国内调节效应的方法学研究

在心理学和其他社科研究领域, 大量实证文章建立调节效应模型, 以分析自变量对因变量的影响是如何随着调节变量的变化而改变。过去10多年, 调节效应分析成了方法学研究的一个热点。从显变量的调节效应、潜变量的调节效应、多层数据的调节效应、基于两层回归模型的单层调节分析、纵向数据的调节效应、调节和中介的整合模型六个主题系统地总结了国内调节效应分析的方法学研究的发展历程。最后对调节效应的未来研究方向做了讨论和拓展。     

有调节的多层中介效应分析

多层中介和多层调节效应分析在社科领域已常有应用,但如果将多层中介和调节整合在一起,可以产生2（多层中介类型）×2（调节变量的层次）×3（调节的中介路径）共12种有调节的多层中介模型。面对有调节的多层中介效应分析,研究者往往束手无策。详述了基于多层线性模型的12种有调节的多层中介的分析方法和基于多层结构方程模型的4类有调节的多层中介分析方法,包括正交分割法,随机系数预测法,潜调节结构方程法和贝叶斯合理值法。这四类方法的核心议题在于如何处理潜调节项。当样本量足够大时,建议选择潜调节结构方程法;当样本量不足时,建议选择贝叶斯合理值法。随后用一个实际例子演示如何进行有调节的多层中介效应分析并有相应的Mplus程序。最后展望了有调节的多层中介效应分析研究的拓展方向。     

基于多层结构方程模型的情境效应分析—— 兼与多层线性模型比较

多层(嵌套)数据的变量关系研究, 必须借助多层模型来实现。两层模型中, 层一自变量Xij按组均值中心化, 并将组均值 置于层2截距方程式中, 可将Xij对因变量Yij的效应分解为组间和组内部分, 二者之差被称为情境效应, 称为情境变量。多层结构方程模型(MSEM)将多层线性模型(MLM)和结构方程模型(SEM)相结合, 通过设置潜变量和多指标的方法校正了MLM在情境效应分析中出现的抽样误差和测量误差, 同时解决了数据的多层(嵌套)结构和潜变量的估计问题。除了分析原理的说明, 还以班级平均竞争氛围对学生竞争表现的情境效应为例进行分析方法的示范, 并比较MSEM和MLM的异同, 随后展望了MSEM情境效应模型、情境效应无偏估计方法和情境变量研究的拓展方向。     

纵向数据的中介效应分析

目前中介效应检验主要是基于截面数据,但许多时候截面数据的中介分析不适合进行因果推断,因而需要收集历时性的纵向数据,进行纵向数据的中介分析。评介了基于交叉滞后面板模型、多层线性模型和潜变量增长模型的纵向数据的中介分析方法及其四个发展。第一,中介效应随时间变化,如连续时间模型、多层时变系数模型。第二,中介效应随个体变化,如随机效应的交叉滞后面板模型和多层自回归模型。第三,中介模型的整合,如交叉滞后面板模型与多层线性模型整合为多层自回归模型。第四,中介检验方法的发展,建议使用Monte Carlo、Bootstrap和贝叶斯法进行纵向数据的中介分析。总结出一个纵向数据的中介分析流程并给出相应的Mplus程序。随后展望了纵向数据的中介分析的拓展方向。     

基于结构方程模型的多层调节效应

使用多层线性模型进行调节效应分析在社科领域已常有应用。尽管多层线性模型区分了层1自变量的组间和组内效应、实现了多层调节效应的分解, 仍然存在抽样误差和测量误差。建议在多层结构方程模型框架下, 设置潜变量和多指标来有效校正抽样误差和测量误差。在介绍多层调节SEM分析的随机系数预测法和潜调节结构方程法后, 总结出一套多层调节的SEM分析流程, 通过一个例子来演示如何用Mplus软件进行多层调节SEM分析。随后评述了多层调节效应分析方法在国内心理学的应用现状, 并展望了多层结构方程和多层调节研究的拓展方向。     

