中介效應分析技術及應用 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

葉寶娟，鬍竹菁 著

圖書標籤:

• 中介效應
• 統計分析
• SPSS
• AMOS
• 迴歸分析
• 心理學研究
• 社會科學
• 數據分析
• 研究方法
• 因果分析

齣版社： 中國社會科學齣版社

ISBN：9787516194362

版次：1

商品編碼：12332268

包裝：平裝

開本：16開

齣版時間：2016-11-01

用紙：膠版紙

頁數：395

字數：370000

正文語種：中文

內容簡介

　　近年來，在心理、教育、管理等社科研究領域，大量基於問捲數據的實證研究使用瞭中介模型或基於中介模型的復雜模型（包括有調節的中介和有中介的調節）進行分析。在國外，有人檢索2005-2009年在Journal of Personality and Social Psychology和Personality and Social Psychology Bulletin，上發錶的文章，發現分彆有59%和65%進行瞭中介效應分析（Rucker，Preacher，Tormala & Petty，2011）。在國內，我們檢索瞭2010-2014年五年間發錶在《心理學報》、《心理科學》和《心理發展與教育》上的文章，前兩種期刊發錶的基於問捲、量錶收集數據的實證文章略多於一成，最後一種期刊則超過瞭三成。其中，使用瞭中介模型或基於中介模型的復雜模型分析的在三種期刊都占瞭六成左右。
　　中介模型受歡迎的原因在於，它可以分析變量之間影響的過程和機製。與單純分析自變量對因變量影響的同類研究，中介效應分析不僅僅有方法上的進步，而且往往能得到更深入的結果。例如，有研究發現，父母社會經濟地位會影響兒女社會經濟地位；後來有人引入中介效應分析，驗證父母社會經濟地位高的傢庭，可以提供子女更好的教育條件、讓子女接受更好的教育，而更好的教育會帶來更高的社會經濟地位，因而子女的教育水平就是一個中介變量。這個包含中介的研究顯然是以往研究的深化。再如，有人研究發現A影響B，還有人研究發現B影響C，那麼不論之前是否有人研究過A影響C，都可以做一個新的研究：建立中介模型，驗證B是A影響C的中介變量。這個研究不僅是對前人研究的整閤，而且有創新，因為之前不同的研究使用的是不同的樣本，而新的研究使用的是單一樣本。隻有使用單一樣本建立中介模型，纔能驗證B的中介作用。
　　《中介效應分析技術及應用》包含瞭葉寶娟副教授做博士後（導師是鬍竹菁教授）研究期間的主要成果，理論部分主要是與其博士導師溫忠麟教授閤作的成果，應用部分還包含瞭與多位作者的閤作成果。這些成果的主要部分都以論文形式發錶在《心理學報》、《心理科學》、《心理科學進展》、《心理發展與教育》、《中國臨床心理學雜誌》等核心期刊上。
　　第一章是中介效應分析方法，討論瞭中介效應模型和檢驗方法的發展，給齣瞭實用的中介效應檢驗流程，並分彆顯變量和潛變量給齣Mplus程序。第二章包含中介效應分析的若乾案例，內容涉及漢區高校少數民族大學生幸福感、青少年煙酒使用、大學生可就業能力、問題性網絡使用等。第三章討論瞭有調節的中介效應分析方法，對現有的分析方法進行梳理，提齣方法之間的替補關係；總結齣檢驗有調節的中介模型的步驟；討論瞭有調節的中介模型與有中介的調節模型的聯係與區彆。第四章是有調節的中介效應分析案例，內容涉及青少年主觀幸福感、工讀生毒品使用、青少年學業成就、青少年生活滿意度、漢區高校少數民族大學生學校適應、高考焦慮等內容。第五章討論瞭有中介的調節效應分析方法，對現有的有中介的調節模型，逐一甄彆，推薦較好的分析方法：總結齣檢驗有中介的調節模型檢驗步驟。第六章是有中介的調節分析案例，內容涉及工讀生的毒品使用、病理性網絡使用及漢區少數民族大學生的幸福感等內容。

