1.4. Data analysis plan Testing med

1.4. Data analysis plan Testing mediation by using an SEM methodology allows for more intricate mediation hypotheses that can more accurately reflect empirical phenomenon to be tested compared to regression alone. In the simplest case, when testing mediation with SEM, an internal variable is constructed which represents the product of two coefficients: the regression of the independent variable on the mediation variable, and the regression of the mediation variable on the dependent variable. This product coefficient is then compared either to a 'delta method' derived standard error (equivalent to the traditional statistic proposed by Sobel, 1982) or, often more appropriately due to the nature of product variables, to a bootstrapped standard error estimate (MacKinnon, 2008). The benefit to SEM is that all coefficients are estimated conditional on the structural relationships defined from the model, and therefore can be more effective in situations where variables of interest should be included but do not relate directly to the mediation relationship, when multiple mediation paths are present, or when latent variables are required (MacKinnon, 2008). Separate SEM were run to test the hypotheses that (1) family hardiness would be a mediator of the relationship between the pile-up of stressors and maternal reports of family distress and (2) self-efficacy and social support would be mediators of the relationship between the stressors and hardiness. We then ran one larger combined SEM to test whether self-efficacy and social support would remain mediators of hardiness, and hardiness a mediator of distress, taking into account any other potential paths to our outcome. We controlled for age and gender in all analyses. Our sample was expected to have adequate power for SEM given that our models did not have latent variables and that there were at most six parameters in the most complex of models, far over the minimum of n = 5 per parameter (Bentler & Chou, 1987).

ผลลัพธ์ (ไทย) 1:

1.4 ข้อมูลวิเคราะห์แผนการไกล่เกลี่ยการทดสอบ โดยการใช้วิธี SEM ช่วยให้สมมติฐาน mediation ซับซ้อนมากขึ้นที่สามารถสะท้อนปรากฏการณ์เชิงประจักษ์ที่จะทดสอบได้อย่างถูกต้องมากขึ้น เมื่อเทียบกับถดถอยเพียงอย่างเดียว ในที่สุดกรณี เมื่อทดสอบไกล่เกลี่ยกับ SEM ตัวแปรภายในที่มีโครงสร้างซึ่งหมายถึงผลิตภัณฑ์ของ coefficients สอง: การถดถอยของตัวแปรอิสระตัวแปรไกล่เกลี่ย และการถดถอยของตัวแปรไกล่เกลี่ยบนตัวแปร Coefficient ผลิตภัณฑ์นี้จากนั้นจะเปรียบเทียบไปมา 'วิธีเดลต้า' ข้อผิดพลาดมาตรฐาน (เทียบเท่าสถิติดั้งเดิมที่เสนอ โดย Sobel, 1982) หรือ มักจะเพิ่มเติมอย่างเหมาะสมเนื่องจากลักษณะของตัวแปรผลิตภัณฑ์ การมีข้อผิดพลาดมาตรฐาน bootstrapped ประเมิน (MacKinnon, 2008) ประโยชน์การ SEM คือ coefficients ทั้งหมดประมาณแบบมีเงื่อนไขในการกำหนดความสัมพันธ์ของโครงสร้างจากแบบจำลอง และดังนั้นจึง สามารถมีประสิทธิภาพในสถานการณ์ที่ควรจะรวมตัวแปรที่น่าสนใจ แต่ไม่เกี่ยวข้องโดยตรงกับความสัมพันธ์ไกล่เกลี่ย ไกล่เกลี่ยหลายเส้นทางมีอยู่ หรือ เมื่อจำเป็นต้องมีตัวแปรแฝง (MacKinnon, 2008) แยก SEM ถูกเรียกใช้เพื่อทดสอบสมมติฐานว่า (1) ครอบครัวเข้มแข็งจะเป็นสื่อกลางของความสัมพันธ์ระหว่าง pile-up ของความเครียดและรายงานมารดาของครอบครัวความทุกข์และ (2) efficacy ตนเอง และสนับสนุนทางสังคมจะเป็นผู้ไกล่เกลี่ยความสัมพันธ์ระหว่างความเครียดและเข้มแข็ง เราแล้ววิ่งหนึ่ง SEM รวมขนาดใหญ่เพื่อทดสอบว่าตนเอง efficacy และสนับสนุนทางสังคมจะยังคง mediators แข็ง และเข้มแข็งเป็นสื่อกลางของความทุกข์ คำนึงถึงเส้นทางศักยภาพอื่น ๆ เพื่อผลของเรา เราควบคุมสำหรับอายุและเพศในการวิเคราะห์ทั้งหมด ตัวอย่างของเราต้องมีกำลังไฟเพียงพอสำหรับ SEM ระบุว่ารุ่นของเราไม่มีตัวแปรแฝงและที่มีมากที่สุดหกพารามิเตอร์ในซับซ้อนมากที่สุดของรุ่น ไกลกว่าขั้นต่ำของ n = 5 ต่อพารามิเตอร์ (Bentler และโชว 1987)

