优雅地用bruceR拿捏调节效应和中介效应

这次的内容大不一样！上篇是《优雅地用 R 拿捏调节效应和中介效应》，这次不是优雅地用“R”了，而是优雅地用“bruceR”，比原先用 R 优雅地多！

站在巨人的肩膀上简单评价前人的成果是“不道德”的，但在进入正文之前，我还是想通过简单对比看看这次是有多优雅！在上篇介绍的，在调节效应显著后，简单斜率分析用到的代码是这样复杂：

simpleSlope <- emtrends(model_moderation,
                        pairwise ~ age_con,
                        var = "Relationship",
                        cov.keep = 3,
                        at = list(
                          age_con = c(m_Age-sd_Age, m_Age, m_Age+sd_Age)),
                        level = 0.95)
summary(simpleSlope)

不仅需要指定很繁杂的参数，还要手动设置中心化和标准差！而且这还没有考虑此前拟合模型所费的周章。而用了 bruceR::PROCESS()，只要一句指令

PROCESS(stu, y="score", x="late", mods="gender")

就能给我返回部分模型、全模型，

还帮我顺带做了效应估计（在调节作用中即简单斜率分析）！

真的是有被“bruceR::PROCESS()”幸福到！🥰

调节效应和中介效应是因果分析中非常重要的两个板块。说白了，调节效应就是“调节”，干预自变量对因变量的作用，技术上就是在多元线性回归中添加了交互作用，中介效应就是“中介”，作为中介介入自变量到因变量的影响，技术上就是多元线性回归中的考虑“遗漏变量”情形。

对于更基础的知识和操作，可以参见上篇《优雅地用 R 拿捏调节效应和中介效应》，我已经迫不及待地想要介绍“bruceR::PROCESS()”是有多优雅了！正文开始！