008240612s2023      us  |||||||||||||||c||eng  d
■001000016935264
■00520240214101912
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380347648
■035    ▼a(MiAaPQ)AAI30686898
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a151
■1001  ▼aFossum,  Jessica  Louise.
■24510▼aImpacts  of  Model  Specification  on  Statistical  Power  and  Type  I  Error  Rate  in  Moderated  Mediation  Analysis▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Los  Angeles.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(127  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  A.
■500    ▼aAdvisor:  Montoya,  Amanda  K.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aModerated  mediation  models  are  used  commonly  in  psychological  research  and  other  academic  fields  to  model  how  and  when  effects  occur.  Researchers  must  choose  which  paths  from  the  mediation  model  are  moderated  when  specifying  this  type  of  model.  This  dissertation  examines  how  model  specification  impacts  statistical  power  and  type  I  error  rate  for  the  index  of  moderated  mediation.  In  a  meta-analytic  review,  we  found  that  six  model  specifications  account  for  85%  of  published  moderated  mediation  analyses,  so  this  dissertation  focuses  on  those  six  models.  When  considering  power  and  type  I  error  rate,  two  attributes  matter:  the  data  analysis  model,  and  the  data  generating  process  (DGP).  In  reference  to  the  DGP,  the  data  analysis  model  can  either  be  correctly  specified,  over-specified,  underspecified,  or  completely  misspecified.  A  Monte  Carlo  simulation  study  was  run  to  examine  the  impacts  of  model  specification  on  power  and  type  I  error  rate,  and  results  were  analyzed  using  multi-level  logistic  regression  along  with  figures  and  tables.  Over-specified  models  had  lower  statistical  power  to  detect  a  significant  index  of  moderated  mediation  compared  to  correctly  specified  models.  Under-specified  models  had  slightly  higher  power  when  moderation  on  the  direct  effect  was  omitted,  but  otherwise,  under-specified  models  had  much  lower  power  than  correctly  specified  models.  Parameter  bias  was  also  unacceptably  high  for  most  under-specified  models.  Completely  misspecified  models  generally  still  had  acceptable  type  I  error  rates,  with  a  notable  exception  of  inflated  type  I  error  rates  where  moderation  was  omitted  from  the  direct  effect.  Overall,  while  many  published  moderated  mediation  models  may  not  have  large  enough  sample  sizes  for  adequate  statistical  power,  over-specifying  or  under-specifying  models  can  lead  to  lower  statistical  power  as  well,  while  complete  model  misspecification  risks  an  inflated  type  I  error  rate.
■590    ▼aSchool  code:  0031.
■650  4▼aQuantitative  psychology.
■650  4▼aPsychology.
■650  4▼aTherapy.
■653    ▼aModerated  mediation
■653    ▼aStatistical  power
■653    ▼aData  generating  process
■653    ▼aData  analysis  model
■690    ▼a0632
■690    ▼a0621
■690    ▼a0212
■71020▼aUniversity  of  California,  Los  Angeles▼bPsychology  0780.
■7730  ▼tDissertations  Abstracts  International▼g85-03A.
■773    ▼tDissertation  Abstract  International
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16935264▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024