nbr-survey-sem

npx skills add brycewang-stanford/Awesome-Journal-Skills --skill nbr-survey-sem --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# 问卷-SEM 分析（nbr-survey-sem） ## 触发时机 - 假设是中介 / 调节 / 被调节的中介 - 数据是问卷（个体或企业层级） - 数据有嵌套结构（员工嵌套于团队/企业） > 前置：测量须先过 `nbr-measurement`（信效度 + CMV）。模型拟合不能替代测量规范。 ## 测量模型与拟合标准（经验门槛，非硬性） 先验证测量模型（CFA），再估结构模型： - **χ²/df** < 3（宽松 < 5）；**CFI / TLI** > 0.90（宜 > 0.95） - **RMSEA** < 0.08（宜 < 0.06）；**SRMR** < 0.08 - 用 CFA 区分多构念（如目标模型优于合并模型），佐证区分效度 ## 中介 / 调节 / 被调节的中介 - **中介**：报告**Bootstrap**（如 5000 次）间接效应及偏差校正 95% CI，**CI 不含 0** 才成立；优先 Bootstrap 而非 Sobel - **调节**：自变量与调节变量**中心化/标准化**后建交互项；报告交互项系数，并做**简单斜率（simple slope）**与图示 - **被调节的中介**：报告**moderated mediation 指数**（index of moderated mediation）及其 Bootstrap CI；并给不同调节水平下的**条件间接效应** ## 多层数据（HLM） - 先看**ICC(1)/ICC(2)** 与 rwg 判断是否需要多层、能否聚合 - 跨层假设用**多层模型（HLM / 多层 SEM）**，区分组内/组间效应 - 跨层中介/调节按 1-1-1、2-1-1 等路径明确层级，必要时组均中心化 ## 分析走查：两时点被调节中介 设想 T1 测平台员工感知算法监控与传统性，T2（间隔一个月）测情绪耗竭与离职意愿，假设为被调节的中介（传统性调节前半段）： 1. CFA：四因子目标模型优于备择合并模型（Δχ² 显著），拟合达标后才进结构模型 2. 中介：5000 次 Bootstrap，间接效应 95% CI 不含 0 3. 调节：监控与传统性中心化后建交互项，画高/低传统性（±1SD）简单斜率图 4. 被调节中介：报告 index of moderated mediation 的 Bootstrap CI，并列高/低传统性下的条件间接效应 5. 稳健性：加入标记变量后路径系数无实质变化——与 nbr-measurement 的 CMV 结论互证 ## 结果呈现表序（校准锚） 本刊问卷文章的表格序列大体稳定：描述统计与相关矩阵 → 验证性因子分析比较 → 假设检验（回归或 SEM 路径系数）→ Bootstrap 中介 / 条件间接效应表，并配一张简单斜率图。每张表呼应至少一条编号