R Notebook

Study 2

Favorability Model with Normative Ratings

No controls

	Study 1: Favorability
Predictors	Estimates	CI	Statistic	p
Intercept	-0.50	-0.56 – -0.43	-14.75	<0.001
Outdegree	-0.01	-0.02 – -0.01	-3.92	<0.001
Positive	0.99	0.91 – 1.08	23.07	<0.001
Indegree	-0.04	-0.04 – -0.03	-11.44	<0.001
Outdegree:Positve	0.17	0.16 – 0.18	35.00	<0.001
Indegree:Positive	0.03	0.02 – 0.04	6.13	<0.001
Random Effects
σ2	0.50
τ00 subId	0.33
τ11 subId.valencepositive	0.53
ρ01 subId	-0.85
ICC	0.32
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.260 / 0.497

Controlling for breadth

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.47	-0.54 – -0.41	<0.001
outdegree	-0.01	-0.02 – -0.01	<0.001
valence [positive]	0.95	0.87 – 1.03	<0.001
indegree	-0.04	-0.04 – -0.03	<0.001
category	-0.02	-0.04 – -0.00	0.037
outdegree * valence [positive]	0.17	0.16 – 0.18	<0.001
valence [positive] * indegree	0.03	0.02 – 0.04	<0.001
Random Effects
σ2	0.50
τ00 subId	0.29
τ11 subId.valencepositive	0.38
τ11 subId.scale(category)	0.01
ρ01	-0.84
	0.21
ICC	0.32
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.260 / 0.499

Controlling for prevalence

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.44	-0.51 – -0.38	<0.001
outdegree	-0.01	-0.02 – -0.00	0.006
valence [positive]	0.89	0.81 – 0.97	<0.001
indegree	-0.04	-0.04 – -0.03	<0.001
prevalence	0.08	0.07 – 0.10	<0.001
outdegree * valence [positive]	0.15	0.14 – 0.16	<0.001
valence [positive] * indegree	0.04	0.03 – 0.05	<0.001
Random Effects
σ2	0.49
τ00 subId	0.30
τ11 subId.valencepositive	0.47
τ11 subId.scale(prevalence)	0.01
ρ01	-0.83
	-0.42
ICC	0.33
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.265 / 0.506

Controlling for observability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.50	-0.56 – -0.43	<0.001
outdegree	-0.01	-0.02 – -0.01	<0.001
valence [positive]	0.99	0.91 – 1.08	<0.001
indegree	-0.04	-0.04 – -0.03	<0.001
observability	0.01	0.00 – 0.02	0.003
outdegree * valence [positive]	0.17	0.16 – 0.18	<0.001
valence [positive] * indegree	0.03	0.02 – 0.04	<0.001
Random Effects
σ2	0.50
τ00 subId	0.33
τ11 subId.valencepositive	0.54
τ11 subId.scale(observability)	0.00
ρ01	-0.85
	-0.38
ICC	0.33
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.261 / 0.501

Controlling for desirability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.02	-0.07 – 0.02	0.289
outdegree	-0.01	-0.02 – -0.01	<0.001
valence [positive]	0.04	-0.00 – 0.09	0.055
indegree	-0.01	-0.01 – 0.00	0.082
desirability	0.49	0.45 – 0.54	<0.001
outdegree * valence [positive]	0.11	0.10 – 0.12	<0.001
valence [positive] * indegree	-0.01	-0.02 – -0.00	0.014
Random Effects
σ2	0.48
τ00 subId	0.12
τ11 subId.valencepositive	0.05
τ11 subId.scale(desirability)	0.12
ρ01	-0.37
	-0.42
ICC	0.34
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.276 / 0.521

Controlling for interpersonal

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.49	-0.56 – -0.43	<0.001
outdegree	-0.01	-0.02 – -0.01	<0.001
valence [positive]	0.99	0.90 – 1.07	<0.001
indegree	-0.04	-0.04 – -0.03	<0.001
interpersonal	0.02	0.01 – 0.03	0.002
outdegree * valence [positive]	0.17	0.16 – 0.18	<0.001
valence [positive] * indegree	0.03	0.02 – 0.04	<0.001
Random Effects
σ2	0.50
τ00 subId	0.32
τ11 subId.valencepositive	0.51
τ11 subId.scale(interpersonal)	0.01
ρ01	-0.85
	-0.42
ICC	0.33
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.261 / 0.503

All norms

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.01	-0.08 – 0.06	-0.28	0.776
Outdegree	-0.01	-0.01 – 0.00	-1.74	0.082
Positive	0.02	-0.08 – 0.11	0.33	0.738
Indegree	0.00	-0.01 – 0.01	0.36	0.722
Interpersonal	-0.03	-0.03 – -0.02	-10.39	<0.001
Observability	-0.02	-0.03 – -0.02	-8.33	<0.001
Prevalence	0.10	0.09 – 0.10	27.98	<0.001
Breadth	0.07	0.06 – 0.09	8.97	<0.001
Desirability	0.52	0.50 – 0.54	53.14	<0.001
Outdegree:Positive	0.09	0.08 – 0.10	17.98	<0.001
Indegree:Positive	-0.01	-0.02 – 0.00	-1.43	0.152
Random Effects
σ2	0.48
τ00 subId	0.33
τ11 subId.valencepositive	0.53
ρ01 subId	-0.85
ICC	0.33
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.281 / 0.517

