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。     

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。     

调节效应与中介效应的比较和应用

讨论了调节变量的概念和调节效应分析方法,并简要介绍了中介变量的概念和中介效应分析方法。从研究目的、关联概念、典型模型、变量的位置和功能、效应的估计和检验方法等角度,对调节变量和中介变量、调节效应和中介效应以及相应的模型做了系统的比较。作为应用例子,在儿童行为对同伴关系的影响研究中分析和比较了调节变量和中介变量。     

基于阶层线性理论的多层级中介效应

本文介绍了三种常见的多层级中介效应模型, 并根据阶层线性理论和依次检验回归系数的方法, 详述了多层级中介效应的检验步骤以及中介效应量的估计方法, 在2-1-1和1-1-1中介效应模型中, 推荐采用对层1自变量按组均值中心化, 同时将组均值置于层2截距方程式的中心化方法, 以实现组间和组内中介效应的有效分离。本文还展望了多层级中介效应模型的拓展方向, 即多层级调节性中介模型和多层级结构方程模型; 以及检验方法的拓展, 即Sobel检验和置信区间检验。     

基于结构方程模型的有调节的中介效应分析

有调节的中介模型是中介过程受到调节变量影响的模型。指出了目前有调节的中介效应分析普遍存在的问题：当前有调节的中介效应检验大多使用多元线性回归分析,忽略了测量误差;而基于结构方程模型(SEM)的有调节的中介效应分析需要产生乘积指标,又会面临乘积指标生成和乘积项非正态分布的问题。在简介潜调节结构方程(LMS)方法后,建议使用LMS方法得到偏差校正的bootstrap置信区间来进行基于SEM的有调节的中介效应分析。总结出一个有调节的中介SEM分析流程,并有示例和相应的Mplus程序。文末展望了LMS和有调节的中介模型的发展方向。     

基于物体的注意对Simon效应的调节

本研究采用双长方形框范式的变式将注意分离为基于空间和基于物体的注意后,探讨了注意对Simon效应的调节是否由基于物体的注意引起。结果发现,在长方形框水平排列时在基于物体的注意条件下Simon效应增大,而在长方形框垂直排列时在基于物体的注意条件下Simon效应没有显著变化。这表明,在长方形框水平排列时基于物体的注意可以对Simon 效应进行调节。实验结果部分支持了动态版的参照编码假设和物体文件整合假设。     

情绪调节效应的发展:一个V型发展趋势

从青少年早期到成人早期,个体情绪调节等高级社会认知功能得到进一步完善,对情绪调节的需求也日趋增长。情绪调节的发展是青少年情绪社会化发展一个重要的任务,学会采用有效的调节策略对自身情绪进行调节是青少年社会性发展的一个重要表现。在众多关于青少年社会行为研究中,对负性情绪调节能力的探究最为成熟与深入。以往研究指出,儿童青少年对负性情绪的体验激活和调控失败都是导致其非适应性行为的原因,情绪调节方式的错误选择会与其外化行为问题和和内化行为问题有很大的关联。由于青少年适应性行为的习得是多种社会性发展指标的重叠和交叉作用的体现,我们无法完全理清其中的复杂交互作用,因此从情绪调节策略的使用效应发展入手探讨个体的适应是寻求问题解决的一个可行手段。 以往研究者认为,成熟且有效的情绪调节指的是,个体能够通过控制自身的激活和唤醒以达到情绪性、生理性和社交的适应,最后达成个人的目标。情绪调节的发展也可被看作是从被动式的、有他人参与的调节（例如,社会性参照）逐渐进步为主动的、有意识的根据外部线索进行的情绪调节（例如,根据指导语提示调整自己情绪状态）。 本研究旨在探究不同年龄被试（青少年早期、青少年晚期、成人早期）在按照不同指导语提示要求下增强调节和减弱调节调节效应量的年龄差异。选取上海市初中生被试35名（22男,13女;M = 14.06岁,SD = 0.42 岁, 年龄范围：13-15岁）、高中生被试37名（13男,24女;M=16.56岁, SD=0.56岁, 年龄范围：16-18岁）以及成人被试35名（9男,26女;M = 23.60岁,SD = 1.96岁, 年龄范围：20-29岁）,采用3（年龄：初中生、高中生、成人,被试间变量）? 3（情绪刺激：正性、中性、负性,被试内变量）? 3（调节策略：增强调节、减弱调节、不调节,被试内变量）混合实验设计,使用情绪反应性—调节图片任务（Reactivity and Regulation-Image Task,REAR-I Task）对不同年龄被试情绪调节策略使用的效应量进行考察（Carthy, Horesh, Apter, Edge, & Gross, 2010）。 研究发现,从总体趋势来说,情绪调节策略的效应发展呈V型发展趋势。当不同年龄被试按照指导语要求对其情绪体验进行主动调节时,成人被试的调节效应是最大的,初中生次之,而高中生的调节效应则最低。情绪调节的V型发展趋势与以往研究中关于情绪调节态度以及自我发展的趋势相一致。另外,与增强调节策略的使用相比,减弱调节策略效应的发展是最大的。这可能与中国背景下减弱调节的适应价值有关。     

