เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การวิเคราะห์กระบวนการแบบมีเงื่อนไข (การส่งผ่านแบบมีเงื่อนไข)× | Hierarchical Linear Modeling× | |
|---|---|---|
| สาขาวิชา≠ | การอนุมานเชิงสาเหตุ | สถิติศาสตร์ |
| ตระกูล≠ | Regression model | Hypothesis test |
| ปีกำเนิด≠ | 2018 | 1986 |
| ผู้ริเริ่ม≠ | Andrew F. Hayes (PROCESS framework); Preacher, Rucker & Hayes (moderated mediation) | Raudenbush & Bryk (popularized); Goldstein (parallel development) |
| ประเภท≠ | Regression-based conditional process model | Parametric nested-data regression |
| แหล่งต้นตำรับ≠ | Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (2nd ed.). The Guilford Press. ISBN: 978-1462534654 | Raudenbush, S.W. & Bryk, A.S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods (2nd ed.). Sage. ISBN: 978-0761919049 |
| ชื่อเรียกอื่น≠ | moderated mediation, moderated mediation analysis, PROCESS model, Hayes PROCESS conditional process model | HLM, MLM, multilevel modeling, multilevel analysis |
| ที่เกี่ยวข้อง≠ | 5 | 4 |
| สรุป≠ | Conditional process analysis is Andrew F. Hayes's regression-based PROCESS framework (2018) that combines mediation and moderation in a single model, testing how an indirect effect changes across levels of a moderator. It quantifies conditional indirect and conditional direct effects and tests them with bootstrap confidence intervals. | Hierarchical Linear Modeling (HLM), also known as Multilevel Modeling (MLM), is a parametric statistical method for analyzing nested or clustered data — for example students within classrooms, patients within hospitals, or employees within organizations. Formalized by Raudenbush and Bryk in their 2002 seminal text (building on work from the mid-1980s), HLM simultaneously estimates individual-level and group-level effects while correctly partitioning variance across levels. |
| ScholarGateชุดข้อมูล ↗ |
|
|