內頁插圖

目錄

第一章 中介效應分析方法
第一節 中介效應模型
第二節 對Baron和Kenny逐步法的質疑和辨析
一 依次檢驗還有用嗎
二 要先檢驗總效應嗎
三 區分完全中介和部分中介是否閤適
四 逐步法能驗證因果關係嗎
第三節 新的中介效應檢驗流程
第四節 中介效應模型的發展
一 類彆變量的中介效應模型
二 多重中介效應模型
三 多層中介效應模型
本章小結
附錄1-1 用偏差校正的非參數百分位Bootstrap法檢驗
顯變量中介效應Mplus程序
附錄1-2 用偏差校正的非參數百分位Bootstrap法檢驗
潛變量中介效應Mplus程序

第二章 中介效應實證研究
第一節 感恩對漢區高校少數民族大學生幸福感的影響：
基本心理需要的中介作用
一 引言
二 方法
五 結論
本章小結

第三章 有調節的中介效應分析方法
第一節 有調節的中介模型類型
一 隻調節間接效應
二 同時調節間接效應和直接效應
三 一個路徑圖兩種解釋
第二節 有調節的中介模型檢驗方法
一 係數乘積的檢驗
二 中介效應差異的檢驗
三 檢驗方法的比較
第三節 有調節的中介模型分析步驟
本章小結
附錄3-1 變量間的協方差矩陣文件（pl． txt）
附錄3-2 分析圖3-11所示模型的Mplus程序
附錄3-3 用偏差校正的百分位Bootstrap法檢驗有調節的
中介模型的Mplus程序

第四章 有調節的中介效應實證研究
第一節 壓力性生活事件對青少年主觀幸福感的影響：
應對方式和情緒智力的作用
一 引言
二 方法
三 結果
四 討論
五 結論
第二節 壓力性生活事件對工讀生毒品使用的影響：
基本心理需要和感恩的作用
一 引言
……

第五章 有中介的調節效應分析
第六章 有中介的調節效應實證研究

前言/序言

　　近年來，在心理、教育、管理等社科研究領域，大量基於問捲數據的實證研究使用瞭中介模型或基於中介模型的復雜模型（包括有調節的中介和有中介的調節）進行分析。在國外，有人檢索2005-2009年在JournalofPerson，alityan，dSocialPsychology和PersonalityandSocialPsychologyBulletin，上發錶的文章，發現分彆有59%和65%進行瞭中介效應分析（Rucker，Preacher，Tormala&Petty;，2011）。在國內，我們檢索瞭2010-2014年五年間發錶在《心理學報》、《心理科學》和《心理發展與教育》上的文章，前兩種期刊發錶的基於問捲、量錶收集數據的實證文章略多於一成，最後一種期刊則超過瞭三成。其中，使用瞭中介模型或基於中介模型的復雜模型分析的在三種期刊都占瞭六成左右。
　　中介模型受歡迎的原因在於，它可以分析變量之間影響的過程和機製。與單純分析自變量對因變量影響的同類研究，中介效應分析不僅僅有方法上的進步，而且往往能得到更深入的結果。例如，有研究發現，父母社會經濟地位會影響兒女社會經濟地位；後來有人引入中介效應分析，驗證父母社會經濟地位高的傢庭，可以提供子女更好的教育條件、讓子女接受更好的教育，而更好的教育會帶來更高的社會經濟地位，因而子女的教育水平就是一個中介變量。這個包含中介的研究顯然是以往研究的深化。再如，有人研究發現A影響B，還有人研究發現B影響C，那麼不論之前是否有人研究過A影響C，都可以做一個新的研究：建立中介模型，驗證B是A影響C的中介變量。這個研究不僅是對前人研究的整閤，而且有創新，因為之前不同的研究使用的是不同的樣本，而新的研究使用的是單一樣本。隻有使用單一樣本建立中介模型，纔能驗證B的中介作用。
　　本書包含瞭葉寶娟副教授做博士後（導師是鬍竹菁教授）研究期間的主要成果，理論部分主要是與其博士導師溫忠麟教授閤作的成果，應用部分還包含瞭與多位作者的閤作成果。這些成果的主要部分都以論文形式發錶在《心理學報》、《心理科學》、《心理科學進展》、《心理發展與教育》、《中國臨床心理學雜誌》等核心期刊上。
　　第一章是中介效應分析方法，討論瞭中介效應模型和檢驗方法的發展，給齣瞭實用的中介效應檢驗流程，並分彆顯變量和潛變量給齣Mplus程序。第二章包含中介效應分析的若乾案例，內容涉及漢區高校少數民族大學生幸福感、青少年煙酒使用、大學生可就業能力、問題性網絡使用等。第三章討論瞭有調節的中介效應分析方法，對現有的分析方法進行梳理，提齣方法之間的替補關係；總結齣檢驗有調節的中介模型的步驟；討論瞭有調節的中介模型與有中介的調節模型的聯係與區彆。第四章是有調節的中介效應分析案例，內容涉及青少年主觀幸福感、工讀生毒品使用、青少年學業成就、青少年生活滿意度、漢區高校少數民族大學生學校適應、高考焦慮等內容。第五章討論瞭有中介的調節效應分析方法，對現有的有中介的調節模型，逐一甄彆，推薦較好的分析方法：總結齣檢驗有中介的調節模型檢驗步驟。第六章是有中介的調節分析案例，內容涉及工讀生的毒品使用、病理性網絡使用及漢區少數民族大學生的幸福感等內容。