特质性与情境性调节定向匹配效应的一致性

研究试图探讨基于不同性质的调节定向(特质性调节定向和情境性调节定向)而达成的匹配所导致的效应是否一致。实验一、二均采用2(调节定向：促进、防御)×2(信息框架：积极、消极)被试间设计, 分别考察了两种匹配对信息说服效果(包括信息价值评价、情绪强度、行为意向3项指标)的影响。MANOVA检验表明, 实验一中信息价值评价、情绪强度2项指标上的交互作用显著, 实验二中信息价值评价、情绪强度和行为意向3项指标上的交互作用显著; 这表明, 基于两种不同性质的调节定向所达成的匹配在对信息价值评价和情绪强度的影响上具有一致的效应, 但在对行为意向的影响上具有不一致的效应。这一结果对于理解两种不同性质的调节定向之间的差异以及基于两者而达成的两种调节匹配之间的差异具有较为重要的意义。     

纵向数据的调节效应分析

目前调节效应检验主要是基于截面数据, 本文讨论纵向(追踪)数据的调节效应分析。如果自变量X和因变量Y有纵向数据, 调节效应可分为三类：调节变量Z不随时间变化、Z随时间变化、调节变量从自变量或因变量中产生。评介了基于多层模型、多层结构方程模型、交叉滞后模型和潜变量增长模型的纵向数据的多种调节效应分析方法。调节效应的分解和潜调节结构方程法的使用是纵向数据的调节效应分析的两大特点。对基于四类模型的调节效应分析方法进行综合比较后, 总结出一个纵向数据的调节效应分析流程。随后用实际例子演示如何进行纵向数据的调节效应分析, 并给出相应的Mplus程序。随后展望了纵向数据的调节效应分析的拓展方向, 例如基于动态结构方程模型的密集追踪数据的调节效应分析。     

Direction of Effects in Multiple Linear Regression Models

Previous studies analyzed asymmetric properties of the Pearson correlation coefficient using higher than second order moments. These asymmetric properties can be used to determine the direction of dependence in a linear regression setting (i.e., establish which of two variables is more likely to be on the outcome side) within the framework of cross-sectional observational data. Extant approaches are restricted to the bivariate regression case. The present contribution extends the direction of dependence methodology to a multiple linear regression setting by analyzing distributional properties of residuals of competing multiple regression models. It is shown that, under certain conditions, the third central moments of estimated regression residuals can be used to decide upon direction of effects. In addition, three different approaches for statistical inference are discussed: a combined D’Agostino normality test, a skewness difference test, and a bootstrap difference test. Type I error and power of the procedures are assessed using Monte Carlo simulations, and an empirical example is provided for illustrative purposes. In the discussion, issues concerning the quality of psychological data, possible extensions of the proposed methods to the fourth central moment of regression residuals, and potential applications are addressed.     

社会支持的调节作用研究

为了考察社会支持在人格特征和心理健康水平之间的调节作用,利用症状自评量表、社会支持评定量表和艾森克人格问卷简式量表对1102名大学生进行施测。层级回归分析的结果不仅支持了社会支持的调节作用,而且表明社会支持与个体的心理健康水平之间存在三种不同的关系形式,即(1)社会支持的主效应显著,但是调节效应不显著;(2)社会支持的主效应和调节效应同时显著;(3)社会支持的主效应不显著,但是调节效应显著。     