All norms model simple

	Pos Self-Eval				Neg Self-Eval
Predictors	Estimates	CI	Statistic	p	Estimates	CI	Statistic	p
Intercept	-0.00	-0.06 – 0.05	-0.15	0.885	-0.00	-0.07 – 0.07	-0.01	0.992
Outdegree	0.11	0.10 – 0.12	23.71	<0.001	-0.01	-0.02 – -0.00	-2.20	0.028
Indegree	0.00	-0.01 – 0.01	0.64	0.523	0.01	0.01 – 0.02	3.70	<0.001
Interpersonal	-0.02	-0.03 – -0.01	-4.42	<0.001	-0.03	-0.04 – -0.03	-9.18	<0.001
Observability	-0.03	-0.04 – -0.02	-6.42	<0.001	-0.03	-0.04 – -0.02	-8.15	<0.001
Prevalence	0.13	0.12 – 0.14	24.89	<0.001	0.07	0.06 – 0.07	17.28	<0.001
Breadth	0.05	0.04 – 0.06	11.07	<0.001	0.01	0.00 – 0.01	2.03	0.042
Desirability	0.12	0.11 – 0.13	23.02	<0.001	0.19	0.18 – 0.20	49.82	<0.001
Random Effects
σ2	0.73				0.56
τ00	0.21 subId				0.41 subId
ICC	0.22				0.43
N	291 subId				291 subId
Observations	42777				42777
Marginal R2 / Conditional R2	0.060 / 0.268				0.036 / 0.446

All covariates model

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.50	-0.57 – -0.43	-13.84	<0.001
Outdegree	-0.00	-0.01 – 0.00	-1.04	0.297
Positive	1.01	0.91 – 1.11	19.67	<0.001
Indegree	0.01	0.00 – 0.01	2.67	0.007
Interpersonal	-0.00	-0.01 – 0.00	-1.27	0.203
Observability	-0.01	-0.02 – -0.01	-3.90	<0.001
Prevalence	0.04	0.03 – 0.05	11.64	<0.001
Breadth	0.07	0.06 – 0.09	9.31	<0.001
Desirability	0.04	0.01 – 0.06	3.15	0.002
Informative	-0.20	-0.21 – -0.19	-38.35	<0.001
Outdegree:Positive	0.04	0.03 – 0.05	6.96	<0.001
Indegree:Positive	0.01	-0.00 – 0.02	1.14	0.252
Informative:Positive	0.41	0.40 – 0.43	56.00	<0.001
Random Effects
σ2	0.46
τ00 subId	0.33
τ11 subId.valencepositive	0.53
τ11 subId.scale(informative)	0.00
ρ01	-0.85
	-0.30
ICC	0.34
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.300 / 0.541

All covariates model simple

	Pos Self-Eval				Neg Self-Eval
Predictors	Estimates	CI	Statistic	p	Estimates	CI	Statistic	p
Intercept	-0.00	-0.06 – 0.05	-0.12	0.901	-0.00	-0.07 – 0.07	-0.01	0.990
Outdegree	0.04	0.03 – 0.05	7.38	<0.001	-0.01	-0.01 – 0.00	-1.77	0.078
Indegree	0.02	0.01 – 0.03	4.99	<0.001	0.01	0.00 – 0.02	3.23	0.001
Interpersonal	0.01	-0.00 – 0.02	1.34	0.180	-0.01	-0.02 – -0.01	-3.69	<0.001
Observability	-0.03	-0.04 – -0.02	-6.95	<0.001	-0.00	-0.01 – 0.00	-1.18	0.238
Prevalence	0.07	0.06 – 0.08	13.83	<0.001	0.01	0.01 – 0.02	3.80	<0.001
Breadth	0.05	0.04 – 0.06	12.04	<0.001	0.01	0.00 – 0.02	2.55	0.011
Desirability	0.00	-0.01 – 0.01	0.07	0.945	0.02	0.01 – 0.03	3.42	0.001
Informative	0.23	0.21 – 0.25	20.83	<0.001	-0.24	-0.26 – -0.22	-26.25	<0.001
Random Effects
σ2	0.69				0.51
τ00	0.21 subId				0.41 subId
τ11	0.02 subId.scale(informative)				0.02 subId.scale(informative)
ρ01	0.33 subId				0.41 subId
ICC	0.25				0.46
N	291 subId				291 subId
Observations	42777				42777
Marginal R2 / Conditional R2	0.079 / 0.311				0.064 / 0.491

Neighbors

no covariates

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.03 – 0.03	0.990
outDegree	-0.07	-0.08 – -0.06	<0.001
inDegree	-0.02	-0.02 – -0.01	<0.001
Random Effects
σ2	0.91
τ00 subID	0.09
ICC	0.09
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.006 / 0.091

Desirability

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	-0.00	-0.03 – 0.03	0.999
outDegree	-0.07	-0.08 – -0.06	<0.001
inDegree	-0.01	-0.02 – -0.01	<0.001
desirability	0.09	0.07 – 0.10	<0.001
Random Effects
σ2	0.88
τ00 subID	0.09
τ11 subID.scale(desirability)	0.02
ρ01 subID	-0.25
ICC	0.11
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.013 / 0.123

Breadth

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.03 – 0.03	0.991
outDegree	-0.07	-0.08 – -0.06	<0.001
inDegree	-0.01	-0.02 – -0.01	<0.001
category	-0.08	-0.10 – -0.06	<0.001
Random Effects
σ2	0.88
τ00 subID	0.09
τ11 subID.scale(category)	0.02
ρ01 subID	0.25
ICC	0.11
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.012 / 0.121

Prevalence

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.03 – 0.03	0.990
outDegree	-0.07	-0.08 – -0.06	<0.001
inDegree	-0.02	-0.02 – -0.01	<0.001
prevalence	0.01	-0.00 – 0.02	0.234
Random Effects
σ2	0.90
τ00 subID	0.09
τ11 subID.scale(prevalence)	0.01
ρ01 subID	-0.27
ICC	0.09
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.006 / 0.098

