统计学案例解读：交叉滞后模型怎么做？

以下文章来源于公共数据库与孟德尔随机化 ，作者Yang

2018年3月，湖南科技大学的学者在《Personal Ment Health》（IF=3.3）发表题为：Relationship between hope and depression in college students: A cross-lagged regression analysis 的研究论文。

这项研究目的是检验大学生抑郁与希望的两个维度（路径思维和代理思维）之间的关系，并探讨这些变量之间因果关系的动态变化。结果表明，抑郁之间存在显着的双向关系。此外，抑郁水平预测了代理思维的水平，但代理思维的水平并不能预测抑郁水平。

摘要与主要结果

一、摘要

背景：本研究旨在考察大学生抑郁与希望的两个维度（路径思维和代理思维）之间的关系，并探讨这些变量之间因果关系的动态变化。

方法： 进行了一项纵向研究，包括 381 名大学生。希望和抑郁分别使用斯奈德州希望量表和流行病学调查中心抑郁量表进行测量，一年内测量四次（间隔 4 个月），并进行交叉滞后回归分析。

结果：路径思维与抑郁之间的双向路径非常显著。从代理思维到抑郁的路径不显著，但从抑郁到代理思维的路径显著。

结论： 路径思维与抑郁之间存在显着的双向关系。此外，抑郁水平预测了代理思维的水平，但代理思维的水平并不能预测抑郁水平。因此，抑郁症的干预措施应包括帮助个人使用路径思维的策略，以建立实现目标的特定路径。

二、研究结果

1. 多共线性诊断以及路径和代理思维之间的相关性

第1、2、3和4课时的平均总希望得分和标准差分别为32.28±6.79、32.69±6.69、32.15±7.06和32.63±7.27 。在四个阶段（时间1[T1]、时间2[T2]、时间3[T3]和时间4[T4]）测量的路径和代理思维之间的相关性系数（r）分别为0.69、0.61、0.65和0.73。因此，有必要进行多重共线性检验，以确定希望的两个维度是否可以作为预测抑郁症的自变量。我们使用SPSS 21.0（美国伊利诺伊州芝加哥市SPSS股份有限公司）进行多重共线性分析，并使用这两个维度获得方差膨胀因子（VIF）来预测T1、T2和T3的抑郁。T1、T2和T3的VIF分别为1.90、1.72和1.81。先前的研究表明，0至10之间的波动率表示不存在多重共线性。因此，这两个维度被证明适合作为预测抑郁症的自变量纳入。

2.路径思维、代理思维和抑郁之间的相关性

在所有四个时间点，路径和代理思维的水平都与抑郁水平呈显著负相关，这表明抑郁随着希望的增加而减少，反之亦然。然而，希望和抑郁之间的关系需要进一步研究。

3.交叉滞后回归分析

使用Mplus6.0计算模型的拟合优度和标准化回归系数。结果表明，该模型总体上与数据拟合良好。从路径思维到抑郁的所有路径都是显著的。路径思维和抑郁之间存在着强烈的双向关系。从抑郁到代理思维的所有路径都是显著的，然而，从代理思维到抑郁的路径并不显著。这些发现表明抑郁症和代理思维之间存在单向的负向关系；具体来说，抑郁水平的增加导致代理思维水平的下降。

设计与统计学方法

一、研究设计

P：湖南省长沙市两所大学的381名学生。

E：在4个月、8个月和12个月进行斯奈德的州希望量表、疾病研究中心抑郁量表（CES-D）调查。

I：所有受试者同时参加每一次会议，并在会议结束后立即收集问卷。每次会议持续约20分钟。

S：纵向研究

二、统计方法

1.采用自回归交叉滞后设计构建研究模型。自回归交叉滞后模型可用于分析两个或多个观测变量之间随时间的关系（图1）。

2.尽管在之前使用横断面数据的研究中，希望（W）与抑郁症（Y）有关，但这些研究并没有确定这种关系的因果关系（即Y是否受到W的影响，或者W是否受到Y的影响）。可以通过纵向研究设计来明确因果关系。基于随时间（通常在>3个时间点）收集的数据，自回归交叉滞后模型可用于揭示两个变量之间的复杂关系。

3.如果结果表明，从W到Y的所有路径都是显著的，而从Y到W的所有路径是不显著的，那么Y的变化被认为是W的变化导致的。基于这种设计，构建了自回归交叉滞后模型，以检验抑郁与希望的两个维度（路径和代理思维）之间的关系。

4.使用SPSS 21.0（美国伊利诺伊州芝加哥市SPSS股份有限公司）进行多重共线性分析，使用Mplus6.0计算模型的拟合优度和标准化回归系数。

转自：“医学论文与统计分析”微信公众号

如有侵权，请联系本站删除！