Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Para Entender Mediacion
Para Entender Mediacion
http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S0212-97282013000200035
Análisis de mediación usando SPSS
Análisis de mediación
usando SPSS
• Effec size: estimación del tamaño
del efecto
• Sobel test: test de la hipótesis H0
• Total effect: efecto directo de X
sobre Y
• Compara indirect effects: cuando
hay más de un mediador
• Multicategorical: variables dummy
de forma automática
Interpretación de resultados
- Efecto de X sobre Y
(aislado)
Interpretación de resultados
- Verificar la p (<.05) y
los intervalos de
confianza (que no
contengan el cero)
https://www.dovepress.com/depression-and-pain-testing-of-serial-multiple-mediators-peer-reviewed-fulltext-article-NDT
Otras extensiones del modelo de mediación
Variables categóricas: Dummy coding
Forma de representar una variable categórica usando 0 y 1
1. Contar el número de categorías (grupos) y restarle 1
2. Crear nuevas variables por cada grupo que se quiere comparar
3. Seleccionar un grupo, con el que se van a realizar las comparaciones (e.g., control, neutral,
intermedio, minoritarios, etc.)
4. Asignar el valor 0 a todos los valores del grupo de referencia
5. Para la primera variable dummy, asignar el valor de 1 para el primer grupo (que se va a
comparar con el de la línea base) y a los demás grupos el valor de 0
6. Para la segunda variable dummy, asignar el valor de 1 para el segundo grupo y a los demás el
valor de 0.
7. Repetir este proceso para todas las variables
8. Ubicar todas las variables dummy en el modelo lineal.
Variables multicategóricas
• Indicator coding Co X1 X2 X3
n
(Dummy): compara
1 0 0 0
cada grupo con el grupo 3 1 0 0
de referencia 4 0 1 0
6 0 0 1
• Sequential coding: Co X1 X2 X3
compara el grupo de n
1 0 0 0
menor posición con el 3 1 0 0
inmediatamente 4 1 1 0
superior 6 1 1 1
• Helmert coding: compara el Con X1 X2 X3
grupo de menor posición con 1 -3/4 0 0
todos los superiores (ej. 3 ¼ -2/3 0
control vs. experimental 1 y 2)
4 1/4 1/3 -1/2
6 ¼ 1/3 1/2
• Effect coding: Elimina el
grupo de menor posición y
mira los efectos de cada grupo
Con X1 X2 X3
1 -1 -1 -1
• La que decida quien investiga 3 1 0 0
(mcw=5)
4 0 1 0
0 0 0 1
Estructura de la sintaxis del PROCESS 3.0
process y=yvar/x=xvar/ total=(0 1)
m=mvlist mediadoras center=(0 1) Centrar por la media
covcoeff (0 1) covariance matrix matriz de covarianz
w=wvar moderadoras
moments= (0 1) probe interactions sd
z=zvar moderadoras mcx=(0 1 2 3 4 5) forma de codificar categóricas x
model=num número modelo mcw=(0 1 2 3 4 5) forma de codificar categóricas w
cov=covlist lista de covariables mcz=(0 1 2 3 4 5) forma de codificar categóricas z
wmodval=mval valores de moderador w xcatcode=xcodes forma de codificar libre
zmodval=zval valores de moderador z wcatcode=wcodes forma de codificar libre
zcatcode=zcodes forma de codificar libre
boot=z(5000**) bootstrapping
plot= (0 1 2) datos para gráficos
maxboot=(10000) seed=número para reproducir
mc=g(0**) Montecarlo simulation (med) intprobe=alpha(,10) prueba todo por debajo de esto
conf=ci(95) Intérvalos de confianza modelbt=(0 1) bootrap para las regresiones
effsize=(0 1) Efectos totales (mediación) decimals=dec(f10.4) número de decimales
save=(0 1 2)
normal=(0 1) Test de sobel
contrast=(0 1 2)(wval1,zval2…) probar contrastar
jn=(0 1) Johnson-Neyman Bmatrix construir modelos : efectos principales
hc=(0 1 2 3 4) Wmatrix construir modelos : moderaciones W
covmy= (0 1 2) covariables en todos Zmatrix construir modelos : moderaciones Z
mediadores (1) o sólo en (Y) Wzmatrix construir modelos : moderaciones W*Z
Cmatriz construir modelos : covariances
matrices= 1. extrae las matrices
Construir modelos Las que ENVÍAN el efecto
M 1
X Y
Y 1 1
bmatrix=1,1,1
X M1 M2
M1 M2
M1 1
M2 1 1
X Y
Y 1 1 1
bmatrix=1,1,1,1,1,1
X M1 M2
M1 M2
M1 1
M2 1 1
X Y
Y 0 0 1
bmatrix=1,1,1,0,0,1
Construir más modelos
zmatrix
bmatrix wmatrix
X M1 M2 X M1 M2 X M1 M2
M1 1 M1 1 M1 1
M2 1 1 M2 1 1 M2 1 1
Y 1 1 1 Y 1 1 1 Y 1 1 1