| bruceR包v0.7.0：PROCESS()函数轻松实现中介效应和调节效应分析 | 您所在的位置：网站首页 › spss数据集下载 › bruceR包v0.7.0：PROCESS()函数轻松实现中介效应和调节效应分析 |
bruceR包v0.7.0：PROCESS()函数轻松实现中介效应和调节效应分析
|
【重要】请各位读者移步最新的两篇知乎文章：R语言综合工具包：bruceR中文帮助文档（持续更新）【FAQ】R语言综合工具包bruceR的常见问题解答 bruceR包目前已升级到0.7.0版（2021-05-28），相比于首次在CRAN官方平台发布的0.6.0版（2021-03-19），新版本有不少优化和改进，并且增加了一系列实用的新函数，尤其是能够轻松实现各种中介效应和调节效应分析的PROCESS()函数！ bruceR包（CRAN正式版v0.6.0）使用指南：让R语言数据分析变得更简单CRAN - Package bruceR自正式发布以来，在短短两个月时间里，bruceR包已经被下载2000多次。但是bruceR的功能仍在不断完善中。相比于0.6.0版，0.7.0版主要有以下几个方面的更新： 新函数开发PROCESS()：致敬Hayes (2013, 2018)开发的SPSS PROCESS宏程序，更方便地进行各种中介效应和调节效应分析，支持一般/广义的线性/线性混合模型。HLM_ICC_rWG()：计算多层线性模型的ICC(1)、ICC(2)、rWG指标。lavaan_summary()：整理、汇总lavaan包的结构方程模型结果，同时可以更方便地计算各种类型的bootstrap置信区间。granger_causality()：多元时间序列数据的格兰杰因果检验。show_colors()：展示不同颜色或配色方案。%^%：paste0()的管道函数版本，更方便地拼接字符串。原函数优化为更多函数增加了“保存APA格式表格到Word文档”的功能，目前主要支持print_table()、Describe()、Freq()、Corr()、MANOVA()、PROCESS()、model_summary()、granger_causality()等函数输出结果表格到Word。优化了set.wd()、theme_bruce()、Alpha()、EMMEANS()等函数。修复了若干bug。（更新记录详见：NEWS.md） 本文主要介绍v0.7.0新鲜出炉的PROCESS()。 社会科学研究者一定对「中介效应」和「调节效应」不陌生。 简而言之，对于自变量（X）和因变量（Y）之间的关系： 中介效应（mediation）看的是「作用机制」，即X是否通过中介变量（Med，记为M）的作用“间接”预测Y，那么X→M的路径系数a与M→Y的路径系数b的乘积a*b就是所谓的中介效应，一般称为间接效应（indirect effect），而考虑了M作用之后的X→Y的路径系数c'就是直接效应（direct effect）。调节效应（moderation）看的是「边界条件」，即X与Y的关系是否随着调节变量（Mod，记为W）的变化而存在差异，如果调节作用显著，还需要进一步做简单斜率检验来考察调节变量取何值的时候X→Y的作用是显著/不显著的，那么W不同水平下X→Y的路径系数就是简单斜率（simple slopes）。同时，我们还会遇到有调节的中介（moderated mediation），即中介效应的大小取决于调节变量，此时调节变量W有可能对X→M、M→Y、X→Y中的一个或多个路径产生调节，我们一般将W不同水平下X→M→Y的间接效应称为条件间接效应（conditional indirect effect）。另外，一个容易混淆的概念是有中介的调节（mediated moderation），但其实“有中介的调节”与“有调节的中介”是“一个硬币的两面”，统计模型是同一个，只是解释的角度不同。学者普遍认为，“有中介的调节”比较难解释，需要充分的理论支持，实际应用也较少，所以一般考虑“有调节的中介”就足够了（详见上面推荐的《中介效应和调节效应：方法及应用》一书的第五章）。在实际操作中，大家会用不同软件来进行中介/调节效应分析——Mplus、LISREL、SPSS的PROCESS插件等等。其中最受欢迎的可能是PROCESS插件（PROCESS macro for SPSS and SAS），因其操作简单、上手快、模型种类丰富。当然，如果要进行更复杂的路径分析和潜变量建模，仍然要用Mplus。 R语言同样可以实现中介/调节效应分析。 R包mediation：中介效应分析（包括有调节的中介），支持多种模型，包括一般/广义的线性/线性混合模型，但无法报告简单斜率。R包interactions：简单斜率分析（包括二阶和三阶交互），支持多种模型，包括一般/广义的线性/线性混合模型，还能绘制调节效应图和Johnson-Neyman区间图，但无法进行中介分析。