《統計分析與數據挖掘實戰》 內容簡介 本書旨在為讀者提供一套係統、實用的統計分析和數據挖掘技術學習指南，涵蓋從基礎概念到高級應用的完整流程。全書以理論與實踐相結閤為核心，通過大量真實案例和詳盡的步驟解析，幫助讀者深入理解統計學在數據分析中的重要性，並掌握數據挖掘的關鍵方法和工具。 第一部分：統計分析基礎與原理 本部分將讀者帶入統計分析的廣闊世界，從最基本的概念入手，逐步建立起紮實的理論基礎。 第一章：數據與統計學概覽 數據的類型與測量尺度： 詳細闡述定性數據（分類數據，如性彆、職業）和定量數據（數值數據，如年齡、收入）的區彆，以及名義、順序、間隔和比例等四種測量尺度的特性。理解不同數據類型和測量尺度對於選擇閤適的統計方法至關重要。 統計學的基本概念： 介紹總體與樣本、參數與統計量、描述性統計與推斷性統計等核心概念。重點講解抽樣的目的、不同抽樣方法的優缺點（如簡單隨機抽樣、分層抽樣、整群抽樣），以及抽樣誤差的來源和控製。 數據收集與整理： 討論數據收集的常見渠道（問捲調查、實驗、二手數據等）及其注意事項。講解數據清洗（缺失值處理、異常值識彆與處理）、數據轉換（如對數轉換、標準化）和數據編碼等預處理步驟，確保數據的質量和可用性。 統計軟件介紹： 簡要介紹常用的統計分析軟件，如R、Python（結閤Pandas, NumPy, SciPy, Scikit-learn庫）、SPSS、SAS等，並說明它們在數據分析中的優勢與適用場景。本書將主要以R語言和Python為主要實踐平颱進行案例演示。 第二章：描述性統計——數據初探 集中趨勢的度量： 深入解析均值、中位數和眾數。講解它們各自的適用條件，特彆是在數據分布不對稱時，中位數和眾數比均值更能反映數據的中心位置。 離散程度的度量： 講解極差、四分位距、方差和標準差。強調標準差作為衡量數據分散程度的最常用指標，以及它在比較不同數據集的變異性時的作用。 分布形態的描述： 介紹偏度（Skewness）和峰度（Kurtosis），用以描述數據分布的對稱性和尖峭程度。通過圖示和計算示例，幫助讀者理解這些指標的含義及其對數據理解的影響。 可視化技術： 重點介紹直方圖、箱綫圖（Box Plot）、散點圖（Scatter Plot）、條形圖（Bar Chart）和餅圖（Pie Chart）等可視化工具。演示如何使用這些圖錶直觀地展示數據的分布、關係和趨勢，以及如何選擇最適閤錶達數據特徵的圖錶類型。 第三章：概率論基礎與概率分布 概率的基本概念： 介紹隨機事件、樣本空間、概率的定義和性質，以及條件概率、獨立事件和全概率公式。 常用概率分布： 詳細講解二項分布、泊鬆分布、正態分布（高斯分布）、均勻分布、指數分布等。重點分析正態分布在自然科學和社會科學中的普遍性，以及其重要性質（如68-95-99.7法則）。 中心極限定理： 闡述中心極限定理的核心思想及其在統計推斷中的關鍵作用，即無論總體分布如何，當樣本量足夠大時，樣本均值的抽樣分布近似服從正態分布。 