Observability

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.03 – 0.03	0.996
outDegree	-0.07	-0.07 – -0.06	<0.001
inDegree	-0.01	-0.02 – -0.01	<0.001
observability	-0.03	-0.04 – -0.02	<0.001
Random Effects
σ2	0.91
τ00 subID	0.09
τ11 subID.scale(observability)	0.00
ρ01 subID	0.02
ICC	0.09
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.006 / 0.093

Interpersonal

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.03 – 0.03	0.990
outDegree	-0.07	-0.07 – -0.06	<0.001
inDegree	-0.02	-0.02 – -0.01	<0.001
interpersonal	-0.01	-0.02 – -0.00	0.022
Random Effects
σ2	0.91
τ00 subID	0.09
τ11 subID.scale(interpersonal)	0.00
ρ01 subID	-0.03
ICC	0.09
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.006 / 0.093

With all normative ratings

	Self-Evaluation Consistency
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.03 – 0.03	0.00	0.997
Outdegree	-0.05	-0.06 – -0.05	-16.22	<0.001
Indegree	-0.01	-0.02 – -0.01	-3.79	<0.001
Interpersonal	-0.02	-0.03 – -0.01	-5.30	<0.001
Prevalence	-0.08	-0.09 – -0.07	-16.62	<0.001
Breadth	-0.05	-0.06 – -0.03	-5.00	<0.001
Desirability	0.10	0.08 – 0.11	10.71	<0.001
Observability	-0.00	-0.01 – 0.00	-0.75	0.451
Random Effects
σ2	0.90
τ00 subID	0.09
ICC	0.09
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.017 / 0.103

With all normative ratings and informativeness

	Self-Evaluation Consistency
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.03 – 0.03	0.03	0.980
Outdegree	0.00	-0.01 – 0.01	0.33	0.742
Indegree	0.01	0.00 – 0.01	2.32	0.020
Interpersonal	0.00	-0.01 – 0.01	0.44	0.662
Prevalence	-0.05	-0.06 – -0.04	-10.79	<0.001
Breadth	-0.08	-0.10 – -0.06	-8.83	<0.001
Desirability	0.04	0.02 – 0.06	4.52	<0.001
Observability	-0.01	-0.01 – 0.00	-1.72	0.085
Informative	-0.21	-0.23 – -0.20	-26.24	<0.001
Random Effects
σ2	0.84
τ00 subID	0.09
τ11 subID.scale(informative)	0.02
ρ01 subID	0.15
ICC	0.11
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.056 / 0.157

Asian

Consistency

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.02	-0.13 – 0.16	0.828
outDegree	-0.04	-0.07 – -0.01	0.003
Asian [Non]	-0.02	-0.16 – 0.13	0.825
inDegree	-0.02	-0.02 – -0.01	<0.001
outDegree * Asian [Non]	-0.03	-0.06 – -0.00	0.023
Random Effects
σ2	0.91
τ00 subID	0.09
ICC	0.09
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.006 / 0.091

Self-Esteem on Consistency

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.01	-0.12 – 0.14	0.883
outDegree	-0.04	-0.07 – -0.01	0.004
RSE_score	0.12	-0.01 – 0.24	0.071
Asian [Non]	-0.01	-0.15 – 0.13	0.874
inDegree	-0.02	-0.02 – -0.01	<0.001
outDegree * RSE_score	-0.02	-0.05 – 0.00	0.092
outDegree * Asian [Non]	-0.03	-0.06 – -0.01	0.018
RSE_score * Asian [Non]	-0.22	-0.35 – -0.09	0.001
RSE_score * inDegree	-0.01	-0.02 – -0.00	0.003
(outDegree * RSE_score) * Asian [Non]	0.01	-0.02 – 0.03	0.497
Random Effects
σ2	0.91
τ00 subID	0.08
ICC	0.08
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.016 / 0.092

Depressin on Consistency

lmer_CESD <- lmer(scale(allPE) ~ scale(outDegree)*scale(CESD_score)*Asian + scale(inDegree)*scale(RSE_score) + (1|subID), data=neighDf)
tab_model(lmer_CESD)

Favorability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.57	-0.84 – -0.29	<0.001
outdegree	-0.02	-0.05 – 0.00	0.085
valence [positive]	1.07	0.72 – 1.41	<0.001
Asian [Non]	0.08	-0.20 – 0.36	0.595
indegree	-0.04	-0.04 – -0.03	<0.001
outdegree * valence [positive]	0.17	0.13 – 0.21	<0.001
outdegree * Asian [Non]	0.01	-0.02 – 0.04	0.425
valence [positive] * Asian [Non]	-0.08	-0.44 – 0.28	0.671
valence [positive] * indegree	0.03	0.02 – 0.04	<0.001
(outdegree * valence [positive]) * Asian [Non]	-0.00	-0.04 – 0.04	0.931
Random Effects
σ2	0.50
τ00 subId	0.33
τ11 subId.valencepositive	0.53
ρ01 subId	-0.85
ICC	0.32
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.260 / 0.498

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.53	-0.76 – -0.30	<0.001
outdegree	-0.02	-0.05 – 0.00	0.098
valence [positive]	1.06	0.73 – 1.40	<0.001
indegree	-0.03	-0.05 – -0.00	0.033
outdegree * valence [positive]	0.17	0.13 – 0.21	<0.001
valence [positive] * indegree	0.03	-0.01 – 0.07	0.150
Random Effects
σ2	0.52
τ00 subId	0.23
τ11 subId.valencepositive	0.50
ρ01 subId	-0.83
ICC	0.28
N subId	17
Observations	4998
Marginal R2 / Conditional R2	0.293 / 0.490