R包lavaan：从简单到复杂的路径分析及结构方程模型等都能实现，并且与Mplus的风格很接近，但随着模型变复杂，代码也会变复杂，更高的灵活度牺牲了使用的便捷性。R包processR：由Keon-Woong Moon开发的R包（并不是PROCESS官方的R包），底层通过lavaan实现中介/调节分析。jamovi软件模块jAMM：由Marcello Gallucci开发的R包，同时也是一个jamovi模块，底层同样是通过lavaan实现中介/调节分析。R脚本文件process.R：由PROCESS原作者Andrew F. Hayes开发的一个长达5300行的R脚本文件（不是R包，不是R包，不是R包），在官网可以免费下载（Download - The PROCESS macro for SPSS, SAS, and R）。虽然是官方脚本，但使用起来比较麻烦，需要事先运行一遍脚本（生成一个80多MB大小的R函数），而且目前的beta试用版仍然存在bug和局限。有一天我幻想，如果能有一个函数把上面这些R包/脚本的功能整合起来，那么使用R语言进行中介/调节效应分析将会变得非常方便…… 于是，bruceR::PROCESS()诞生了！bruceR::PROCESS()函数内部采用mediation包进行中介效应分析、interactions包进行简单斜率分析、lavaan包进行链式多重中介分析，而有调节的中介则是同时调用了mediation和interactions两个包。 bruceR::PROCESS()函数并没有借鉴Hayes提供的官方脚本（毕竟官方有5300行代码），但是在开发时做了严格的比对，以确保结果的准确性（对于中介效应分析，不同软件的点估计是一致的，但区间估计由于使用了Bootstrap重抽样或Monte Carlo模拟，涉及一系列的随机过程，其结果不可能完全相同）。 bruceR::PROCESS()函数： 支持24种SPSS PROCESS模型，详见下图（覆盖了95%以上的需求，剩下来暂不支持的都是极其复杂的模型，如果实在有需要，可以使用lavaan包或Mplus）支持连续或二分类的自变量X、中介变量M、因变量Y支持连续、二分类、多分类的调节变量W支持无限多个平行的中介变量M、最多4个链式的中介变量M、最多2个调节变量W支持无限多个、不同类型的控制变量/协变量支持普通线性模型和线性混合模型（即多层线性模型HLM）支持4种估计中介效应置信区间的方法Percentile Bootstrap 95% CI（默认）Bias-Corrected Percentile Bootstrap 95% CIBias-Corrected and Accelerated (BCa) Percentile Bootstrap 95% CIMarkov Chain Monte Carlo (Quasi-Bayesian) 95% CI（线性混合模型仅支持该类型的置信区间）下面对比了bruceR::PROCESS()函数和官方PROCESS宏程序。 PROCESS-bruceR-SPSS.pdf（Page 1） PROCESS-bruceR-SPSS.pdf（Page 2） PROCESS-bruceR-SPSS.pdf（Page 3） PROCESS-bruceR-SPSS.pdf（Page 4）（PDF文档下载：PROCESS-bruceR-SPSS.pdf） bruceR::PROCESS()不仅功能丰富，而且使用起来非常简单！比如我们使用mediation包里面的一个真实数据集student来演示。 library(bruceR) #### Demo Data #### ?mediation::student data=mediation::student %>% dplyr::select(SCH_ID, free, smorale, pared, income, gender, work, attachment, fight, late, score) names(data)[2:3]=c("SCH_free", "SCH_morale") names(data)[4:7]=c("parent_edu", "family_inc", "gender", "partjob") data$gender01=1-data$gender # 0 = female, 1 = male data$gender=factor(data$gender01, levels=0:1, labels=c("Female", "Male"))先做一个调节效应分析，调节变量是性别（事先转换为factor类型），属于二分变量。 ## Model 1 ## PROCESS(data, y="score", x="late", mods="gender") Model 1：调节效应（二分类调节变量）如果调节变量是连续变量，那么默认取平均值及其上、下一个标准差的点来做简单斜率分析。当然，你还可以通过设置mod1.val和mod2.val参数来手动输入调节变量的多个取值。