ผลลัพธ์ (ไทย) 2:

1.4 การวิเคราะห์ข้อมูลการไกล่เกลี่ยทดสอบแผนโดยใช้วิธีการ SEM ช่วยให้การตั้งสมมติฐานการไกล่เกลี่ยที่ซับซ้อนอื่น ๆ ที่สามารถถูกต้องมากขึ้นสะท้อนปรากฏการณ์เชิงประจักษ์ได้รับการทดสอบเมื่อเทียบกับการถดถอยเพียงอย่างเดียว ในกรณีที่ง่ายที่สุดเมื่อการทดสอบการไกล่เกลี่ยกับ SEM, ตัวแปรภายในที่สร้างขึ้นซึ่งหมายถึงสินค้าของทั้งสอง cients Fi COEF: การถดถอยของตัวแปรอิสระตัวแปรไกล่เกลี่ยและการถดถอยของตัวแปรไกล่เกลี่ยในตัวแปร นี้ COEF สินค้า Fi เพียงพอแล้วเมื่อเทียบกับอย่างใดอย่างหนึ่งไปสู่​​ 'วิธีเดลต้า' มาข้อผิดพลาดมาตรฐาน (เทียบเท่าสถิติแบบดั้งเดิมที่เสนอโดยโชเบล, 1982) หรือบ่อยขึ้นอย่างเหมาะสมเนื่องจากลักษณะของตัวแปรผลิตภัณฑ์, การคาดคะเนผิดพลาด bootstrapped มาตรฐาน (MacKinnon, 2008) บีน Fi T เพื่อ SEM คือว่าทุก cients COEF Fi จะมีการประเมินเงื่อนไขในความสัมพันธ์ของโครงสร้างนิยามจากแบบจำลองและดังนั้นจึงจะมีประสิทธิภาพมากขึ้นในสถานการณ์ที่ตัวแปรที่น่าสนใจควรจะรวม แต่ไม่ได้เกี่ยวข้องโดยตรงกับความสัมพันธ์ของการไกล่เกลี่ยเมื่อเส้นทางการไกล่เกลี่ยหลาย ปัจจุบันหรือเมื่อตัวแปรแฝงจะต้อง (MacKinnon 2008) เฉพาะกิจ SEM วิ่งเพื่อทดสอบสมมติฐานที่ว่า (1) เข้มแข็งของครอบครัวจะเป็นคนกลางของความสัมพันธ์ระหว่างกองขึ้นความเครียดและรายงานมารดาของความทุกข์ของครอบครัวและ (2) ตัวเอง EF cacy fi และการสนับสนุนทางสังคมจะเป็นผู้ไกล่เกลี่ยของความสัมพันธ์ ระหว่างความเครียดและความกล้าหาญ จากนั้นเราจะวิ่งขนาดใหญ่รวม SEM เพื่อทดสอบว่าตัวเอง EF cacy fi และการสนับสนุนทางสังคมจะยังคงเป็นผู้ไกล่เกลี่ยของความกล้าหาญและความกล้าหาญคนกลางแห่งความทุกข์โดยคำนึงถึงเส้นทางที่มีศักยภาพอื่น ๆ กับผลของเรา เราควบคุมอายุและเพศในการวิเคราะห์ทั้งหมด ตัวอย่างของเราได้รับการคาดหวังว่าจะมีอำนาจเพียงพอสำหรับ SEM ระบุว่ารูปแบบของเราไม่ได้มีตัวแปรแฝงและว่ามีที่มากที่สุดหกพารามิเตอร์ในที่ซับซ้อนมากที่สุดของแบบจำลองไกลกว่าขั้นต่ำของ n = 5 ต่อพารามิเตอร์ (Bentler & โจว 1987 )

