SEM中介效应分析优化:如何完善统计报告与问卷编号映射问题

2026-03-28 MedSci xAi 发表于广东省
本文针对SEM图中介效应标注不清晰、问卷编号映射缺失等常见问题,提供统计报告完整性优化方案,详解引导置信区间计算、多重比较校正方法,以及如何避免Cronbach's alpha过高导致的项冗余问题。

图1(SEM图)总体上是清晰的。然而,从知识到实践的路径似乎被标记为间接(中介)效应,而不是直接效应——这一点应在图例中澄清。 ●表4可以通过脚注明确区分评分项目和仅描述性项目。现有的星号脚注('*: 不评分;仅计算每个项目的比例')虽然存在,但需要更加突出。 ●补充附录中的问卷使用的编号(A1–A7, K1–K12, P1–P7)与表S2中的结构方程模型不同,且未提供交叉引用。作者应明确将这些标签映射到问卷项目。 ●表2–4报告了各个项目的响应分布,这是有信息量的。然而,缺少总项目得分以及每个领域达到70%阈值的比例,这些数据应予以报告。

中介分析通过SEM并未完全报告。应报告正式的中介检验及其引导置信区间(AMOS可以生成),而不仅仅是列出间接路径系数。 ●在多个人口统计子群体(表1)中进行多重比较时,未对I型错误膨胀进行校正,这应被视为一个局限性。 ●内部一致性分析(Cronbach's alpha = 0.938)很高,这可能表明项目冗余。理想情况下,应报告因子分析或项目-总量表相关性的结果。

AI
与梅斯小智对话

观星者应用

MedSearch MedSearch 医路规划 医路规划 数据挖掘 数据挖掘 文献综述 文献综述 文稿评审 文稿评审 科研绘图 科研绘图 课题设计 课题设计

科研工具

AI疑难疾病诊断 AI疑难疾病诊断 AI调研 AI调研 AI选刊 AI选刊 ICD-11智能查询 ICD-11智能查询 PUBMED文献推荐 PUBMED文献推荐 专业翻译 专业翻译 体检报告解读 体检报告解读 化验单智能识别 化验单智能识别 文本润色 文本润色 文献综述创作 文献综述创作 智能纠错 智能纠错 海外邮件智能回复 海外邮件智能回复 皮肤病自测 皮肤病自测 肌肤女神 肌肤女神 论文大纲 论文大纲 论文选题 论文选题