的不同报告。 过去十多年来，世界卫生组织已确定慢性或未解决的压力是生活方式的最大风险因素，超过
	肥胖和缺乏体力活动，是全球身心慢性疾病的主要原因。
	所以
	好消息是结果的简要总结，在这八周的时间跨度内，我们确实看到了显着的增长。
	当我们第一次查看传入的数据时，只是我们在这里看到的简单方法，我们确实看到正念的显着增加，
	同理心、弹性，以及人们感知压力的方式明显减少。 太好了，我们有兴趣对此进行更深入的调查，所以我联系了我的统计合作伙伴，他将与您分享
	一些调查结果来自配对前和配对后的回答。 因此，他现在将接手并向您展示一些 JMP 功能，以了解他一直在处理我们从调查中获得的这些回复。
一个	谢谢你，安妮。
	你们看到我的屏幕了吗？ 我不能。
	嘿伙计们，我需要一些时间，但我不知道，这里的事情不正常。
	谢谢你，安妮。 大家好。 我的名字是纳拉亚南。
	我是宝洁高级消费者建模和统计部门的一员。 我今天要做的是分享数据的分析细节
	来自安妮刚刚描述的程序。 所以我的议程将包括三个主题。 我先讲因子模型优化，然后讲验证性因子分析
	优化因子模型。 最后我将讨论纵向测量不变性。 这很重要，因为我们想要测量潜在均值过程随时间的变化。 因此，让我们直接进入第一个主题。
	还有因子模型优化，我们为什么还要这样做？ 原因……我想这样做有两个原因。 首先Annie提到的10个问题
	实际上并没有针对我们有兴趣测量的两个结构进行优化。
	而且，我们的样本量很小，我们希望确保我们不会有太多来自前后的问题。
	这就是我们进行因子模型优化的两个原因。 为了做到这一点，我将借鉴经典测试理论中的两个想法。
	一是可靠性。 可靠性实际上与测量的一致性有关。 我们要确保构造中的项目测量的是相同的东西。 并且有许多不同的可靠性衡量标准。 我将在这里使用的是
	信度系数，或 Cronbach's alpha。 你可以在那里看到公式。 我使用它的一个原因是因为它可以在 JMP 的多元平台中使用选项项目可靠性。
	现在一个
	该度量的缺点是它假设所有变量或项目都同样可靠。
	而且我们知道有些项目的可靠性与其他项目不同，在这种情况下，我们可以使用平均方差提取器。
	那是什么？ 为了解释这一点，我将实际使用验证因子模型的路径图。 我想在这里描述三个组件。
	顶部的那个实际上被包围在一个圆圈中，这就是潜在变量。
	然后在底部的一个，被一个矩形包围，有一个指标，在这个例子中，有四个指标是非常大的问题，它们利用了这个潜在的变量。
	然后有四个 Lambda 变量，它们实际上是给出每个指标强度的因子载荷
	进入构造。 所以提取的平均方差是 Lambdas 和
	误差的方差，位于底部。 三角洲位于底部。 这是错误
	成分。为简单起见，我们将它们视为测量误差，这些误差的方差也包括在提取的平均评分的计算中。
	如果你看公式，如果底部没有误差方差，最大值将为 1，这就是我们想要的。
	所以
	另一个在测量信度方面也很有用的项目是项目信度，它实际上只是指标对潜在变量的这些回归中的每一个的单个 R 平方。 当我们进入 JMP 时，我们会看到这一点。
	经典测试理论中第二个重要的概念是有效性。 效度与变量是否衡量它应该衡量的内容有关。 再次在这里，有许多不同的
	有效性的版本。 我将要关注的是区分效度，它与你测量的结构是否独特和独特有关。
	好的，有了这两个概念，我实际上将进入 JMP 并展示我们所做的建模的一些细节。 所以我将从这10个问题的探索性因素分析开始
	关注应力域。 现在在我所有的分析中，我将
	显示分析结果。 我不会一步一步地指导你，点击点击，因为这需要很长时间，而且它们在 JMP 中有很好的记录。
	大的，我们称之为
	重载的组件，以及具有三个项目的较小的组件，我们称之为不可控。 所以这是一个探索性因素分析，似乎支持两个因素。
	我们想确认它，事实上，在我们的数据中是正确的，并且数据将支持这一点。 所以我要对同样的10个问题进行验证性因素分析。
	我们可以看到，过载的组件连接到七个指标，不可控的组件连接到三个指标。
	我们想看看这些数据有多好……这个模型与数据的拟合程度如何。 我们可以看到，看...的卡方，卡方在 34 自由度处是 44，并不显着，所以这个模型是有数据支持的。
	我们希望在底部看到的其他内容是我提到的构造有效性矩阵。
	该矩阵的对角线给出了提取的平均方差。 我们可以看到，不可控因素的方差相当高，而过载因素的方差实际上很低。
	正交元素告诉您每个因素与另一个因素共享的方差量。 而对于重载因子，这个方差