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.49	-0.56 – -0.42	<0.001
outdegree	-0.01	-0.02 – -0.01	<0.001
valence [positive]	0.99	0.90 – 1.07	<0.001
indegree	-0.04	-0.04 – -0.03	<0.001
outdegree * valence [positive]	0.17	0.16 – 0.18	<0.001
valence [positive] * indegree	0.03	0.02 – 0.04	<0.001
Random Effects
σ2	0.50
τ00 subId	0.33
τ11 subId.valencepositive	0.53
ρ01 subId	-0.85
ICC	0.32
N subId	274
Observations	80556
Marginal R2 / Conditional R2	0.258 / 0.498

Self-Esteem on Favorability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.78	-1.53 – -0.03	0.041
outdegree	0.07	-0.06 – 0.19	0.284
RSE_score	0.03	0.00 – 0.05	0.034
Asian [Non]	0.15	-0.62 – 0.93	0.704
outdegree * RSE_score	0.00	-0.00 – 0.01	0.079
outdegree * Asian [Non]	0.02	-0.10 – 0.15	0.709
RSE_score * Asian [Non]	-0.00	-0.03 – 0.02	0.706
(outdegree * RSE_score) * Asian [Non]	-0.00	-0.00 – 0.00	0.857
Random Effects
σ2	0.76
τ00 subId	0.18
ICC	0.19
N subId	291
Observations	42777
Marginal R2 / Conditional R2	0.066 / 0.245

Depression on Favorability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	0.23	-0.27 – 0.74	0.363
outdegree	0.30	0.22 – 0.38	<0.001
CESD_score	-0.01	-0.02 – 0.01	0.317
Asian [Non]	0.02	-0.50 – 0.53	0.954
outdegree * CESD_score	-0.00	-0.01 – -0.00	0.001
outdegree * Asian [Non]	-0.01	-0.09 – 0.07	0.812
CESD_score * Asian [Non]	-0.00	-0.02 – 0.02	0.995
(outdegree * CESD_score) * Asian [Non]	0.00	-0.00 – 0.00	0.456
Random Effects
σ2	0.75
τ00 subId	0.20
ICC	0.21
N subId	291
Observations	42777
Marginal R2 / Conditional R2	0.051 / 0.247

Covariates and Individual Differences

Self-Esteem and Favorability

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.50	-0.57 – -0.44	-15.03	<0.001
Outdegree	-0.00	-0.01 – 0.00	-1.04	0.297
Positive	1.01	0.92 – 1.10	21.99	<0.001
Self-Esteem	-0.22	-0.28 – -0.16	-7.36	<0.001
Indegree	0.01	0.00 – 0.01	2.68	0.007
Desirability	0.04	0.01 – 0.06	3.15	0.002
Prevalence	0.04	0.03 – 0.05	11.64	<0.001
Breadth	0.07	0.06 – 0.09	9.31	<0.001
Interpersonal	-0.00	-0.01 – 0.00	-1.27	0.202
Observable	-0.01	-0.02 – -0.01	-3.90	<0.001
Informative	-0.20	-0.21 – -0.19	-38.57	<0.001
Outdegree:Positive	0.04	0.03 – 0.05	6.96	<0.001
Outdegree:Self-Esteem	-0.00	-0.01 – 0.00	-1.30	0.195
Positive:Self-Esteem	0.36	0.29 – 0.43	10.10	<0.001
Positive:Indegree	0.01	-0.00 – 0.02	1.15	0.252
Self-Esteem:Indegree	-0.01	-0.02 – -0.01	-4.20	<0.001
Positive:Informative	0.41	0.40 – 0.43	56.01	<0.001
Outdegree:Positive:Self-Esteem	0.02	0.01 – 0.03	3.78	<0.001
Indegree:Positive:Self-Esteem	0.02	0.01 – 0.03	3.33	0.001
Random Effects
σ2	0.46
τ00 subId	0.27
τ11 subId.valencepositive	0.38
τ11 subId.scale(informative)	0.00
ρ01	-0.81
	-0.18
ICC	0.30
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.336 / 0.538

Depression and Favorability

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.50	-0.55 – -0.45	-19.37	<0.001
Outdegree	-0.00	-0.01 – 0.00	-1.04	0.297
Positive	1.01	0.93 – 1.08	24.87	<0.001
Depress.	0.43	0.39 – 0.47	19.60	<0.001
Indegree	0.01	0.00 – 0.01	2.68	0.007
Desirability	0.04	0.01 – 0.06	3.15	0.002
Prevalence	0.04	0.03 – 0.05	11.65	<0.001
Breadth	0.07	0.06 – 0.09	9.32	<0.001
Interpersonal	-0.00	-0.01 – 0.00	-1.28	0.202
Observable	-0.01	-0.02 – -0.01	-3.90	<0.001
Informative	-0.20	-0.21 – -0.19	-39.06	<0.001
Outdegree:Positive	0.04	0.03 – 0.05	6.96	<0.001
Outdegree:Depress.	0.01	0.00 – 0.01	2.07	0.038
Positive:Depress.	-0.52	-0.58 – -0.47	-17.77	<0.001
Positive:Indegree	0.01	-0.00 – 0.02	1.15	0.252
Depress.:Indegree	0.02	0.01 – 0.02	6.08	<0.001
Positive:Informative	0.41	0.40 – 0.43	56.05	<0.001
Outdegree:Positive:Depress.	-0.04	-0.05 – -0.03	-8.51	<0.001
Indegree:Positive:Depress.	-0.03	-0.04 – -0.02	-5.76	<0.001
Random Effects
σ2	0.46
τ00 subId	0.14
τ11 subId.valencepositive	0.25
τ11 subId.scale(informative)	0.00
ρ01	-0.67
	-0.02
ICC	0.24
N subId	291
Observations	85554
Marginal R2 / Conditional R2	0.399 / 0.541

