조절된 매개효과 J-N 그래프 관련 문의
안녕하십니까 교수님. 교수님 동영상 강의를 보고 이번에 조절된 매개효과 J-N 그래프를 그리려고 합니다.
그래프를 그리려고 하니 effect와 BootSE가 너무 작아 그래프 그리는 것이 불가합니다.
예전 교수님께서 설명해주셨던 부분 참고하여 변수들을 합계가 아닌 평균으로 해볼까 생각 중이나,
어떤 변수를 평균으로 잡는건지 감이 잡히지 않아 글을 쓰게 되었습니다.(평균으로 해도 통계적으로 문제 없는지 궁금하기도 합니다)
y=4점 리커트척도, x=4점 리커트 척도 15문항의 합, m=11점 리커트척도, w=각5점, 6점 리커트척도의 합입니다.
확인해주시고 피드백 부탁드리겠습니다
항상 감사드립니다.
| Run MATRIX procedure: | |||||||||
| ***************** PROCESS Procedure for SPSS Version 4.2 ***************** |
|||||||||
| Written by Andrew F. Hayes, Ph.D. www.afhayes.com |
|||||||||
| Documentation available in Hayes (2022). www.guilford.com/p/hayes3 |
|||||||||
| ************************************************************************** | |||||||||
| Model : 14 | |||||||||
| Y : suiidea |
|||||||||
| X : unfa |
|||||||||
| M : dep |
|||||||||
| W : netw |
|||||||||
| Covariates: | |||||||||
| tru part norms sex_d age_d marr_d edu_d work_d d11_2 d15 |
|||||||||
| Sample | |||||||||
| Size: 2377 | |||||||||
| Custom | |||||||||
| Seed: 19900603 | |||||||||
| ************************************************************************** | |||||||||
| OUTCOME VARIABLE: |
|||||||||
| dep | |||||||||
| Model Summary |
|||||||||
| R R-sq MSE F df1 df2 p | |||||||||
| .2992 .0895 4.0750 21.1337 11.0000 2365.0000 .0000 |
|||||||||
| Model | |||||||||
| coeff se t p LLCI ULCI | |||||||||
| constant 1.1969 .5330 2.2456 .0248 .1517 2.2420 | |||||||||
| unfa .0240 .0066 3.6248 .0003 .0110 .0369 | |||||||||
| tru .0841 .0442 1.9035 .0571 -.0025 .1708 | |||||||||
| part .0617 .0061 10.0825 .0000 .0497 .0737 |
|||||||||
| sex_d -.0594 .0838 -.7089 .4785 -.2238 .1050 | |||||||||
| age_d -.2525 .0976 -2.5878 .0097 -.4438 -.0612 |
|||||||||
| marr_d -.0133 .0969 -.1370 .8910 -.2034 .1768 | |||||||||
| edu_d .0381 .1286 .2964 .7669 -.2140 .2902 | |||||||||
| work_d -.2802 .1059 -2.6450 .0082 -.4880 -.0725 |
|||||||||
| d11_2 -.0608 .0215 -2.8219 .0048 -.1030 -.0185 |
|||||||||
| d15 -.4748 .0622 -7.6296 .0000 -.5969 -.3528 |
|||||||||
| norms -.1520 .0359 -4.2353 .0000 -.2223 -.0816 |
|||||||||
| ************************************************************************** | |||||||||
| OUTCOME VARIABLE: |
|||||||||
| suiidea | |||||||||
| Model Summary |
|||||||||
| R R-sq MSE F df1 df2 p | |||||||||
| .3802 .1445 .3285 28.5014 14.0000 2362.0000 .0000 |
|||||||||
| Model | |||||||||
| coeff se t p LLCI ULCI | |||||||||
| constant 1.3758 .1517 9.0691 .0000 1.0783 1.6733 | |||||||||
| unfa -.0002 .0019 -.1052 .9162 -.0039 .0035 | |||||||||
| dep .0745 .0058 12.7554 .0000 .0631 .0860 |
|||||||||
| netw -.0293 .0072 -4.0447 .0001 -.0435 -.0151 |