第四章：統計推斷——從樣本到總體 參數估計： 區分點估計和區間估計。詳細介紹置信區間的概念、計算方法和解釋，以及置信水平的含義。 假設檢驗： 講解假設檢驗的基本流程，包括建立原假設（H0）和備擇假設（H1），選擇檢驗統計量，確定臨界區域，計算P值，並根據P值做齣決策。 常見假設檢驗方法： 介紹Z檢驗、t檢驗（單樣本t檢驗、配對t檢驗、獨立樣本t檢驗）、卡方檢驗（獨立性檢驗、擬閤度檢驗）等。並通過實例演示如何應用這些檢驗來解決實際問題。 第二部分：數據挖掘方法與技術 本部分將引導讀者進入數據挖掘的領域，學習如何從海量數據中發現有價值的信息和模式。 第五章：相關性分析與迴歸分析 相關性分析： 介紹Pearson相關係數、Spearman秩相關係數和Kendall秩相關係數，分析變量間的綫性或單調關係強度和方嚮。講解相關不等於因果的原則。 簡單綫性迴歸： 建立一個因變量與一個自變量之間的綫性模型，講解迴歸方程的意義、最小二乘法原理，以及模型擬閤優度（R方）的解釋。 多元綫性迴歸： 擴展到多個自變量與一個因變量之間的綫性關係。介紹多重共綫性問題及其檢測與處理方法，以及變量選擇的策略（如嚮前選擇、嚮後剔除、逐步迴歸）。 迴歸診斷： 講解殘差分析、識彆異常點和強影響點，確保迴歸模型的有效性和可靠性。 第六章：分類模型——預測離散結果 邏輯迴歸： 講解邏輯迴歸模型如何用於預測二分類或多分類的離散結果。介紹Sigmoid函數、Logit變換，以及模型參數的解釋（Odds Ratio）。 決策樹： 闡述決策樹的工作原理，包括節點分裂標準（如信息增益、基尼不純度），剪枝技術以防止過擬閤。 支持嚮量機（SVM）： 介紹SVM的基本思想，包括最大間隔分類器、核技巧（Kernel Trick）在處理非綫性可分問題中的作用。 K近鄰（KNN）： 講解KNN算法的原理，如何基於樣本的鄰近性進行分類，以及距離度量和K值的選擇。 第七章：聚類分析——發現隱藏的群體 聚類分析概述： 介紹聚類分析的目標和應用場景，如客戶細分、市場分區等。 層次聚類： 講解凝聚型（Agglomerative）和分裂型（Divisive）層次聚類的區彆，以及不同鏈接準則（如Ward、Average、Complete）對聚類結果的影響。 劃分聚類（K-Means）： 詳細闡述K-Means算法的步驟，包括初始化中心點、分配樣本、更新中心點等迭代過程。討論如何選擇閤適的K值（如肘部法則、輪廓係數）。 聚類結果的評估： 介紹評價聚類質量的指標，以及如何解釋聚類結果。 第八章：關聯規則挖掘——發現物品間的聯係 關聯規則基礎： 講解頻繁項集（Frequent Itemset）、支持度（Support）、置信度（Confidence）和提升度（Lift）等核心概念。 Apriori算法： 詳細介紹Apriori算法的工作流程，如何高效地生成頻繁項集，並從中挖掘齣強關聯規則。 FP-Growth算法： 介紹FP-Growth算法，它作為Apriori算法的改進，能更有效地挖掘頻繁項集，尤其是在大型數據集上。 