587
个编辑
更改
跳到导航
跳到搜索
第3行：
第3行： − + − 在统计学中，中介模型试图通过引入第三个假设变量，即中介变量(也称为中介变量、中介变量或中介变量)，来识别和解释自变量与因变量之间观察到的关系的基础机制或过程。与自变量和因变量之间的直接因果关系不同，中介模型所描绘的图景是自变量通过影响中介变量（不可观测）进而影响因变量。因此，中介变量的作用是澄清自变量和因变量之间关系的本质。<ref>MacKinnon, D. P. (2008). ''Introduction to Statistical Mediation Analysis''. New York: Erlbaum.</ref><references group="MacKinnon, D. P. (2008). Introduction to Statistical Mediation Analysis. New York: Erlbaum." /> + 第164行：
第164行： + 第178行：
第179行： − * [https://pattern.swarma.org/path?id=114 因果纠缠集智年会——因果推荐系统分论坛]关于因果推荐系统的参考文献和主要嘉宾介绍，来源是集智俱乐部的因果纠缠年会。
无编辑摘要
|keywords=中介分析,因果科学,统计学
|keywords=中介分析,因果科学,统计学
|description=中介分析,因果科学,统计学
|description=中介分析,因果科学,统计学
}}
}}处理变量不仅可以直接影响结局，也可以通过中介变量间接影响结局，因此结局变量的潜在结果同时依赖于处理变量和中介变量。总因果作用可分为自然直接作用和自然间接作用。
在统计学中，中介模型试图通过引入第三个假设变量，即中介变量(也称为中介变量、中介变量或中介变量)，来识别和解释自变量与因变量之间观察到的关系的基础机制或过程。与自变量和因变量之间的直接因果关系不同，中介模型所描绘的图景是自变量通过影响中介变量（不可观测）进而影响因变量。因此，中介变量的作用是澄清自变量和因变量之间关系的本质。<ref>MacKinnon, D. P. (2008). ''Introduction to Statistical Mediation Analysis''. New York: Erlbaum.</ref><references group="MacKinnon, D. P. (2008). Introduction to Statistical Mediation Analysis. New York: Erlbaum." />
Baron and Kenny（1986）<ref name=":0">Baron RM, Kenny DA. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J Pers Soc Psychol. 1986 Dec;51(6):1173-82. doi: 10.1037//0022-3514.51.6.1173. PMID: 3806354.</ref>提出的中介效应(mediation)框架（简称BK框架）在社会心理和消费者行为等诸多社会科学研究中产生了十分深远的影响。
Baron and Kenny（1986）<ref name=":0">Baron RM, Kenny DA. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J Pers Soc Psychol. 1986 Dec;51(6):1173-82. doi: 10.1037//0022-3514.51.6.1173. PMID: 3806354.</ref>提出的中介效应(mediation)框架（简称BK框架）在社会心理和消费者行为等诸多社会科学研究中产生了十分深远的影响。
北京师范大学的莎莎同学分享在CSDN上的一篇文章，金额充好了如何用中介效应进行分析。
北京师范大学的莎莎同学分享在CSDN上的一篇文章，金额充好了如何用中介效应进行分析。
* [https://pattern.swarma.org/path?id=90 因果科学和 Causal AI入门路径]，这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开，第一部分是因果科学的基本定义及其哲学基础，第二部分是统计领域中的因果推断，第三个部分是机器学习中的因果（Causal AI）。
* [https://pattern.swarma.org/path?id=90 因果科学和 Causal AI入门路径]，这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开，第一部分是因果科学的基本定义及其哲学基础，第二部分是统计领域中的因果推断，第三个部分是机器学习中的因果（Causal AI）。
* [https://pattern.swarma.org/path?id=28 复杂网络动力学系统重构文献]，这个路径是张江老师梳理了网络动力学重构问题，描述了动力学建模的常用方法和模型，并介绍了一些经典且重要的论文，这也是复杂系统自动建模读书会的主要论文来源，所以大部分都有解读视频。
* [https://pattern.swarma.org/path?id=28 复杂网络动力学系统重构文献]，这个路径是张江老师梳理了网络动力学重构问题，描述了动力学建模的常用方法和模型，并介绍了一些经典且重要的论文，这也是复杂系统自动建模读书会的主要论文来源，所以大部分都有解读视频。