Robust Methods for Moderation Analysis with a Two-Level Regression Model

Moderation analysis has many applications in social sciences. Most widely used estimation methods for moderation analysis assume that errors are normally distributed and homoscedastic. When these assumptions are not met, the results from a classical moderation analysis can be misleading. For more reliable moderation analysis, this article proposes two robust methods with a two-level regression model when the predictors do not contain measurement error. One method is based on maximum likelihood with Student's t distribution and the other is based on M-estimators with Huber-type weights. An algorithm for obtaining the robust estimators is developed. Consistent estimates of standard errors of the robust estimators are provided. The robust approaches are compared against normal-distribution-based maximum likelihood (NML) with respect to power and accuracy of parameter estimates through a simulation study. Results show that the robust approaches outperform NML under various distributional conditions. Application of the robust methods is illustrated through a real data example. An R program is developed and documented to facilitate the application of the robust methods.     

A Comparative Investigation of Confidence Intervals for IndependentVariables in Linear Regression

In linear regression, the most appropriate standardized effect size for individual independent variables having an arbitrary metric remains open to debate, despite researchers typically reporting a standardized regression coefficient. Alternative standardized measures include the semipartial correlation, the improvement in the squared multiple correlation, and the squared partial correlation. No arguments based on either theoretical or statistical grounds for preferring one of these standardized measures have been mounted in the literature. Using a Monte Carlo simulation, the performance of interval estimators for these effect-size measures was compared in a 5-way factorial design. Formal statistical design methods assessed both the accuracy and robustness of the four interval estimators. The coverage probability of a large-sample confidence interval for the semipartial correlation coefficient derived from Aloe and Becker was highly accurate and robust in 98% of instances. It was better in small samples than the Yuan-Chan large-sample confidence interval for a standardized regression coefficient. It was also consistently better than both a bootstrap confidence interval for the improvement in the squared multiple correlation and a noncentral interval for the squared partial correlation.     

自恋双面性与行为系统的关系：性别的调节作用

为探索不同自恋得分的个体对奖赏与惩罚的敏感性及性别在其中的作用,本研究采用钦佩–竞争自恋问卷(NARQ)、BIS/BAS量表在483名在校大学生中进行调查。对数据进行共同方法偏差检验、相关分析以及基于多元回归的调节效应检验,结果发现：(1)钦佩性自恋与行为趋近系统存在显著正相关,与行为抑制系统存在显著负相关;(2)竞争性自恋与行为抑制系统存在显著正相关,而与行为趋近系统的相关不显著;(3)性别在自恋双面性与行为系统之间起调节作用。结果表明,女性自恋双面性得分越高,对奖赏和惩罚均越敏感;在男性被试中未表现出这种模式。     

纳入式分类分析法在潜在剖面模型的后续多元回归中的应用

纳入式分类分析法能克服传统的分类分析法对后续一元回归模型参数的低估,发挥潜在类别模型的后续分析简化变量间交互作用的功能。本文进一步将纳入式分类分析法拓展至潜在剖面模型后续的多元统计分析中。通过蒙特卡洛模拟实验,比较各种纳入变量的方法思路与后续分析模型在四种常见的多元回归模型中参数估计的表现。结果发现,纳入式分类分析法所需纳入的变量取决于后续分析中与因变量、潜类别变量的关系,且后续分析使用含交互作用的模型更为稳健。     

积极完美主义的调节作用研究

本研究以抑郁、焦虑为心理健康的消极指标,以自尊、生活满意度为心理健康的积极指标,探讨积极完美主义对消极完美主义与心理健康的调节作用。结果表明,积极完美主义的调节作用显著,表现为高积极完美主义条件下,消极完美主义与四个心理健康指标之间的联系更为密切,说明高积极完美主义增强了消极完美主义对心理健康的影响,低积极完美主义能缓冲消极完美主义对心理健康的影响。     

Fungible Weights in Multiple Regression

Every set of alternate weights (i.e., nonleast squares weights) in a multiple regression analysis with three or more predictors is associated with an infinite class of weights. All members of a given class can be deemed fungiblebecause they yield identical SSE (sum of squared errors) and R ² values. Equations for generating fungible weights are reviewed and an example is given that illustrates how fungible weights can be profitably used to evaluate parameter sensitivity in multiple regression. The author wishes to thank Drs. Robyn Dawes, William Grove, Markus Keel, Leslie Yonce, Joe Rausch, the editor, and three anonymous reviewers for helpful comments on earlier versions of this article.