马红亮的帖子

数据分析实例

Kupers, E., Mouw, J. M., & Fokkens-Bruinsma,M. (2022). Teaching in times of COVID-19: A mixed-method study into teachers’ teaching practices, psychological needs, stress, and well-being. Teaching and Teacher Education （以286名中小学教师为对象，综合运用调查研究和访谈法，对教师的教学实践、心里需求、压力和幸福感等进行了聚类分析，包括谱系聚类（HAC）和多元方差分析（MANOVA），发现在疫情期间有三类教师群体：放松型、焦虑型以及工作狂型。）

Ye, D., & Pennisi, S. (2022). Using trace data to enhance Students' self-regulation: A learning analytics perspective. The Internet and Higher Education,54. (以67名参与一门生物学在线异步课程的本科生和研究生为对象，使用K-means clustering method对学生在LMS的学习跟踪数据和自我调节学习的问卷数据，分别进行了聚类分析，并比较了两者聚类分析结果的异同.)
Yoon, I., & Kim, M.(2022). Dynamic patterns of teachers’ professional development participation and their relations with socio-demographic characteristics, teacher self-efficacy, and job satisfaction. Teaching and Teacher Education, 109. （使用TALIS2018的数据，对教师参与专业发展的情况做了聚类分析，发现有5种不同的类型；接着分析了性别、教龄以及学校位置在这五类特征方面的显著性差异）

《Integration of problem-based learning in elementary computer science education: effects on computational thinking and attitudes》文章的数据分析使用了多种方差分析，包括重复测量方差分析（repeated ANOVA）、单因素方差分析（one-way ANOVAs）、多元方差分析（MANOVA），这些方差分析都有什么特点，有什么区别？什么是Wilks’s statistic？什么又是Post-hoc tests？

请参考这里的内容进一步拓展和补充。

在场景中看此帖

为什么，这篇文章对于plugged-in group和unplugged group计算思维水平的前-中测，前-后测的显著性差异，运用的是Mann-Whitney test而不是我们常用的独立样本t检验或者配对样本t检验呢？其实作者在文章中有一句话做了解释，即Mann-Whitney tests were conducted since assumptions for parametric test were not fulfilled。这里最有可能的是作者做了Levene’s Test for Equality of Variances（方差齐性检验），发现sig的值有显著差异，即不符合方差齐性检验，这样也就不符合做T检验了。

请大家解释Mann-Whitney 检验的特点、使用条件，以及在本研究中如何使用《 Computational thinking through unplugged activities in early years of primary education》一文中应用的。

请进一步拓展和补充这里的内容

在场景中看此帖

控制、调节和中介

回归分析关心两种变量，自变量（X）和因变量（Y）的解释与预测，以X→Y表示。但如果存在一个第三变量（M），可能影响X→Y的关系时，即形成一个第三变量效果。通常，第三变量有中介（mediation）、调节（moderation）与控制变量（control variable）等类型。【1】

理论模型中的变量类型【4】

（一）调节效应

调节变量影响自变量与因变量之间关系的方向（正或负）和强弱，调节变量不必是自变量的因果关系。调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度是否有着明显的不一样。【2】

模型1：自变量为X，因变量为Y；其意义相对较小（有时候直接忽略此项）；
模型2：自变量为X和Z，因变量为Y；模型2仅在模型1的基础上加入调节变量Z；此模型的意义也较小（有时候也可直接忽略此项）；
模型3：自变量为X,Z和X*Z，因变量为Y；模型3在模型2的基础上加入交互项；此为核心模型，如果交互项（X*Z）呈现出显著性，则说明具有调节作用。

（二）中介效应

中介变量则必须是自变量的果，同时也是因变量的因。中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y），此时创新氛围就成为了这一因果链中的中介变量。【3】

模型1：自变量X和因变量Y的回归分析；目的为得到总效应c值；
模型2：自变量X，中介变量M和因变量Y的回归分析；目的是得到直接效应c’值，以及中间效应过程值b；
模型3：自变量X和中介变量M的回归分析；目的是得到中间效应过程值a。
模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量M。

参考文献：

【1】邱皓政著 . 量化研究与统计分析：SPSS（PASW）数据分析范例解析[M]. 重庆大学出版社，2013: 268-291.

【2】调节作用分析. https://spssau.com/helps/questionnaire/rmoderator.html

【3】中介作用分析. https://spssau.com/helps/questionnaire/advancedMediator.html

【4】陈晓萍,徐淑英,樊景立. 组织与管理研究的实证方法[M]. 北京大学出版社,2008.

在场景中看此帖

RQ1：Hedge's g可以用来计算总体效应量，它有什么特点，还有其它方法计算总体效应量吗？
RQ2：什么是随机效应模型（random-effects model）？有什么特征和应用条件？
RQ3：Forest plot 和Funnel plot又有什么区别？
RQ4：什么是出版偏差（publication bias），有哪些衡量指标？Rosenthal's Fail-safe和 Orwin's Fail-safe 的数量指什么？
RQ5：调节变量分析（Moderator analyses）结果的评判依据是什么？什么是同质性检验（Heterogeneity）?

在场景中看此帖

马红亮