|||||||||
| Int_1 -.0137 .0033 -4.1546 .0000 -.0201 -.0072 |
|||||||||
| tru .0062 .0126 .4974 .6189 -.0184 .0309 | |||||||||
| part .0133 .0018 7.5083 .0000 .0098 .0168 | |||||||||
| sex_d -.0055 .0238 -.2325 .8162 -.0522 .0412 | |||||||||
| age_d -.0201 .0278 -.7245 .4688 -.0745 .0343 | |||||||||
| marr_d -.0168 .0275 -.6104 .5417 -.0708 .0372 | |||||||||
| edu_d .1393 .0365 3.8147 .0001 .0677 .2110 | |||||||||
| work_d -.0159 .0302 -.5254 .5994 -.0750 .0433 | |||||||||
| d11_2 -.0111 .0061 -1.8019 .0717 -.0231 .0010 |
|||||||||
| d15 -.0698 .0179 -3.8913 .0001 -.1050 -.0346 |
|||||||||
| norms .0185 .0103 1.7923 .0732 -.0017 .0386 | |||||||||
| Product terms key: |
|||||||||
| Int_1 : dep x netw |
|||||||||
| Test(s) of highest order unconditional interaction(s): |
|||||||||
| R2-chng F df1 df2 p | |||||||||
| M*W .0063 17.2606 1.0000 2362.0000 .0000 |
|||||||||
| ———- | |||||||||
| Focal predict: dep (M) | |||||||||
| Mod var: netw (W) | |||||||||
| Conditional effects of the focal predictor at values of the moderator(s): |
|||||||||
| netw Effect se t p LLCI ULCI | |||||||||
| 2.0000 .0472 .0088 5.3792 .0000 .0300 .0644 | |||||||||
| 2.4091 .0416 .0098 4.2359 .0000 .0223 .0608 | |||||||||
| 2.8182 .0360 .0109 3.2926 .0010 .0145 .0574 | |||||||||
| 3.2273 .0304 .0121 2.5135 .0120 .0067 .0541 | |||||||||
| 3.5127 .0265 .0129 2.0496 .0405 .0011 .0518 | |||||||||
| 4.0455 .0192 .0145 1.3228 .1860 -.0093 .0476 | |||||||||
| 4.4545 .0136 .0157 .8631 .3882 -.0173 .0445 | |||||||||
| 4.8636 .0080 .0170 .4701 .6383 -.0253 .0413 | |||||||||
| 5.2727 .0024 .0183 .1311 .8957 -.0334 .0382 | |||||||||
| 5.6818 -.0032 .0196 -.1637 .8700 -.0415 .0351 | |||||||||
| 6.0909 -.0088 .0208 -.4220 .6730 -.0497 .0321 | |||||||||
| 6.5000 -.0144 .0221 -.6501 .5157 -.0578 .0290 | |||||||||
| 6.9091 -.0200 .0234 -.8527 .3939 -.0660 .0260 | |||||||||
| 7.3182 -.0256 .0247 -1.0338 .3013 -.0741 .0229 |
|||||||||
| 7.7273 -.0312 .0261 -1.1966 .2316 -.0823 .0199 |
|||||||||
| 8.1364 -.0368 .0274 -1.3436 .1792 -.0904 .0169 |
|||||||||
| 8.5455 -.0424 .0287 -1.4769 .1398 -.0986 .0139 |
|||||||||
| 8.9545 -.0480 .0300 -1.5984 .1101 -.1068 .0109 |
|||||||||
| 9.3636 -.0536 .0313 -1.7096 .0875 -.1150 .0079 |
|||||||||
| 9.7727 -.0592 .0327 -1.8116 .0702 -.1232 .0049 |
|||||||||
| 10.1818 -.0648 .0340 -1.9056 .0568 -.1314 .0019 |
|||||||||
| 10.5909 -.0703 .0353 -1.9924 .0464 -.1396 -.0011 |
|||||||||
| Data for visualizing the conditional effect of the focal predictor: |
|||||||||
| Paste text below into a SPSS syntax window and execute to produce plot. |
|||||||||