Self-Esteem on Consistency

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.03 – 0.03	0.03	0.979
Outdegree	0.00	-0.01 – 0.01	0.33	0.744
Self-Esteem	-0.09	-0.12 – -0.05	-5.19	<0.001
Indegree	0.01	0.00 – 0.01	2.30	0.021
Desirability	0.04	0.02 – 0.06	4.48	<0.001
Observable	-0.01	-0.01 – 0.00	-1.71	0.088
Prevalence	-0.05	-0.06 – -0.04	-10.69	<0.001
Breadth	-0.08	-0.10 – -0.06	-8.75	<0.001
Interpersonal	0.00	-0.01 – 0.01	0.43	0.665
Informative	-0.21	-0.22 – -0.20	-62.12	<0.001
Outdegree:Self-Esteem	-0.01	-0.02 – -0.01	-4.08	<0.001
Indegree:Self-Esteem	-0.01	-0.02 – -0.00	-3.08	0.002
Random Effects
σ2	0.86
τ00 subID	0.08
ICC	0.08
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.064 / 0.142

Depressin on Consistency

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.03 – 0.03	0.03	0.978
Outdegree	0.00	-0.01 – 0.01	0.33	0.744
Depress.	0.11	0.08 – 0.14	6.78	<0.001
Indegree	0.01	0.00 – 0.01	2.30	0.021
Desirability	0.04	0.02 – 0.06	4.48	<0.001
Observable	-0.01	-0.01 – 0.00	-1.71	0.088
Prevalence	-0.05	-0.06 – -0.04	-10.69	<0.001
Breadth	-0.08	-0.10 – -0.06	-8.75	<0.001
Interpersonal	0.00	-0.01 – 0.01	0.43	0.665
Informative	-0.21	-0.22 – -0.20	-62.13	<0.001
Outdegree:Self-Esteem	0.01	0.01 – 0.02	4.38	<0.001
Indegree:Self-Esteem	0.01	0.00 – 0.02	3.41	0.001
Random Effects
σ2	0.86
τ00 subID	0.07
ICC	0.08
N subID	291
Observations	85554
Marginal R2 / Conditional R2	0.068 / 0.142

Study 3

Favorability Model

No controls

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.51	-0.59 – -0.43	<0.001
outDegree	-0.06	-0.08 – -0.04	<0.001
valence [Pos]	1.01	0.86 – 1.16	<0.001
inDegree	-0.05	-0.06 – -0.03	<0.001
outDegree * valence [Pos]	0.24	0.21 – 0.27	<0.001
valence [Pos] * inDegree	0.01	-0.02 – 0.04	0.556
Random Effects
σ2	0.63
τ00 subID	0.07
τ11 subID.valencePos	0.25
ρ01 subID	-0.79
ICC	0.13
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.277 / 0.368

Controlling for breadth

## boundary (singular) fit: see ?isSingular

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.40	-0.49 – -0.30	<0.001
outDegree	-0.06	-0.09 – -0.04	<0.001
valence [Pos]	0.79	0.64 – 0.95	<0.001
inDegree	-0.04	-0.06 – -0.03	<0.001
category	-0.11	-0.16 – -0.06	<0.001
outDegree * valence [Pos]	0.24	0.21 – 0.27	<0.001
valence [Pos] * inDegree	0.00	-0.02 – 0.03	0.800
Random Effects
σ2	0.63
τ00 subID	0.08
τ11 subID.valencePos	0.20
τ11 subID.scale(category)	0.00
ρ01	-0.80
	-0.31
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.306 / NA

Controlling for prevalence

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.39	-0.48 – -0.31	<0.001
outDegree	-0.09	-0.11 – -0.06	<0.001
valence [Pos]	0.78	0.63 – 0.94	<0.001
inDegree	-0.04	-0.06 – -0.03	<0.001
prevalence	0.18	0.15 – 0.21	<0.001
outDegree * valence [Pos]	0.22	0.19 – 0.25	<0.001
valence [Pos] * inDegree	0.03	-0.00 – 0.05	0.081
Random Effects
σ2	0.61
τ00 subID	0.07
τ11 subID.valencePos	0.26
τ11 subID.scale(prevalence)	0.01
ρ01	-0.80
	0.17
ICC	0.14
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.297 / 0.392

Controlling for observability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.51	-0.59 – -0.43	<0.001
outDegree	-0.07	-0.09 – -0.05	<0.001
valence [Pos]	1.02	0.87 – 1.17	<0.001
inDegree	-0.06	-0.08 – -0.04	<0.001
observability	0.07	0.05 – 0.09	<0.001
outDegree * valence [Pos]	0.24	0.21 – 0.27	<0.001
valence [Pos] * inDegree	0.02	-0.01 – 0.05	0.141
Random Effects
σ2	0.63
τ00 subID	0.07
τ11 subID.valencePos	0.26
τ11 subID.scale(observability)	0.00
ρ01	-0.80
	-0.12
ICC	0.13
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.282 / 0.376

Controlling for desirability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	0.08	-0.01 – 0.17	0.070
outDegree	-0.04	-0.06 – -0.02	0.001
valence [Pos]	-0.17	-0.29 – -0.05	0.005
inDegree	-0.01	-0.03 – 0.01	0.271
desirability	0.61	0.53 – 0.70	<0.001
outDegree * valence [Pos]	0.15	0.12 – 0.18	<0.001
valence [Pos] * inDegree	-0.05	-0.07 – -0.02	0.002
Random Effects
σ2	0.60
τ00 subID	0.06
τ11 subID.valencePos	0.03
τ11 subID.scale(desirability)	0.05
ρ01	-0.84
	0.30
ICC	0.14
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.301 / 0.397