ผลลัพธ์ (ไทย) 3:

1.4 . วิเคราะห์ข้อมูลวางแผนทดสอบการไกล่เกลี่ยโดยใช้ SEM และวิธีการช่วยไกล่เกลี่ยที่ซับซ้อนมากขึ้นที่ถูกต้องสามารถเพิ่มเติมอีกครั้งfl ect ปรากฏการณ์เชิงประจักษ์จะทดสอบเทียบกับการอยู่คนเดียว ในกรณีที่ง่ายที่สุด เมื่อทดสอบการไกล่เกลี่ยกับ SEM , ตัวแปรภายในถูกสร้างขึ้น ซึ่งเป็นผลิตภัณฑ์ของทั้งสอง cients จึง coef : การถดถอยของตัวแปรอิสระและตัวแปรในการไกล่เกลี่ย , การถดถอยของตัวแปรในตัวแปรตาม นี้ coef ผลิตภัณฑ์จึง cient แล้วเปรียบเทียบด้วยวิธี " " Delta ได้ค่าความคลาดเคลื่อนมาตรฐาน ( เทียบเท่ากับสถิติเดิมที่เสนอโดยลิงค์ , 1982 ) หรือ บ่อยครั้งที่เหมาะสมเนื่องจากธรรมชาติของตัวแปรผลิตภัณฑ์ ที่จะ bootstrapped ความคลาดเคลื่อนประมาณ ( แมคคินนอน , 2008 ) ใช้ดีจึง t SEM คือทั้งหมดที่ cients จึง coef คาดว่าเงื่อนไขในโครงสร้างความสัมพันธ์ เดอ จึงลงจากรูปแบบและดังนั้นจึงจะมีประสิทธิภาพมากขึ้นในสถานการณ์ที่ตัวแปรที่น่าสนใจควรอยู่แต่ไม่ได้เกี่ยวข้องโดยตรงกับการไกล่เกลี่ยความสัมพันธ์ เมื่อเส้นทางการไกล่เกลี่ยหลายอยู่ หรือเมื่อต้องใช้ตัวแปรแฝง ( แมคคินนอน , 2008 ) แยก SEM เป็นวิ่งเพื่อทดสอบสมมุติฐานว่า ( 1 ) ความเข้มแข็งของครอบครัวจะเป็นคนกลางของความสัมพันธ์ระหว่างกองของบุคคลและรายงานแม่ทุกข์ครอบครัวและ ( 2 ) ด้วยตนเองจึง cacy EF และการสนับสนุนทางสังคมเป็นสื่อกลางความสัมพันธ์ระหว่างความเครียดและความทนทาน . เราวิ่งขนาดใหญ่รวม SEM เพื่อทดสอบว่าตนเองและการสนับสนุนทางสังคม จึง cacy EF ก็ยังคงไกล่เกลี่ยของความทนทานและความทนทานเป็นคนกลางของความทุกข์ โดยคำนึงถึงศักยภาพอื่น ๆเส้นทางผลของเรา เราควบคุมสำหรับอายุและเพศในองค์ประกอบ ตัวอย่างของเราคาดว่าจะมีพลังเพียงพอสำหรับ SEM ระบุว่าโมเดลของเราไม่ได้มีตัวแปรแฝง และมีมากที่สุดในหกพารามิเตอร์ที่ซับซ้อนมากที่สุดของรุ่นไกลเหนือสุดของ n = 5 ต่อพารามิเตอร์ ( bentler & Chou , 1987 )