Buenas tardes, Comunidad JMP.
Aquí está el escenario:
- Versión: JMP Pro 18.0.2
- Pregunta de investigación: ¿En qué medida los incentivos no financieros (INF) influyen en la retención de empleados, moderada por el nivel del empleado (junior, medio, senior) y mediada por la satisfacción laboral?
- Observaciones = ~130.000 | Variables = ~100 variables
- Medidas
- Variables/Factores Independientes (FNI)
- Capacitación y Desarrollo (TAD) - compuesto por 5 factores
- Premios y reconocimientos (AAR): compuestos por 1 factor
- Mentoría (MTR) - compuesta por 3 factores
- Variable moderadora = Nivel de empleado (VLE) - compuesta por 1 variable
- Variable/Factor de mediación = Satisfacción laboral (JSAT) - compuesta por 1 factor
- Variable dependiente = Retención (RTN)
- Marco conceptual:
He instalado el complemento JMP Pro para moderación y mediación. En mi caso, el moderador (Z) es ELV, el mediador (M) es JSAT y el resultado (Y) es RTN. Sin embargo, el complemento no parece permitir más de un predictor (X) simultáneamente, ni permite crear y usar variables latentes como predictores.
Por favor, avíseme si me estoy perdiendo algo o si hay alguna metodología alternativa.
Gracias,
Arthur B
Hola Arthur,
¡Excelente pregunta! Creé el complemento de moderación y mediación y tienes toda la razón: se asemeja a un modelo de mediación moderada de primera etapa; sin embargo, actualmente el complemento no admite variables latentes ni múltiples predictores focales (es decir, múltiples predictores cuyos efectos se moderan). Puedes especificar manualmente este modelo en la plataforma SEM. El enfoque que mostraré aquí se denomina "indicador de producto sin restricciones" y puedes leer más detalles al respecto en Marsh y otros. (2012) .
Preprocesamiento de datos
Se requerirá preprocesamiento de datos. Simulé algunos datos para que coincidieran con los nombres de las variables según tu descripción. Puede que no sea del todo correcto, pero tengo 5 indicadores para TAD (TAD latente), 1 variable para AAR, 3 indicadores para MTR (MTR latente) y 1 variable para ELV, JSAT y RTN. Puedes ajustar este ejemplo según sea necesario para tus datos.
- Primero, centre la media de todos los predictores (incluidos todos los indicadores de variables latentes) y el moderador. He añadido una "c" a los nombres de estas nuevas variables:
- A continuación, cree términos de producto que involucren cada predictor y el moderador. Si el predictor es una variable manifiesta (es decir, tiene un solo indicador), se trata de un término de producto simple. Si el predictor es una variable latente (es decir, tiene múltiples indicadores), se necesita un término de producto para cada indicador.
Lanzamiento de la plataforma SEM
Ya está listo para lanzar la plataforma SEM. Asegúrese de incluir (1) los predictores centrados en la media y el moderador centrado en la media, (2) todos sus términos de producto, y (3) el mediador y el resultado. Puede ser un poco complicado pasar del marco conceptual, como se muestra aquí, al SEM que se asigna a dicho marco conceptual, así que le mostraré cómo debería ser la especificación del modelo.
Modelo conceptual vs. modelo estadístico
Como habrá visto en el complemento, el modelo estadístico para la mediación moderada de primera etapa incluye el predictor, el moderador y un término producto predictor*moderador. Cada uno de estos elementos predice tanto al mediador como al resultado. (Nota: aunque normalmente nos interesa la moderación de la vía X -> M, como en este caso, se recomienda incluir también las vías X -> Y y permitir que también se moderen. Omitirlas puede resultar en estimaciones sesgadas si son distintas de cero). Vamos a ampliar este modelo para que haya múltiples X (y múltiples términos producto X*Z). Algunos de estos predictores son variables latentes, por lo que sus términos producto correspondientes también lo son.
Especificación del modelo en la plataforma SEM
- Especifique las variables e interacciones latentes. Para las interacciones latentes, utilice las variables de producto creadas durante el preprocesamiento. Las variables latentes tienen el aspecto habitual:
Y las interacciones latentes se ven así:
- Configure las rutas de regresión necesarias. El resultado es el siguiente: TAD, MTR y AARc son los predictores (X), ELVc es el moderador (Z) y TAD*ELV, MTR*ELV y AARc*ELVc son los términos del producto (X*Z). Todos estos elementos tienen rutas hacia JSAT (M) y RTN (Y).
- Permitir que todos los términos X, Z y X*Z covaríen.
Y esos son tus pasos. Es un modelo bastante complejo, pero parece que tienes suficientes datos para respaldarlo.
¡Espero que esto ayude!
Haley
Hola Haley,
¡Fue magistral! Gracias por tu respuesta rápida, completa y clara. Funcionó como se describió.
Agradecido,
Arthur B
¡Buenos días, Haley!
Una última pregunta... ¿Hay alguna manera de crear los gráficos Johnson-Neyman para TAD*ELV, AAR*ELV y MTR*ELV?
Gracias,
Arturo
Hola Arthur,
Lamentablemente, ¡aún no! Los gráficos de Johnson-Neyman basados en la moderación de variables latentes son algo que no había visto antes. Es una extensión novedosa que me encantaría incorporar al complemento en el futuro, pero aún no lo he hecho.
Para la interacción AAR*ELV (ya que es manifiesto*manifiesto), se podría considerar usar el complemento para ajustar un modelo de mediación moderada de primera etapa e incluir únicamente los indicadores LV como covariables. El complemento generaría un gráfico JN y un gráfico de pendientes simples para la interacción AAR*ELV, lo que permitiría visualizarla mejor. Sin embargo, dado que no es exactamente el mismo modelo que el anterior, se recomienda no interpretar ni reportar las pendientes simples ni los límites de significancia; esto sería más bien una "trampa" para obtener visualizaciones aproximadas.
Mejor,
Haley