Controlling for interpersonal

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.49	-0.57 – -0.41	<0.001
outDegree	-0.07	-0.09 – -0.04	<0.001
valence [Pos]	0.98	0.83 – 1.13	<0.001
inDegree	-0.05	-0.07 – -0.03	<0.001
interpersonal	0.08	0.05 – 0.10	<0.001
outDegree * valence [Pos]	0.23	0.20 – 0.25	<0.001
valence [Pos] * inDegree	0.01	-0.02 – 0.04	0.512
Random Effects
σ2	0.62
τ00 subID	0.07
τ11 subID.valencePos	0.25
τ11 subID.scale(interpersonal)	0.01
ρ01	-0.79
	0.05
ICC	0.13
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.282 / 0.379

All norms

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	0.10	-0.00 – 0.20	1.90	0.057
Outdegree	-0.06	-0.08 – -0.04	-5.47	<0.001
Positive	-0.21	-0.41 – -0.02	-2.12	0.034
Indegree	-0.01	-0.03 – 0.00	-1.48	0.139
Interpersonal	0.00	-0.01 – 0.02	0.57	0.572
Observability	0.00	-0.01 – 0.02	0.40	0.692
Prevalence	0.17	0.15 – 0.18	16.99	<0.001
Breadth	0.04	-0.01 – 0.08	1.72	0.085
Desirability	0.57	0.51 – 0.62	20.25	<0.001
Outdegree:Positive	0.14	0.11 – 0.16	9.29	<0.001
Indegree:Positive	-0.02	-0.05 – 0.00	-1.69	0.091
Random Effects
σ2	0.59
τ00 subID	0.07
τ11 subID.valencePos	0.25
ρ01 subID	-0.79
ICC	0.13
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.317 / 0.409

All norms model simple

	Pos Self-Eval				Neg Self-Eval
Predictors	Estimates	CI	Statistic	p	Estimates	CI	Statistic	p
Intercept	-0.01	-0.12 – 0.11	-0.10	0.922	-0.00	-0.10 – 0.09	-0.06	0.953
Outdegree	0.13	0.11 – 0.16	10.77	<0.001	-0.04	-0.07 – -0.02	-3.79	<0.001
Indegree	-0.03	-0.05 – -0.00	-2.22	0.026	0.02	-0.00 – 0.04	1.71	0.087
Interpersonal	0.08	0.05 – 0.10	5.82	<0.001	-0.07	-0.09 – -0.05	-6.04	<0.001
Observability	-0.01	-0.03 – 0.02	-0.58	0.560	-0.01	-0.03 – 0.02	-0.71	0.477
Prevalence	0.18	0.15 – 0.21	13.44	<0.001	0.16	0.13 – 0.18	13.20	<0.001
Breadth	0.00	-0.02 – 0.03	0.38	0.705	0.02	-0.00 – 0.04	1.67	0.095
Desirability	0.04	0.01 – 0.06	2.70	0.007	0.29	0.27 – 0.32	24.50	<0.001
Random Effects
σ2	0.77				0.80
τ00	0.14 subID				0.10 subID
ICC	0.16				0.11
N	45 subID				45 subID
Observations	6507				6369
Marginal R2 / Conditional R2	0.095 / 0.238				0.101 / 0.202

All covariates model

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.40	-0.51 – -0.29	-7.09	<0.001
Outdegree	-0.06	-0.08 – -0.04	-5.86	<0.001
Positive	0.79	0.58 – 1.01	7.25	<0.001
Indegree	0.01	-0.01 – 0.02	0.71	0.479
Interpersonal	0.04	0.02 – 0.05	4.77	<0.001
Observability	0.01	-0.00 – 0.03	1.92	0.055
Prevalence	0.13	0.11 – 0.14	12.60	<0.001
Breadth	0.04	-0.01 – 0.08	1.70	0.089
Desirability	0.06	-0.01 – 0.13	1.80	0.072
Informative	-0.26	-0.29 – -0.24	-22.47	<0.001
Outdegree:Positive	0.14	0.11 – 0.17	9.15	<0.001
Indegree:Positive	-0.03	-0.06 – -0.00	-2.04	0.041
Informative:Positive	0.38	0.34 – 0.42	17.89	<0.001
Random Effects
σ2	0.56
τ00 subID	0.07
τ11 subID.valencePos	0.25
τ11 subID.scale(informative)	0.00
ρ01	-0.79
	-0.74
ICC	0.14
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.345 / 0.439

All covariates model simple

	Pos Self-Eval				Neg Self-Eval
Predictors	Estimates	CI	Statistic	p	Estimates	CI	Statistic	p
Intercept	-0.01	-0.12 – 0.11	-0.11	0.913	-0.00	-0.10 – 0.09	-0.10	0.919
Outdegree	0.09	0.07 – 0.12	6.71	<0.001	-0.06	-0.08 – -0.03	-4.97	<0.001
Indegree	-0.02	-0.04 – 0.01	-1.35	0.178	0.02	-0.01 – 0.04	1.51	0.131
Interpersonal	0.09	0.07 – 0.12	7.02	<0.001	-0.04	-0.06 – -0.02	-3.66	<0.001
Observability	-0.01	-0.03 – 0.02	-0.70	0.484	0.03	0.01 – 0.05	2.53	0.012
Prevalence	0.15	0.12 – 0.18	10.75	<0.001	0.09	0.07 – 0.11	7.44	<0.001
Breadth	0.01	-0.02 – 0.03	0.53	0.599	0.02	-0.00 – 0.04	1.71	0.088
Desirability	-0.03	-0.06 – 0.00	-1.91	0.056	0.06	0.03 – 0.09	3.67	<0.001
Informative	0.13	0.09 – 0.17	6.06	<0.001	-0.32	-0.36 – -0.28	-17.19	<0.001
Random Effects
σ2	0.75				0.74
τ00	0.14 subID				0.10 subID
τ11	0.01 subID.scale(informative)				0.00 subID.scale(informative)
ρ01	0.70 subID				-0.08 subID
ICC	0.17				0.12
N	45 subID				45 subID
Observations	6507				6369
Marginal R2 / Conditional R2	0.102 / 0.251				0.151 / 0.257