基于两水平回归模型的调节效应分析及其效应量

使用多元回归法进行调节效应分析在社科领域已常有应用。简述了目前多元回归法的调节效应分析存在的不足, 包括人为变换检验模型、自变量和调节变量区分不足、误差方差齐性的假设难以满足、调节效应量指标ΔR²没有直接测量调节变量对自变量与因变量关系的调节程度。比较好的方法是用两水平回归模型进行调节效应分析并使用相应的效应量指标。在介绍新方法和新效应量后, 总结出一套调节效应的分析流程, 通过一个例子来演示如何用Mplus软件进行两水平回归模型的调节效应及其效应量分析。最后讨论了两水平回归模型的调节效应分析的发展, 包括稳健的调节效应分析、潜变量的调节效应分析、有调节的中介效应分析和有中介的调节效应分析等。     

纵向题目作答时间模型：对潜在加工速度的变化追踪

本研究提出四个纵向题目作答时间（RT）模型以追踪潜在加工速度的变化。四者的测量模型一致,差异主要体现于描述潜在加工速度随时间变化的结构模型。实证研究结果表明四者均有实践应用性且数据分析结果具有较高一致性。模拟研究表明四者在不同模拟条件下的参数估计返真性均良好。总之,本文提出的四个纵向RT模型具有可应用性且心理计量学性能良好;不仅丰富了纵向RT数据的分析方法,还拓展了纵向潜变量模型的应用范围。     

常见的类别变量的有调节的中介模型分析

社科研究领域常用到类别变量的中介和调节效应分析。如果中介和调节整合在一起,当自变量或调节变量为类别变量时,应当如何进行有调节的中介效应分析呢？以两阶段被调节的中介模型为例,详述了类别自变量或类别调节变量的有调节的中介效应分析的方法,接着用实际例子演示如何进行分析,并给出了相应的Mplus程序。最后展望了未来的拓展方向,包括模型拓展、变量拓展（二分因变量）和类别变量的编码拓展。     

国内中介效应的方法学研究

中介效应可以分析自变量对因变量的影响过程和作用机制, 已成为分析多个变量之间关系的一种重要统计方法。最近20年, 中介效应成了研究方法的一个热点。从中介效应的检验方法、效应量、类别变量的中介效应检验、纵向数据的中介效应检验和模型拓展(包括多重中介、多层中介、有调节的中介和有中介的调节模型)五个方面系统总结了国内中介效应的方法学研究的发展历程。最后对中介效应的国外方法学研究进展和中介效应的未来研究方向做了讨论和拓展。     

如何描述发展趋势的差异：潜变量混合增长模型

在追踪研究中,研究者不仅关心某一特质随时间的发展趋势,而且关注个体之间发展趋势的差异及其存在差异的原因。在总体发展同质的情形下,多层线性模型和潜变量增长曲线模型为解决这一问题提供了切实有效的方法。但是如果所研究的总体本身不同质,就需要一种能够描述总体中不同质子总体的不同发展特点的方法。该文简要介绍了一种能够描述不同群体不同发展趋势特征的统计模型——潜变量混合增长模型,并通过一个实际例子介绍了这一方法的应用过程,同时说明了潜变量混合增长模型与多层线性模型和潜变量增长曲线模型之间的关系     

员工跨界行为的收益与代价：元分析的证据

为探究员工跨界行为产生的影响、作用机制和边界条件, 通过文献检索、筛选和编码, 对50项员工跨界行为研究的52个独立样本(总样本量N = 14366)进行元分析, 结果表明: 员工跨界行为既会产生收益也需要付出代价, 收益表现为员工跨界行为提升工作满意度、组织承诺、绩效和创新, 付出的代价表现为跨界行为引发角色压力。员工跨界行为与结果变量的关系受员工类型(知识型员工-非知识型员工)和个人主义-集体主义、权力距离的调节。工作态度在员工跨界行为和绩效、创新的关系中发挥中介效应, 但在跨界行为和压力与耗竭的关系中出现了遮掩效应。本元分析为员工跨界行为提供了综合而可靠的结论, 对未来员工跨界行为的相关研究具有一定借鉴意义。     

第二类有中介的调节模型

心理学研究常用有中介的调节模型揭示调节作用通过中介变量间接实现的现象。介绍了第二类有中介的调节模型(meMO-II)的概念及优势; 将meMO-II与其它中介调节混合模型进行了辨析; 给出了meMO-II的建模方法和分析流程, 并用一个实例演示; 介绍了基于潜变量的meMO-II的分析方法、meMO-II建模方法的新进展以及meMO-II的变式。研究有助于推动调节机制研究的发展。     

