《Advances in Methods and Practices in Psychological Science》:How Does Model (Mis)Specification Affect Statistical Power, Type I Error Rate, and Parameter Bias in Moderated Mediation? A Registered Report
编辑推荐:
有调节的中介(moderated mediation)模型在心理学及其他领域被广泛用于建模效应发生的时间和方式。研究人员必须选择中介模型中的哪些路径受到调节,但可能难以决定是包含过多调节路径(最大化取向)还是过少(最小化取向)。在本注册报告中,研究人员调查了模
有调节的中介(moderated mediation)模型在心理学及其他领域被广泛用于建模效应发生的时间和方式。研究人员必须选择中介模型中的哪些路径受到调节,但可能难以决定是包含过多调节路径(最大化取向)还是过少(最小化取向)。在本注册报告中,研究人员调查了模型设定对有调节的中介指数(index of moderated mediation)的统计功效(statistical power)、第一类错误率(Type I error rate)和参数偏差(parameter bias)的影响。在对一年内发表的有调节的中介文章进行的系统综述中,研究人员发现六种模型设定占分析的85%,中位样本量为285。随后,研究人员进行了蒙特卡洛模拟(Monte Carlo simulation)研究,以检验模型设定对功效和第一类错误率的影响;结果使用多层逻辑回归(multilevel logistic regression)进行分析。相对于数据生成过程(data-generating process),分析模型可能是正确设定、过度设定、欠设定或完全错误设定的。过度设定的模型通常表现出比正确设定模型更低的统计功效,但参数偏差相对较低。欠设定模型通常功效较低,且往往具有不可接受的高参数偏差。完全错误设定的模型在某些情况下表现出膨胀的第一类错误率,有时还出现不可接受的参数偏差。基于这些结果,研究人员建议研究者倾向于最大化取向,以减少参数偏差,同时承认相关的功效损失。预注册(preregistration)有助于事先建立模型设定计划。
有调节的中介(moderated mediation,即中介路径受调节变量影响的模型)被广泛用于研究效应发生的时间和条件。建模时研究者需要选择哪些路径被调节,即模型设定(model specification)。以往研究显示中介和调节分析常因效应量小、样本量不足而统计功效(statistical power,正确拒绝原假设的概率)偏低,但模型设定错误对功效、第一类错误率(Type I error rate,错误拒绝原假设的概率)和参数偏差(parameter bias,估计值与总体真值之差)的影响尚不明确。为此,研究人员开展了一项注册报告(registered report),发表于《Advances in Methods and Practices in Psychological Science》。
研究人员先对一年内发表的411篇有调节的中介文章进行系统综述,识别出六种常用模型(PROCESS模型7、8、14、15、58、59),占分析实践的85%,中位样本量为285。随后采用蒙特卡洛模拟(Monte Carlo simulation,通过大量随机抽样近似统计性质的方法),在GAUSS 21中生成数据,每个条件5000个样本。模拟使用不完全析因设计:6个数据生成过程(data-generating process, DGP)×9个样本量(100至1000)×3个交互效应量(交互项解释1%、3%、5%方差)×2种X类型(二分/连续)×2种W类型(二分/连续)×6个分析模型;当调节变量W连续时,模型58和59因有调节的中介指数(index of moderated mediation,量化条件间接效应随调节变量变化程度的指标)未定义而不参与。数据用普通最小二乘(OLS)回归估计系数,对有调节的中介指数采用95%百分位自助法置信区间(1000次自助抽样)进行推断,结果用多层逻辑回归分析。
结果:
积极检验:模拟结果符合预期,功效随样本量和效应量增加;正确设定模型的参数偏差接近零(M=0.0007)。
最大化取向(过度设定)的后果:与正确设定模型相比,过度设定模型检验有调节的中介指数的功效更低,连续调节变量条件下平均降低0.26,二分条件下降低0.25,支持H1a;过度设定模型中调节路径数越多功效越低,特别是包含全部三条路径的模型59相比模型8和15,支持H1b;所有过度设定条件的相对偏差均小于10%,支持H1c。
最小化取向(欠设定)的后果:欠设定模型比正确设定模型功效平均降低0.09(连续)和0.10(二分),支持H2a;66%条件下的相对偏差超过20%,平均25%,支持H2b。
完全错误设定的后果:仅9%的条件第一类错误率超过Bradley宽松标准0.075,未达到非忽略比例阈值,H3a未获支持;但DGP为模型8而分析模型为模型14时,第一类错误率平均达0.154,最高0.496。13%的条件原始偏差超过|0.00286|,H3b得到部分支持。
讨论部分总结:最大化取向的主要代价是功效损失,但参数估计相对无偏;最小化取向既降低功效又导致严重参数偏差;完全错误设定通常影响较小,但某些结构不匹配(如遗漏直接效应调节且错误设定第二阶段调节)可极大膨胀第一类错误率。实际应用中,当理论依据不确定时,研究者可倾向最大化取向以避免偏差,但不宜无条件增加调节路径;若担心完全错误设定,包含直接效应调节可能降低第一类错误率膨胀风险。预注册有助于在研究前确定模型设定计划。样本量规划需考虑模型复杂度,较复杂的模型需要更大样本量。局限性包括仅考察六种模型、假设二分变量等比例分配、X与W独立等。研究结论:模型设定对统计功效、参数偏差和第一类错误率具有系统性影响;研究者应基于理论仔细论证每条调节路径,而不是将模型设定视为技术细节,从而确保有调节的中介分析产生有效、可解释且可重复