Neighbors

no covariates

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	-0.00	-0.08 – 0.08	0.996
outDegree	-0.04	-0.05 – -0.02	<0.001
inDegree	-0.01	-0.03 – 0.00	0.141
Random Effects
σ2	0.93
τ00 subID	0.07
ICC	0.07
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.002 / 0.074

Neigh Desirability

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	-0.00	-0.08 – 0.08	0.992
outDegree	-0.04	-0.05 – -0.02	<0.001
inDegree	-0.01	-0.03 – 0.01	0.233
desirability	0.04	0.00 – 0.07	0.026
Random Effects
σ2	0.92
τ00 subID	0.07
τ11 subID.scale(desirability)	0.01
ρ01 subID	0.21
ICC	0.08
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.003 / 0.084

Neigh Breadth

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	-0.00	-0.08 – 0.08	0.994
outDegree	-0.04	-0.05 – -0.02	<0.001
inDegree	-0.01	-0.03 – 0.01	0.184
category	-0.02	-0.06 – 0.01	0.159
Random Effects
σ2	0.92
τ00 subID	0.07
τ11 subID.scale(category)	0.01
ρ01 subID	-0.15
ICC	0.08
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.002 / 0.084

Neigh Prevalence

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.08 – 0.08	0.999
outDegree	-0.03	-0.05 – -0.02	<0.001
inDegree	-0.01	-0.03 – 0.00	0.118
prevalence	-0.01	-0.03 – 0.01	0.278
Random Effects
σ2	0.93
τ00 subID	0.07
τ11 subID.scale(prevalence)	0.00
ρ01 subID	0.30
ICC	0.07
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.002 / 0.076

Neigh Observability

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	0.00	-0.08 – 0.08	0.993
outDegree	-0.03	-0.05 – -0.02	<0.001
inDegree	-0.01	-0.03 – 0.01	0.280
observability	-0.03	-0.05 – -0.01	0.003
Random Effects
σ2	0.93
τ00 subID	0.07
τ11 subID.scale(observability)	0.00
ρ01 subID	-0.35
ICC	0.07
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.003 / 0.077

Neigh Interpersonal

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	-0.00	-0.08 – 0.08	0.997
outDegree	-0.04	-0.05 – -0.02	<0.001
inDegree	-0.01	-0.03 – 0.00	0.145
interpersonal	-0.00	-0.03 – 0.02	0.716
Random Effects
σ2	0.93
τ00 subID	0.07
τ11 subID.scale(interpersonal)	0.00
ρ01 subID	0.01
ICC	0.07
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.002 / 0.076

With all normative ratings

	Self-Evaluation Consistency
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.08 – 0.08	0.01	0.990
Outdegree	-0.03	-0.05 – -0.01	-3.31	0.001
Indegree	-0.01	-0.03 – 0.01	-1.03	0.305
Interpersonal	-0.00	-0.02 – 0.02	-0.31	0.753
Prevalence	-0.04	-0.07 – -0.02	-3.73	<0.001
Breadth	0.06	0.01 – 0.10	2.38	0.017
Desirability	0.12	0.07 – 0.16	4.98	<0.001
Observability	-0.02	-0.04 – 0.00	-1.91	0.057
Random Effects
σ2	0.92
τ00 subID	0.07
ICC	0.07
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.006 / 0.078

With all normative ratings and informativeness

	Self-Evaluation Consistency
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.08 – 0.08	0.00	0.996
Outdegree	0.02	0.00 – 0.04	2.46	0.014
Indegree	0.01	-0.01 – 0.03	1.29	0.198
Interpersonal	0.02	-0.00 – 0.03	1.75	0.081
Prevalence	-0.02	-0.04 – 0.00	-1.56	0.118
Breadth	0.03	-0.02 – 0.07	1.17	0.242
Desirability	0.07	0.02 – 0.11	2.91	0.004
Observability	-0.02	-0.04 – -0.00	-2.38	0.017
Informative	-0.19	-0.22 – -0.16	-11.65	<0.001
Random Effects
σ2	0.88
τ00 subID	0.07
τ11 subID.scale(informative)	0.01
ρ01 subID	-0.11
ICC	0.08
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.038 / 0.119

Covariates and Individual Differences

Self-Esteem and Favorability

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.40	-0.51 – -0.30	-7.44	<0.001
Outdegree	-0.06	-0.08 – -0.04	-5.88	<0.001
Positive	0.79	0.60 – 0.98	8.29	<0.001
Self-Esteem	-0.10	-0.16 – -0.03	-2.75	0.006
Indegree	0.01	-0.01 – 0.02	0.74	0.458
Desirability	0.06	-0.01 – 0.13	1.80	0.072
Prevalence	0.13	0.11 – 0.14	12.61	<0.001
Breadth	0.04	-0.01 – 0.08	1.71	0.088
Interpersonal	0.04	0.02 – 0.05	4.77	<0.001
Observable	0.01	-0.00 – 0.03	1.91	0.056
Informative	-0.26	-0.29 – -0.24	-22.64	<0.001
Outdegree:Positive	0.14	0.11 – 0.17	9.17	<0.001
Outdegree:Self-Esteem	0.02	-0.01 – 0.04	1.45	0.146
Positive:Self-Esteem	0.35	0.24 – 0.46	6.43	<0.001
Positive:Indegree	-0.03	-0.06 – -0.00	-2.07	0.039
Self-Esteem:Indegree	-0.02	-0.04 – -0.00	-2.21	0.027
Positive:Informative	0.38	0.34 – 0.42	17.89	<0.001
Outdegree:Positive:Self-Esteem	0.00	-0.02 – 0.03	0.30	0.767
Indegree:Positive:Self-Esteem	0.01	-0.02 – 0.03	0.40	0.687
Random Effects
σ2	0.56
τ00 subID	0.06
τ11 subID.valencePos	0.13
τ11 subID.scale(informative)	0.00
ρ01	-0.75
	-0.64
ICC	0.09
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.382 / 0.441