| DATA LIST FREE/ |
|||||||||
| dep netw suiidea . |
|||||||||
| BEGIN DATA. |
|||||||||
| -2.1106 2.0000 1.1769 | |||||||||
| .0000 2.0000 1.2764 | |||||||||
| 2.1106 2.0000 1.3760 | |||||||||
| -2.1106 2.4091 1.1767 | |||||||||
| .0000 2.4091 1.2644 | |||||||||
| 2.1106 2.4091 1.3522 | |||||||||
| -2.1106 2.8182 1.1765 | |||||||||
| .0000 2.8182 1.2525 | |||||||||
| 2.1106 2.8182 1.3284 | |||||||||
| -2.1106 3.2273 1.1764 | |||||||||
| .0000 3.2273 1.2405 | |||||||||
| 2.1106 3.2273 1.3046 | |||||||||
| -2.1106 3.5127 1.1763 | |||||||||
| .0000 3.5127 1.2321 | |||||||||
| 2.1106 3.5127 1.2880 | |||||||||
| -2.1106 4.0455 1.1761 | |||||||||
| .0000 4.0455 1.2165 | |||||||||
| 2.1106 4.0455 1.2570 | |||||||||
| -2.1106 4.4545 1.1759 | |||||||||
| .0000 4.4545 1.2046 | |||||||||
| 2.1106 4.4545 1.2333 | |||||||||
| -2.1106 4.8636 1.1757 | |||||||||
| .0000 4.8636 1.1926 | |||||||||
| 2.1106 4.8636 1.2095 | |||||||||
| -2.1106 5.2727 1.1756 | |||||||||
| .0000 5.2727 1.1806 | |||||||||
| 2.1106 5.2727 1.1857 | |||||||||
| -2.1106 5.6818 1.1754 | |||||||||
| .0000 5.6818 1.1687 | |||||||||
| 2.1106 5.6818 1.1619 | |||||||||
| -2.1106 6.0909 1.1752 | |||||||||
| .0000 6.0909 1.1567 | |||||||||
| 2.1106 6.0909 1.1381 | |||||||||
| -2.1106 6.5000 1.1751 | |||||||||
| .0000 6.5000 1.1447 | |||||||||
| 2.1106 6.5000 1.1143 | |||||||||
| -2.1106 6.9091 1.1749 | |||||||||
| .0000 6.9091 1.1327 | |||||||||
| 2.1106 6.9091 1.0905 | |||||||||
| -2.1106 7.3182 1.1748 | |||||||||
| .0000 7.3182 1.1208 | |||||||||
| 2.1106 7.3182 1.0668 | |||||||||
| -2.1106 7.7273 1.1746 | |||||||||
| .0000 7.7273 1.1088 | |||||||||
| 2.1106 7.7273 1.0430 | |||||||||
| -2.1106 8.1364 1.1744 | |||||||||
| .0000 8.1364 1.0968 | |||||||||
| 2.1106 8.1364 1.0192 | |||||||||
| -2.1106 8.5455 1.1743 | |||||||||
| .0000 8.5455 1.0848 | |||||||||
| 2.1106 8.5455 .9954 | |||||||||
| -2.1106 8.9545 1.1741 | |||||||||
| .0000 8.9545 1.0729 | |||||||||
| 2.1106 8.9545 .9716 | |||||||||
| -2.1106 9.3636 1.1739 | |||||||||
| .0000 9.3636 1.0609 | |||||||||
| 2.1106 9.3636 .9478 | |||||||||
| -2.1106 9.7727 1.1738 | |||||||||
| .0000 9.7727 1.0489 | |||||||||
| 2.1106 9.7727 .9241 | |||||||||
| -2.1106 10.1818 1.1736 |
|||||||||
| .0000 10.1818 1.0369 |
|||||||||
| 2.1106 10.1818 .9003 |
|||||||||
| -2.1106 10.5909 1.1735 |
|||||||||
| .0000 10.5909 1.0250 |
|||||||||
| 2.1106 10.5909 .8765 |
|||||||||
| END DATA. |
|||||||||
| GRAPH/SCATTERPLOT= | |||||||||
| dep WITH suiidea BY netw . |
|||||||||
| ****************** DIRECT AND INDIRECT EFFECTS OF X ON Y ***************** |
|||||||||
| Direct effect of X on Y |