与官方PROCESS一样，这里最多支持两个调节变量（多于两个调节变量也难以解释了）。 PROCESS(data, y="score", x="gender", mods="late")->P P$results[[1]]$jn[[1]] # Johnson-Neyman interval P$results[[1]]$jn[[1]]$plot # Johnson-Neyman plot (ggplot object) Model 1：调节效应（连续型调节变量）除此之外，调节变量还可以是多分类的（事先在R里面转换为factor类型）。 # (allows multicategorical moderator) d=airquality d$Month=as.factor(d$Month) # moderator: factor with levels "5"~"9" PROCESS(d, y="Temp", x="Solar.R", mods="Month") Model 1：调节效应（多分类调节变量）当调节变量有两个时，需要额外设置mod.type参数，默认是"2-way"（例如Model 2），还可以设为"3-way"（例如Model 3）。 ## Model 3 ## PROCESS(data, y="score", x="late", mods=c("gender", "family_inc"), mod.type="3-way") Model 3：有调节的调节效应下面是中介效应分析的几个例子。首先是Model 4（单个中介或平行多重中介，可以设置无限多个中介变量）。这里我们加入了性别作为控制变量，通过covs参数设定（可以加入无限多个控制变量）。 ## Model 4 ## PROCESS(data, y="score", x="parent_edu", meds="family_inc", covs="gender", ci="boot", nsim=1000, seed=1) Model 4：中介效应Model 4的其他用法这里不再截图，代码也是十分简单，下面是两个例子。 # (allows an infinite number of multiple mediators in parallel) PROCESS(data, y="score", x="parent_edu", meds=c("family_inc", "late"), covs=c("gender", "partjob"), ci="boot", nsim=1000, seed=1) # (multilevel mediation) PROCESS(data, y="score", x="SCH_free", meds="late", clusters="SCH_ID", ci="mcmc", nsim=1000, seed=1)链式中介（Model 6）则需要进一步设定med.type参数，这也是唯一一个需要设定这个参数的情况。多个变量用c()把变量名连起来就好了。 ## Model 6 ## PROCESS(data, y="score", x="parent_edu", meds=c("family_inc", "late"), covs=c("gender", "partjob"), med.type="serial", ci="boot", nsim=1000, seed=1) Model 6：链式中介效应最后，来一个有调节的中介作为结尾，需要设定mod.path参数："x-y"、"x-m"、"m-y"中的一个或多个，或者设为"all"（等价于设为所有3个路径）。有调节的中介存在很多情形，下面只是其中一种（Model 8）。 ## Model 8 ## PROCESS(data, y="score", x="fight", meds="late", mods="gender", mod.path=c("x-m", "x-y"), ci="boot", nsim=1000, seed=1) Model 8：有调节的中介（同时调节X-M和X-Y路径）更多例子和用法说明，请参考： bruceR::PROCESS()的函数帮助文档PROCESS-bruceR-SPSS（PDF和Markdown文件）另外，函数还提供了保存结果的功能，可以把回归模型的结果以APA三线表的形式存到Word文档，内部调用的是bruceR::model_summary()函数。你可能会问，怎么不能保存中介或调节效应的结果到Word呢？如果能保存，岂不是更方便？这事儿你得问问Hayes，毕竟官方PROCESS甚至无法把任何结果保存到Word呀！（不，主要是我比较懒，什么时候我勤快了，也许就能把这个功能给实现了，哈哈！） 欢迎更新你电脑里的bruceR包。 如果遇到bug，并且确定是bruceR的问题，还请指出。 如果是R语言入门不到位的问题，bruceR不背锅哈！ 以上。 |
【本文地址】