bootstrap中介效应检验

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请问各位大佬，我的bootstrap中介效应结果如下，在不输入代码estat bootstrap, percentile bc时，我的_bs_1的检验结果包括了零说明不存在部分中介效应。但输入这个代码estat bootstrap, percentile bc后，我的_bs_1的检验结果不包括零了。我是该看那一个的检验结果呢？请问原理是什么呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Bootstrap Bootstra 中介效应检验 boots boot

Bootstrap的常用估计方法（以1000次为例）
1.Bootstrap正态近似法（ the asymptotic normal approximation - Not a good choice）：计算1000个中位数的标准差，以此作为原始样本的中位数标准误差的估计值，如果抽样近似正态分布，基于此构造中位数的置信区间。
2.Bootstrap百分位法（the percentile interval）：作为方法1的替代可以使用bootstrap样本分布的百分位数来估计置信区间。如果所构造的中位数恰好和原始样本的中位数相同（无偏），则选择此方法。 If βˆ is biased, the percentile interval will be even more biased than asymptotic interval. Not recommended
3.偏差矫正的Bootstrap百分位法(bias-corrected bootstrap interval)：如果有偏，建议采用偏差矫正的Bootstrap百分位数法，其通过原始中位数在bootstrap样本中位数中的百分位点，矫正置信区间。if it is normal but biased, the BC interval will be exact.
具体到bootstrap中介效应估计：偏差校正的Bootstrap法的总体表现优于未校正的Bootstrap方法，但在某些条件下会高估第Ⅰ类错误率，导致置信区间偏差较大。(心理科学 ›› 2013, Vol. 36 ›› Issue (3): 722-727.)

如果有兴趣还可以看看：Bias-Corrected and Accelerated Interval（BCa）

在你的描述中，提到“bootstrap”中介效应检验过程中，在使用`estat bootstrap, percentile bc`命令之前和之后获得不同结果的问题。这实际上是关于Bootstrap方法如何评估置信区间和显著性的一个常见问题。

Bootstrap是一种非参数统计技术，通过从样本数据中进行有放回抽样（重采样）来估计参数的分布。在中介效应检验中，它被用来估计间接效应（即mediation effect, 或者你所指的`_bs_1`）的标准误差和置信区间。

当你不使用`estat bootstrap, percentile bc`命令时，默认可能使用的是标准正态分布假设下的参数估计方法。但是，在现实数据中，间接效应往往不符合这种简单的正态分布假设，尤其是当样本量较小或中介效应较弱时。这是因为间接效应是两个或多个效应的乘积，其分布可能更为复杂。

当你使用`estat bootstrap, percentile bc`命令后，得到的是基于百分位数（percentile）和偏差校正（bias-corrected）的Bootstrap置信区间。这通常会提供更准确的结果，因为它们不依赖于数据服从特定分布的假设，并且能够更好地反映间接效应的实际分布。

因此，在评估中介效应时，推荐使用`estat bootstrap, percentile bc`命令得到的结果，因为这种基于百分位数和偏差校正的方法更为稳健和精确。如果置信区间不包含零，则表示在该效果大小下中介作用是显著的。

简而言之，你应该主要关注使用`estat bootstrap, percentile bc`后获得的检验结果，因为它提供了更可靠、更符合数据实际分布的置信区间估计。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用