|||||||||
| Effect se t p LLCI ULCI | |||||||||
| -.0002 .0019 -.1052 .9162 -.0039 .0035 | |||||||||
| Conditional indirect effects of X on Y: |
|||||||||
| INDIRECT EFFECT: |
|||||||||
| unfa -> dep -> suiidea |
|||||||||
| netw Effect BootSE BootLLCI BootULCI |
|||||||||
| 2.0000 .0011 .0004 .0005 .0020 | |||||||||
| 2.4091 .0010 .0004 .0004 .0018 | |||||||||
| 2.8182 .0009 .0004 .0002 .0017 | |||||||||
| 3.2273 .0007 .0004 .0001 .0016 | |||||||||
| 3.5127 .0006 .0004 .0000 .0015 | |||||||||
| 4.0455 .0005 .0004 -.0002 .0013 | |||||||||
| 4.4545 .0003 .0004 -.0005 .0012 | |||||||||
| 4.8636 .0002 .0004 -.0007 .0011 | |||||||||
| 5.2727 .0001 .0005 -.0009 .0011 | |||||||||
| 5.6818 -.0001 .0005 -.0012 .0010 | |||||||||
| 6.0909 -.0002 .0006 -.0014 .0009 | |||||||||
| 6.5000 -.0003 .0006 -.0016 .0008 | |||||||||
| 6.9091 -.0005 .0006 -.0019 .0007 | |||||||||
| 7.3182 -.0006 .0007 -.0021 .0006 | |||||||||
| 7.7273 -.0007 .0007 -.0023 .0006 | |||||||||
| 8.1364 -.0009 .0008 -.0026 .0005 | |||||||||
| 8.5455 -.0010 .0008 -.0028 .0004 | |||||||||
| 8.9545 -.0011 .0009 -.0031 .0003 | |||||||||
| 9.3636 -.0013 .0009 -.0033 .0003 | |||||||||
| 9.7727 -.0014 .0010 -.0036 .0002 | |||||||||
| 10.1818 -.0016 .0010 -.0038 .0001 | |||||||||
| 10.5909 -.0017 .0011 -.0041 .0001 | |||||||||
| Index of moderated mediation: | |||||||||
| Index BootSE BootLLCI BootULCI |
|||||||||
| netw -.0003 .0001 -.0006 -.0001 | |||||||||
| *********************** ANALYSIS NOTES AND ERRORS ************************ |
|||||||||
| Level of confidence for all confidence intervals in output: |
|||||||||
| 95.0000 | |||||||||
| Number of bootstrap samples for percentile bootstrap confidence intervals: |
|||||||||
| 5000 | |||||||||
| NOTE: The following variables were mean centered prior to analysis: |
|||||||||
| netw dep | |||||||||
| —— END MATRIX —– |
|||||||||
Existing replies
이일현 (2025-12-06 15:35:40)
지금 결과로 J-N 그래프를 그리면 아래와 같네요.
Y 축을 조절하면 B 값이 작아도 가능합니다.
이일현 (2025-12-07 16:14:31)
1.2. 예.
3. B 값은 x, y 의 단위와 같습니다.
두 변수의 단위(X : 합산, Y : 평균 과 같이)가 차이가 많이나면 B 값은 매우 작거나, 매우 크게 나오게 됩니다.
따라서 해석의 측면에서 보면 두 변수의 단위는 같은게 좋습니다.
즉, 모든 변수를 합산을 사용하거나, 동일하게 평균을 사용하면 B 값은 단위에 비례하여 비슷하게 나옵니다.
아래 링크를 확인해 보시면 이해가 쉬울 것입니다.
파란1 (2025-12-06 22:39:02)
교수님 직접 그래프를 그려주시기까지 하셔서 더욱 감사드립니다.
관련 질문이 있습니다.
1. 그래프에 대한 해석은 ‘netw가 3.5127이하에서, netw는 unfa가 dep을 매개하여 suiidea로 가는 과정을 완충한다’라고 할 수 있을까요?
2. 기존처럼 변수들을 합으로 하지않고, 평균으로 구해도 그래프 모양은 동일할까요?
3. 직관적으로 봤을 때, y축이 너무 작아 이게 과연 효과가 있는걸까라는 의문이 들 수 있을 것 같습니다. 혹시 이러한 질문이 나온다면 어떻게 답변해야 하는걸까요??
교수님 항상 감사드립니다!
Legacy document_srl: 309009 / Legacy URL: http://www.statedu.com/QnA/309009