實際應用： 結閤超市購物籃分析、網站推薦係統等案例，展示關聯規則挖掘的價值。 第三部分：高級應用與案例實踐 本部分將前麵學到的技術融會貫通，並通過實際案例展示它們在不同領域的應用。 第九章：時間序列分析 時間序列數據的特點： 講解趨勢、季節性、周期性和隨機性等時間序列的組成成分。 平穩性檢驗與處理： 介紹ADF檢驗等方法判斷時間序列的平穩性，以及差分等方法實現平穩化。 ARIMA模型： 詳細介紹ARIMA（自迴歸積分滑動平均）模型的原理、參數選擇（p, d, q），以及模型擬閤與診斷。 應用案例： 如股票價格預測、銷售額預測、經濟指標分析等。 第十章：文本挖掘與情感分析 文本預處理： 講解分詞（Tokenization）、去除停用詞（Stop Word Removal）、詞乾提取（Stemming）和詞形還原（Lemmatization）等步驟。 文本錶示： 介紹詞袋模型（Bag-of-Words）、TF-IDF（Term Frequency-Inverse Document Frequency）等文本特徵提取方法。 情感分析： 講解如何利用機器學習算法（如樸素貝葉斯、SVM）或基於詞典的方法進行情感分析，識彆文本中的主觀信息（正麵、負麵、中性）。 案例應用： 如社交媒體評論情感分析、産品評價挖掘、新聞輿情監控等。 第十一章：模型評估與選擇 分類模型評估： 講解準確率（Accuracy）、精確率（Precision）、召迴率（Recall）、F1分數（F1-Score）和ROC麯綫（Receiver Operating Characteristic Curve）及AUC值。 迴歸模型評估： 講解均方誤差（MSE）、均方根誤差（RMSE）、平均絕對誤差（MAE）等指標。 交叉驗證： 介紹K摺交叉驗證（K-Fold Cross-Validation）等技術，用於更魯棒地評估模型的泛化能力。 模型選擇策略： 討論如何根據業務需求、數據特性和模型性能選擇最優模型。 第十二章：實戰項目演練 數據獲取與理解： 指導讀者如何從公開數據集中獲取數據，並進行初步的探索性數據分析。 問題定義與分析框架構建： 引導讀者將實際業務問題轉化為統計分析或數據挖掘問題，並設計分析流程。 多模型應用與比較： 選取一個綜閤性數據分析項目，演示如何運用書中講解的多種技術（如迴歸、分類、聚類），並比較不同模型的錶現。 結果解讀與報告撰寫： 強調如何清晰、準確地解讀分析結果，並將其轉化為業務洞察，最終撰寫一份有說服力的數據分析報告。 附錄： 常用統計學公式匯總 R語言與Python常用函數速查錶 常見統計檢驗的適用場景指南 本書不僅提供瞭理論知識，更重要的是通過大量的實踐環節，使讀者能夠獨立運用統計分析和數據挖掘技術解決現實世界中的問題，提升數據驅動決策的能力。無論您是學生、研究人員還是希望提升數據分析技能的從業者，本書都將是您寶貴的學習資源。

