（一）KHB方法：最新的中介分析检验方法
事实上,KHB方法将线性模型的可分解性扩展到非线性概率模型。 2 KHB方法 KHB方法可以适用于多种情况,如:一个自变量和一个中介变量、多个自变量和多个中介变量;regression, logit, ologit, probit, oprobit, cloglog, slogit, scobit, rologit, clogit, mlogit, xtlogit或xtprobit等模型都可以使用,其他模型也可能输...
（二）KHB方法：最新的中介分析检验方法
KHB提供了两种方法: verbose选项显示了在评估完整和简化模型的中间步骤中产生的输出。如果khb返回不清楚的错误消息,并检测诸如高分辨力或完美的多重共线性等问题,这是有帮助的。 keep选项存储(3)的残差。这对希望对简化模型进行特定诊断的用户很有帮助。 KHB方法解决了嵌套非线性回归模型之间比较效果的一般问题,因此它...
KHB方法的命令是: model-type是模型类型,如reg、logit、probit等等,depvar是因变量,key-vars是自变量,z-vars是中介变量。 Concomitant(varlist)指定控制变量不是中介变量,允许因子变量。 Disentangle请求一个表,该表显示每个控制变量提供的完整模型(总效应)和简化模型(直接效应)之间的差异有多大。
在KHB命令中,要分解的变量称为关键自变量。在同一个命令中可以有多个关键自变量。在这种情况下,该命令在一个输出中显示所有关键自变量的分解。当指定多个关键自变量时,我们必须分解每个关键自变量,同时控制所有其他变量。在下面的例子中,以学业能力(abil)为中介,对boy和intact两个关键自变量的影响进行分解。对于boy的效应...
KHB方法的命令是: model-type是模型类型,如reg、logit、probit等等,depvar是因变量,key-vars是自变量,z-vars是中介变量。 Concomitant(varlist)指定控制变量不是中介变量,允许因子变量。 Disentangle请求一个表,该表显示每个控制变量提供的完整模型(总效应)和简化模型(直接效应)之间的差异有多大。
KHB方法的命令是: model-type是模型类型,如reg、logit、probit等等,depvar是因变量,key-vars是自变量,z-vars是中介变量。 Concomitant(varlist)指定控制变量不是中介变量,允许因子变量。 Disentangle请求一个表,该表显示每个控制变量提供的完整模型(总效应)和简化模型(直接效应)之间的差异有多大。
(上期导读:还用三步法?KHB方法:最新的中介分析检验方法) (三)多个中介变量,理清每个中介变量的贡献 如果使用了不止一个中介变量,那么问题就来了:哪一个中介变量的贡献最大。这时,可以使用disentangle选项回答这个问题。该选项请求一个额外的表,该表分别显示每个中介的贡献。在下面的例子中,作者将abil、intact和boy...
KHB方法的命令是: model-type是模型类型,如reg、logit、probit等等,depvar是因变量,key-vars是自变量,z-vars是中介变量。 Concomitant(varlist)指定控制变量不是中介变量,允许因子变量。 Disentangle请求一个表,该表显示每个控制变量提供的完整模型(总效应)和简化模型(直接效应)之间的差异有多大。