	与不可控因素的份额实际上高于它共享自己的指标的方差，如对角线所示。 这不是我们想要的优化因子结构。
	而且，如果你去看看
	带估计的路径图，其实可以看
	单个项目的可靠性，在此处显示
	矩形在这里。 你可以看到
	与超载因子分量相关的七个指标具有不同的项目信度，范围从 0.277 到 0.551。
	我们想选择一些
	具有高可靠性。
	所以我们将使用这些项目可靠性的概念，
	区分效度实际上是优化我们的因素。
	我要回去看看
	所有这些指标放在一个表格中。
	并且这张表在这两列中有Cronbach's alpha，它也有删除项目时Cronbach's alpha的变化
	来自整个复合材料的 Cronbach's alpha，并且它在最后一列中具有项目信度。 因此，查看这个数字矩阵并优化您的因素的一种方法是选择具有高可靠性的项目，这可能是前三名。
	现在，在这种特殊情况下，我也喜欢使用
	这
	删除项目时的 Cronbach alpha。 如果你看第三项，
	即使该项目排名第三
	项目可靠性，当我们查看此列时，我称其为 alpha delta，
	这是删除项目时整个组合的可靠性变化。 那里，其实对第三个项目有很大的改变，所以我没有选择这个项目，而实际上我选择了它的正下方的一个。
	所以对于优化的因子解，我要从第一个因子和第五个项中选择前两项，然后对于第二个因子，不可控，我要选择前两项，因为第三项具有非常低的项目可靠性。
	所以，有
	将因子解从 10 个问题优化为 5 个，
	我将确认优化的因素解决方案，并看看我们在刚刚讨论的所有指标方面做得如何。
	所以这里是优化的因子解决方案，阶因子有三个指标，不可控因子，两个指标，我们的模型再次拟合数据要好得多，卡方为 2，自由度为 4，卡方值没有被拒绝。
	然后我们下去
	并查看区分有效性。 现在使用优化的因子解决方案，您可以看到重载的方差实际上已经增加
	并且它与 uncontrolable 共享的方差减少了。 所以正交值小于对角线上的值，这正是我们想要支持的
	区分效度。 因此，通过优化解决方案，我们实现了区分效度，并且我们还获得了比原来的 10 个问题更好的模型。
	好的，所以我们优化了我们的因子解决方案。
	下一步是做测量模型的不变性。
	让我们提醒自己我们在哪里。 我们已经看到了很多不同的表格和分析。 我们有
	同理心、压力、弹性和正念。
	我们将只关注压力。 我们在这里要回答的主要问题是潜在变量的平均分数是否有所提高
	在为期八周的计划中从前到后？
	为了确定这一点，我们必须首先证明纵向测量不变性。
	那是什么？ 事实上，我最近才知道这一点，让我在这里插入一篇由 JMP 开发人员 Laura Schilo 和 Paul Russo 撰写的优秀论文的插件
	在最新一期的结构方程建模中，他们详细介绍了 JMP 的所有不同功能，包括纵向测量不变性。
	纵向测量不变性的想法是确保潜在变量的含义不会随着时间而改变。
	在我们计算潜在变量的平均变化之前，我们要确保我们在开始和结束时测量的是相同的东西。 因此，为了确定这一点，有四个步骤。
	这实际上是四种不同的模型。 首先是具有相同数量的因素和加载模式的限制最少的配置模型。
	第二个是弱不变性模型，我们在其中添加了一些限制。 我们稍微拧紧螺丝，然后问一个问题，这个模型还支持吗？
	然后我们再拧紧一些螺丝，并在此之上说，如果我强加项目拦截的质量怎么办？ 那么最后，
	螺丝上的最后一个螺纹，如果我们添加项目差异并在两个时间点上放置一个质量怎么办？
	所以如何一步一步做的细节，包含在我刚刚提到的那篇文章中。 我只想在这里显示结果。
	哎呀。
	所以在这个
	路径图，我正在展示
	在调查前阶段和调查后阶段，这两个因素，超载和不可控。 所以我们有超载的 pre，不可控的 pre，和 post 一样的东西。
	超载由三项解释，不可控制与两项有关。 现在这里的字母不同了
	对模型施加的约束。 例如，C3
	从超负荷到项目“感到紧张和压力”的预
	被限制为等于帖子中的同一项目。 这是我们对模型施加的约束的一部分，以确保约束得到支持。
	因此，这些字母表示对模型施加的不同约束，并且这些估计是相等的。 相似地，
	等效项的截距也相等，
	由
	一个。

爆发数据探索数据可视化回复：使用 JMP 中的 SEM 平台评估冥想计划 (2021-US-30MP-897)

做得好，

请<如果你能把全文发给我

raaed1983@gmail.com

 

问候