SEM: モデレートされた仲介の方法こんにちは、JMP コミュニティの皆さん。
シナリオは次のとおりです。
- バージョン: JMP Pro 18.0.2
- 研究の質問: 非金銭的インセンティブ (NFI) は、従業員のレベル (新入社員、中級社員、上級社員) によって調整され、仕事の満足度によって媒介されて、従業員の定着率にどの程度影響しますか。
- 観測値 = 約 130,000 | 変数 = 約 100 変数
- 対策
- 独立変数/要因 (NFI)
- トレーニングと開発（TAD） - 5つの要素から構成
- 賞と表彰（AAR） - 1つの要素から構成されます
- メンタリング（MTR） - 3つの要素から構成
- 調整変数 = 従業員レベル (ELV) - 1 つの変数で構成
- 仲介変数/要因 = 職務満足度 (JSAT) - 1 つの要因で構成
- 従属変数 = 保持 (RTN)
- 概念フレームワーク:
モデレーションとメディエーション用の JMP Pro アドインをインストールしました。私の場合、モデレーター (Z) は ELV、メディエーター (M) は JSAT、結果 (Y) は RTN です。ただし、アドインでは複数の予測子 (X) を同時に使用できないようです。また、潜在変数を作成して予測子として使用することもできません。
何か見落としている点や、別の方法がある場合はお知らせください。
ありがとう、
アーサーB
高度な統計モデリングウィンドウズRe: SEM: モデレートされた仲介のやり方こんにちは、アーサー。
素晴らしい質問です。私はモデレーションとメディエーションのアドインを作成しましたが、おっしゃる通りです。これは第 1 段階のモデレートされたメディエーション モデルに似ていますが、現在、アドインは潜在変数や複数の焦点予測子 (つまり、効果がモデレートされた複数の予測子) に対応できません。このモデルは、SEM プラットフォームで手動で指定できます。ここで説明するアプローチは、「制約のない製品インジケーター」アプローチと呼ばれ、詳細についてはMarsh ら (2012)を参照してください。
データ前処理
データの前処理が必要になります。あなたの説明に基づいて、変数名に対応するいくつかのデータをシミュレートしました。これは正確ではないかもしれませんが、TAD の指標が 5 つ (TAD は潜在的)、AAR の変数が 1 つ、MTR の指標が 3 つ (MTR は潜在的)、ELV、JSAT、および RTN の変数が 1 つあります。必要に応じて、この例をデータに合わせて調整してください。
- まず、すべての予測変数（潜在変数のすべての指標を含む）と調整変数を平均中心化します。これらの新しい変数名に「c」を追加しました。
- 次に、各予測子とモデレータを含む積項を作成します。予測子が顕在変数 (つまり、指標が 1 つだけ) である場合、これは単純な積項です。予測子が潜在変数 (つまり、指標が複数ある) である場合、指標ごとに積項が必要です。
SEMプラットフォームを起動
これで、SEM プラットフォームを起動する準備ができました。(1) 平均中心予測子と平均中心モデレーター、(2) それらのすべての積項、(3) メディエーターと結果を含めるようにしてください。ここで示したように、概念フレームワークからその概念フレームワークにマッピングされる SEM に移行するのは少し難しい場合があります。そこで、モデル仕様がどのようになるかを示します。
概念モデルと統計モデル
アドインでご覧になったように、第 1 段階のモデレートされたメディエーションの統計モデルには、予測子、モデレーター、および予測子 * モデレーターの積項が含まれます。これらはそれぞれ、メディエーターと結果の両方を予測します。(注: 通常、X -> M 経路のモデレーションに関心がありますが、ここでのように、X -> Y 経路も含め、これらもモデレートできるようにすることがベスト プラクティスです。これらを省略すると、ゼロ以外の場合に偏った推定値になる可能性があります。) このモデルを拡張して、複数の X (および複数の X*Z 積項) が存在するようにします。これらの予測子の一部は潜在変数であるため、対応する積項も潜在変数です。
SEMプラットフォームにおけるモデル仕様
- 潜在変数と潜在相互作用を指定します。潜在相互作用には、前処理で作成された製品変数を使用します。潜在変数は通常どおりです。
潜在的な相互作用は次のようになります。
- 必要な回帰パスを設定します。次のようになります。TAD、MTR、AARc は予測子 (X)、ELVc はモデレーター (Z)、TAD*ELV、MTR*ELV、AARc*ELVc は積項 (X*Z) です。これらすべてに JSAT (M) と RTN (Y) へのパスがあります。
- X、Z、X*Z のすべての項が共変できるようにします。
以上が手順です。これはかなり複雑なモデルですが、それをサポートするのに十分なデータがあるようです。
これが役に立つことを願っています!
ヘイリー
Re: SEM: モデレートされた仲介のやり方こんにちは、ヘイリー。
素晴らしいです！迅速で、徹底的かつ明確なご返答をありがとうございました。説明どおりに機能しました。
ありがたい、
アーサーB
Re: SEM: モデレートされた仲介のやり方おはようございます、ヘイリー！
最後にもう 1 つ質問があります...TAD*ELV、AAR*ELV、MTR*ELV の Johnson-Neyman プロットを作成する方法はありますか?
ありがとう、
アーサー
Re: SEM: モデレートされた仲介のやり方こんにちは、アーサー。
残念ながら、まだです! 潜在変数の調整に基づくジョンソン-ネイマン プロットは、これまで見たことのないものです。これは斬新な拡張機能であり、将来アドインに組み込みたいと考えていますが、まだ実現していません。
AAR*ELV の相互作用については (マニフェスト*マニフェストなので)、アドインを使用して第 1 段階のモデレートされた仲介モデルに適合させ、LV インジケーターを共変量として含めることを検討できます。アドインは、その場合、AAR*ELV の相互作用の JN プロットと単純な傾斜プロットを生成するため、その相互作用をもう少し視覚化できるようになります。ただし、上記のモデルとまったく同じではないため、単純な傾斜や有意性の境界を解釈または報告することはお勧めしません。これは、大まかな視覚化を得るための「ハック」に過ぎません。
最高、
ヘイリー
Re: SEM: モデレートされた仲介のやり方ありがとう、ヘイリー！