評分☆☆☆☆☆

坦白說，我對統計軟件的操作一直比較頭疼，那些冗長復雜的命令代碼常常讓人望而卻步。這本書在這方麵做得堪稱典範，它簡直就是一本“實戰手冊”。作者不僅介紹瞭理論模型，更重要的是，它手把手地教導讀者如何在主流的統計軟件包（比如 R 和 Stata 的特定模塊）中實現這些分析。每一個步驟都配有清晰的屏幕截圖和詳細的代碼注釋，即便是初學者也能依葫蘆畫瓢地跑齣結果。我尤其欣賞它在代碼示例中加入的“陷阱預警”，提醒讀者在特定條件下可能會齣現哪些計算錯誤或模型不收斂的情況，以及相應的解決策略。這部分內容極大地降低瞭技術門檻，讓我感覺不再是單純地在學習理論，而是真真切切地在掌握一項可操作的技能。

評分☆☆☆☆☆

我之前在研究一個跨領域的現象時，遇到瞭數據解釋的瓶頸，手頭的文獻大多停留在描述性分析的層麵，缺乏深入的因果鏈條挖掘。抱著試試看的心態找瞭這本書，沒想到它真的提供瞭一個全新的視角。書中對於如何構建復雜的、多層次的調節和中介變量模型進行瞭非常詳盡的講解，不僅限於傳統的 Baron 和 Kenny 步驟，而是深入探討瞭最新的貝葉斯方法和 bootstrapping 技術在處理間接效應估計時的優勢和局限性。尤其是關於異質性效應的討論，非常貼閤實際研究的復雜性。作者沒有做空泛的理論宣講，而是緊密結閤瞭社會學、心理學和市場營銷等不同學科的實際案例，使得抽象的統計推斷立刻變得鮮活起來。閱讀過程中，我時常會停下來，反思自己過去研究設計中可能存在的偏誤，這本書像一麵鏡子，照亮瞭我研究方法論上的盲區。

評分☆☆☆☆☆

我發現這本書的價值遠超齣瞭單純的“方法論指導”，它更像是一部關於“如何進行高質量因果推斷的哲學指南”。書中反復強調瞭研究假設的構建、理論基礎的紮實性以及模型選擇的閤理性，這些都是技術操作層麵之外的更高要求。作者花費瞭相當大的篇幅去討論“什麼是好的中介效應”以及“如何避免僞中介”的問題，這促使讀者必須從根本上思考自己的研究問題是否真的適閤采用這種分析路徑。書中對於如何批判性地評估已發錶文獻中采用的中介分析方法的有效性，提供瞭非常有價值的批判性工具。讀完之後，我不僅學會瞭如何進行復雜的分析，更重要的是，學會瞭如何以一種更加審慎、更具批判性的眼光去審視數據背後的因果敘事，這對於提升我的整體研究素養至關重要。

評分☆☆☆☆☆

這本書的裝幀設計非常考究，封麵采用瞭一種深沉的靛藍色，配上燙金的書名，給人的第一印象就是專業和嚴謹。內頁的紙張質地偏米白，印刷的字體清晰度極高，即便是長時間閱讀，眼睛也不會感到明顯的疲勞。更值得稱贊的是，書中大量運用瞭清晰的圖錶和流程圖，這些視覺輔助工具對於理解復雜的理論模型至關重要。例如，在介紹某項高級統計方法時，作者用一張結構清晰的流程圖將抽象的數學步驟具象化，我僅僅掃瞭一眼就能快速掌握其核心邏輯。這本書的排版也很有韻味，段落之間的留白恰到好處，使得閱讀的節奏感非常流暢。光是翻閱這本書本身，就是一種享受，讓人感受到齣版方在細節之處的用心。我特彆喜歡它在章節末尾設置的“關鍵概念迴顧”部分，每次看完一個核心章節後，迴頭看這些凝練的總結，都能瞬間鞏固剛纔學到的知識點，極大地提高瞭復習效率。

評分☆☆☆☆☆

這本書的學術深度和廣度是令人印象深刻的，它顯然是集結瞭作者多年研究的智慧結晶，但其敘事風格卻齣奇地平易近人，這一點非常難得。它成功地在“嚴謹的學術性”和“清晰的教學性”之間找到瞭一個完美的平衡點。作者在解釋那些涉及到高階微積分或概率論基礎的概念時，總是能找到一個非常巧妙的比喻或類比來輔助理解，而不是簡單地拋齣公式。例如，對於概率分布在間接效應估計中的作用，作者用一個生動的“信息傳遞鏈”的比喻來解釋，一下子就抓住瞭核心。這使得即便是背景知識稍弱的讀者，也能跟上思路，而不是被復雜的數學符號嚇退。這本書更像是一位經驗豐富的高級導師，耐心而又不失原則地引導你，而不是一個冰冷的概念集閤。