Buongiorno, comunità JMP.
Ecco lo scenario:
- Versione: JMP Pro 18.0.2
- Domanda di ricerca: in che misura gli incentivi non finanziari (NFI) influenzano la fidelizzazione dei dipendenti, moderati dal livello del dipendente (junior, middle, senior) e mediati dalla soddisfazione lavorativa?
- Osservazioni = ~130.000 | Variabili = ~100 variabili
- Misure
- Variabili/fattori indipendenti (NFI)
- Formazione e sviluppo (TAD) - composto da 5 fattori
- Premi e riconoscimenti (AAR) - composti da 1 fattore
- Mentoring (MTR) - composto da 3 fattori
- Variabile moderatrice = Livello dipendente (ELV) - composta da 1 variabile
- Variabile/Fattore di mediazione = Soddisfazione lavorativa (JSAT) - composta da 1 fattore
- Variabile dipendente = Ritenzione (RTN)
- Quadro concettuale:
Ho installato il componente aggiuntivo JMP Pro per la moderazione-mediazione. Nel mio caso, il moderatore (Z) è ELV, il mediatore (M) è JSAT e l'esito (Y) è RTN. Tuttavia, il componente aggiuntivo non sembra consentire più di un predittore (X) contemporaneamente, né consente di creare variabili latenti e di utilizzarle come predittori.
Per favore, dimmi se mi sfugge qualcosa o se esiste una metodologia alternativa.
Grazie,
ArthurB
Ciao Arthur,
Ottima domanda! Ho creato il componente aggiuntivo Moderation and Mediation e hai perfettamente ragione: assomiglia a un modello di mediazione moderata di prima fase, tuttavia, attualmente il componente aggiuntivo non può ospitare variabili latenti o più predittori focali (ad esempio, più predittori i cui effetti sono moderati). Puoi specificare manualmente questo modello nella piattaforma SEM. L'approccio che illustrerò qui è chiamato approccio "indicatore di prodotto non vincolato" e puoi leggere maggiori dettagli in Marsh e altri (2012) .
Pre-elaborazione dei dati
Sarà richiesta una pre-elaborazione dei dati. Ho simulato alcuni dati per farli corrispondere ai nomi delle variabili in base alla tua descrizione. Questo potrebbe non essere del tutto corretto, ma ho 5 indicatori per TAD (TAD è latente), 1 variabile per AAR, 3 indicatori per MTR (MTR è latente) e 1 variabile per ELV, JSAT e RTN. Sentiti libero di modificare questo esempio come necessario per i tuoi dati.
- Per prima cosa, centra tutti i predittori (inclusi tutti gli indicatori delle variabili latenti) e il moderatore. Ho aggiunto una "c" a questi nuovi nomi di variabili:
- Successivamente, crea termini di prodotto che coinvolgono ogni predittore e il moderatore. Quando il predittore è una variabile manifesta (vale a dire, ha un solo indicatore), questo è un semplice termine di prodotto. Quando il predittore è una variabile latente (vale a dire, ha più indicatori), abbiamo bisogno di un termine di prodotto per ogni indicatore.
Avvia la piattaforma SEM
Ora sei pronto per lanciare la piattaforma SEM. Assicurati di includere (1) i predittori centrati sulla media e il moderatore centrato sulla media, (2) tutti i loro termini di prodotto e (3) il mediatore e l'esito. Può essere un po' complicato passare dal framework concettuale, come hai mostrato qui, al SEM che si adatta a quel framework concettuale, quindi ti mostrerò come dovrebbe apparire la specifica del modello.
Modello concettuale vs. statistico
Come avrai potuto vedere nell'add-in, il modello statistico per la mediazione moderata di prima fase coinvolge il predittore, il moderatore e un termine prodotto predittore*moderatore. Queste cose prevedono ciascuna sia il mediatore che il risultato. (Nota: sebbene di solito siamo interessati alla moderazione del percorso X -> M, come lo sei tu qui, è buona norma includere anche i percorsi X -> Y e consentire che anche quelli vengano moderati. Ometterli può comportare stime distorte se sono diversi da zero.) Stiamo per espandere questo modello in modo che ci siano più X (e più termini prodotto X*Z). Alcuni di questi predittori sono variabili latenti, quindi anche i loro termini prodotto corrispondenti sono variabili latenti.
Specifica del modello nella piattaforma SEM
- Specificare variabili latenti e interazioni latenti. Per le interazioni latenti, utilizzare le variabili prodotto create in pre-elaborazione. Le variabili latenti hanno il solito aspetto:
E le interazioni latenti si presentano così:
- Imposta i percorsi di regressione necessari. Sembra così. TAD, MTR e AARc sono i predittori (X), ELVc è il moderatore (Z) e TAD*ELV, MTR*ELV e AARc*ELVc sono i termini prodotto (X*Z). Tutte queste cose hanno percorsi verso JSAT (M) e RTN (Y).
- Consentire la covariazione di tutti i termini X, Z e X*Z.
E questi sono i tuoi passaggi. Questo è un modello piuttosto complesso, ma sembra che tu abbia abbastanza dati per supportarlo.
Spero che questo ti aiuti!
Ciao
Ciao Haley,
Questo è stato magistrale! Grazie per la tua risposta rapida, completa e chiara. Ha funzionato come descritto.
Grato,
ArthurB
Buongiorno, Haley!
Un'ultima domanda... Esiste un modo per creare i grafici di Johnson-Neyman per TAD*ELV, AAR*ELV e MTR*ELV?
Grazie,
Arturo
Ciao Arthur,
Purtroppo, non ancora! I grafici Johnson-Neyman basati sulla moderazione delle variabili latenti sono qualcosa che non avevo mai visto prima. È una nuova estensione che mi piacerebbe incorporare nel componente aggiuntivo in futuro, ma non l'ho ancora fatto.
Per l'interazione AAR*ELV (poiché è manifest*manifest), potresti prendere in considerazione l'utilizzo del componente aggiuntivo per adattare un modello di mediazione moderata di primo stadio e includere semplicemente gli indicatori LV come covariate. Il componente aggiuntivo produrrebbe un grafico JN e un grafico a pendenze semplici per l'interazione AAR*ELV in quel caso, quindi ti consentirebbe di visualizzare un po' meglio tale interazione. Tuttavia, poiché non è esattamente lo stesso modello di quello sopra, metterei in guardia dall'interpretare o segnalare le pendenze semplici o i limiti di significatività: questo sarebbe più un "trucco" per ottenere delle visualizzazioni approssimative.
Migliore,
Ciao