用于处理不努力作答的标准化残差系列方法和混合多层模型法的比较

文章采用模拟研究, 分别在混合多层模型假设满足和违背的情境下, 比较了混合多层模型方法与标准化残差系列方法在识别不努力作答和参数估计方面的表现。结果显示：(1)不存在不努力作答或其严重性低时, 各方法表现接近; (2)不努力作答严重性高时, 固定参数迭代标准化残差法普遍更优, 混合多层模型法仅在假设满足且两种作答反应时差异大的条件下表现较好。建议实际应用中优先选择固定参数迭代标准化残差法。     

The Parents Matter! Program Interventions: Content and the Facilitation Process

The Parents Matter! Program (PMP) has developed three interventions for parents of 4th and 5th grade African-American children (9–12 years old). The overarching goal of all three interventions is to provide parents with knowledge, skills, and support for enhancing their efforts to raise healthy children. The interventions are: (1) Enhanced Communication and Parenting (five 2 -hour sessions), (2) Brief Communication and Parenting (single 2 -hour session), and (3) General Health (single 2 -hour session). This article discusses the development of these interventions, presents an overview of the content of each intervention, and discusses issues related to the facilitation/presentation of these interventions.     

认知诊断模型的标准误与置信区间估计：并行自助法

认知诊断模型的标准误(Standard Error, SE; 或方差—协方差矩阵)与置信区间(Confidence Interval, CI)在模型参数估计不确定性的度量、项目功能差异检验、项目水平上的模型比较、Q矩阵检验以及探索属性层级关系等领域有重要的理论与实践价值。本研究提出了两种新的SE和CI计算方法：并行参数化自助法和并行非参数化自助法。模拟研究发现：模型完全正确设定时, 在高质量及中等质量项目条件下, 这两种方法在计算模型参数的SE和CI时均有好的表现; 模型参数存在冗余时, 在高质量及中等质量项目条件下, 对于大部分允许存在的模型参数而言, 其SE和CI有好的表现。通过实证数据展示了新方法的价值及计算效率提升效果。     

Empirical bayes estimates of domain scores under binomial and hypergeometric distributions for test scores

We introduce two simple empirical approximate Bayes estimators (EABEs)— and —for estimating domain scores under binomial and hypergeometric distributions, respectively. Both EABEs (derived from corresponding marginal distributions of observed test scorex without relying on knowledge of prior domain score distributions) have been proven to hold -asymptotic optimality in Robbins' sense of convergence in mean. We found that, where and are the monotonized versions of and under Van Houwelingen's monotonization method, respectively, the convergence rate of the overall expected loss of Bayes risk in either or depends on test length, sample size, and ratio of test length to size of domain items. In terms of conditional Bayes risk, and outperform their maximum likelihood counterparts over the middle range of domain scales. In terms of mean-squared error, we also found that: (a) given a unimodal prior distribution of domain scores, performs better than both and a linear EBE of the beta-binomial model when domain item size is small or when test items reflect a high degree of heterogeneity; (b) performs as well as when prior distribution is bimodal and test items are homogeneous; and (c) the linear EBE is extremely robust when a large pool of homogeneous items plus a unimodal prior distribution exists.The authors are indebted to both anonymous reviewers, especially Reviewer 2, and the Editor for their invaluable comments and suggestions. Thanks are also due to Yuan-Chin Chang and Chin-Fu Hsiao for their help with our simulation and programming work.     

Equivalents for a Quasivariety to be Generated by a Single Structure

We present some equivalent conditions for a quasivariety of structures to be generated by a single structure. The first such condition, called the embedding property was found by A.I. Mal′tsev in [6]. It says that if are nontrivial, then there exists such that A and B are embeddable into C. One of our equivalent conditions states that the set of quasi-identities valid in is closed under a certain Gentzen type rule which is due to J. Łoś and R. Suszko [5]. Presented by Jacek Malinowski     

Moral Conflicts between Groups of Agents

Two groups of agents, and , face a moral conflict if has a moral obligation and has a moral obligation, such that these obligations cannot both be fulfilled. We study moral conflicts using a multi-agent deontic logic devised to represent reasoning about sentences like ‘In the interest of group of agents, group of agents ought to see to it that .’ We provide a formal language and a consequentialist semantics. An illustration of our semantics with an analysis of the Prisoner’s Dilemma follows. Next, necessary and sufficient conditions are given for (1) the possibility that a single group of agents faces a moral conflict, for (2) the possibility that two groups of agents face a moral conflict within a single moral code, and for (3) the possibility that two groups of agents face a moral conflict.