.png){kind=icon}
返回
Moderation with a latent class variable: A tutorial and example
.png){kind=icon}
OA
AI
DOI：10.3758/s13428-025-02886-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
中介分析允许对预测变量与结果变量之间关系进行更细致的理解。传统中介分析的局限性在于，当使用无法解释总体中未观察异质性的调节变量来检验假设时会出现。这一局限性可以通过扩展中介分析，纳入包含辅助变量（作为预测变量和/或结果变量）的潜类别分析（其中调节变量为潜类别变量）来解决。本教程使用三步手动方法（Asparouhov & Muthén, Structural Equation Modeling: A Multidisciplinary Journal, 21, 329-341, 2014）明确了包含潜类别变量的扩展中介模型。来自美国生活纵向调查的数据说明了在科学态度背景下该方法的应用。具体而言，假设潜类别变量（科学态度）调节预测变量（科学成就）与结果变量（对科学议题的兴趣）之间的关系，同时控制人口学变量。
Keyword:
Latent class moderation
Latent class analysis
Tutorial
Moderation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
711
被引数:
3.6W
机构
引用论文
.png){kind=icon}
Using QuantCrit to Advance an Anti-Racist Developmental Science: Applications to Mixture Modeling
PREAI
分享收藏Extensions of Auxiliary Variable Approaches for the Investigation of Mediation, Moderation, and Conditional Effects in Mixture Models辅助变量方法的扩展，用于研究混合模型中的调解，调节和条件效应
PREAI
分享收藏Toward a Unifying Social Cognitive Theory of Career and Academic Interest, Choice, and Performance
PREAI
分享收藏分享收藏
查看更多内容