YesStat — 조절효과 (입력)

조절효과

PROCESS 모형 1 · 단순기울기 · Johnson-Neyman · 변수 지정

변수 지정

데이터셋 변수 (34)

척도JR1
척도JR2
척도JR3
척도JR4
척도WE1
척도WE2
척도WE3
척도WE4
척도WE5
척도JP1
척도JP2
척도JP3
척도JP4
척도JD1
척도JD2
척도JD3
척도JD4
척도TI1
척도OC1
척도JS1
척도age
척도tenure
명목sex
명목dept
순서rank
순서edu
척도JR_mean
척도WE_mean
척도JP_mean
척도JD_mean
척도WE_t1
척도WE_t2
척도WE_t3
척도WE_t4
척도wave

독립변수 X

JR_mean

조절변수 W

JD_mean

종속변수 Y

JP_mean

출력 옵션

평균중심화

−1SD · 평균 · +1SD

Johnson-Neyman

단순기울기 도표

ΔR² 검정

코드 생성 · 이 분석을 다른 프로그램 문법으로

DEFINE: CENTER JR_mean JD_mean (GRANDMEAN);
  XW = JR_mean*JD_mean;
MODEL: JP_mean ON JR_mean JD_mean XW;
OUTPUT: STDYX CINTERVAL;
LOOP: 조건부 효과는 MODEL CONSTRAINT 사용;

center JR_mean JD_mean, prefix(c_)
regress JP_mean c.c_JR_mean##c.c_JD_mean
margins, dydx(c_JR_mean) at(c_JD_mean=(-0.83 0 0.83))
marginsplot

dat$cJR <- scale(dat$JR_mean, scale=FALSE)
dat$cJD <- scale(dat$JD_mean, scale=FALSE)
m <- lm(JP_mean ~ cJR*cJD, dat); summary(m)
interactions::sim_slopes(m, pred=cJR, modx=cJD, johnson_neyman=TRUE)

PROCESS y=JP_mean /x=JR_mean /w=JD_mean
  /model=1 /center=1 /jn=1 /plot=1 /boot=5000.

모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.