Depression and Favorability

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.37	-0.48 – -0.27	-6.90	<0.001
Outdegree	-0.06	-0.08 – -0.04	-5.77	<0.001
Positive	0.75	0.55 – 0.95	7.30	<0.001
Depress.	0.10	0.03 – 0.17	2.93	0.003
Indegree	0.01	-0.01 – 0.02	0.59	0.553
Desirability	0.08	0.01 – 0.15	2.27	0.023
Prevalence	0.13	0.11 – 0.15	12.85	<0.001
Breadth	0.03	-0.01 – 0.07	1.34	0.181
Interpersonal	0.04	0.02 – 0.05	4.90	<0.001
Observable	0.02	0.00 – 0.03	2.12	0.034
Informative	-0.26	-0.28 – -0.23	-22.09	<0.001
Outdegree:Positive	0.13	0.10 – 0.16	8.82	<0.001
Outdegree:Depress.	-0.02	-0.04 – 0.01	-1.44	0.150
Positive:Depress.	-0.26	-0.39 – -0.13	-3.94	<0.001
Positive:Indegree	-0.03	-0.06 – 0.00	-1.91	0.057
Depress.:Indegree	0.01	-0.00 – 0.03	1.57	0.117
Positive:Informative	0.37	0.33 – 0.41	17.24	<0.001
Outdegree:Positive:Depress.	-0.01	-0.03 – 0.02	-0.54	0.589
Indegree:Positive:Depress.	-0.02	-0.04 – 0.01	-1.15	0.252
Random Effects
σ2	0.55
τ00 subID	0.06
τ11 subID.valencePos	0.19
τ11 subID.scale(informative)	0.00
ρ01	-0.74
	-0.57
ICC	0.12
N subID	44
Observations	12584
Marginal R2 / Conditional R2	0.370 / 0.446

Self-Esteem on Consistency

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	0.00	-0.08 – 0.08	0.00	0.997
Outdegree	0.02	0.00 – 0.04	2.47	0.014
Self-Esteem	-0.04	-0.12 – 0.04	-1.02	0.306
Indegree	0.01	-0.01 – 0.03	1.26	0.207
Desirability	0.07	0.02 – 0.11	2.90	0.004
Observable	-0.02	-0.04 – -0.00	-2.37	0.018
Prevalence	-0.02	-0.04 – 0.00	-1.55	0.121
Breadth	0.03	-0.02 – 0.07	1.16	0.246
Interpersonal	0.02	-0.00 – 0.03	1.73	0.083
Informative	-0.19	-0.21 – -0.17	-21.53	<0.001
Outdegree:Self-Esteem	-0.02	-0.04 – -0.00	-2.40	0.016
Indegree:Self-Esteem	0.00	-0.02 – 0.02	0.07	0.944
Random Effects
σ2	0.89
τ00 subID	0.07
ICC	0.08
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.040 / 0.112

Depression on Consistency

	Self-Evaluation
Predictors	Estimates	CI	Statistic	p
Intercept	-0.01	-0.09 – 0.08	-0.15	0.882
Outdegree	0.02	0.00 – 0.04	2.41	0.016
Depress.	0.04	-0.04 – 0.12	0.96	0.337
Indegree	0.01	-0.01 – 0.03	1.12	0.264
Desirability	0.06	0.02 – 0.11	2.67	0.007
Observable	-0.02	-0.04 – -0.00	-2.05	0.040
Prevalence	-0.02	-0.05 – 0.00	-1.93	0.054
Breadth	0.02	-0.03 – 0.07	0.88	0.381
Interpersonal	0.02	0.00 – 0.04	1.98	0.047
Informative	-0.19	-0.21 – -0.17	-21.08	<0.001
Outdegree:Self-Esteem	0.02	0.00 – 0.03	2.12	0.034
Indegree:Self-Esteem	-0.00	-0.02 – 0.01	-0.30	0.766
Random Effects
σ2	0.89
τ00 subID	0.07
ICC	0.08
N subID	44
Observations	12584
Marginal R2 / Conditional R2	0.039 / 0.112

Asian

Consistency

	scale(all PE)
Predictors	Estimates	CI	p
(Intercept)	-0.04	-0.17 – 0.09	0.518
outDegree	-0.03	-0.05 – -0.00	0.045
Asian [Non]	0.07	-0.09 – 0.23	0.406
inDegree	-0.01	-0.03 – 0.00	0.141
outDegree * Asian [Non]	-0.02	-0.05 – 0.02	0.360
Random Effects
σ2	0.93
τ00 subID	0.07
ICC	0.07
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.003 / 0.076

Favorability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.50	-0.63 – -0.37	<0.001
outDegree	-0.06	-0.09 – -0.02	0.002
valence [Pos]	0.88	0.65 – 1.12	<0.001
Asian [Non]	-0.01	-0.18 – 0.15	0.879
inDegree	-0.05	-0.06 – -0.03	<0.001
outDegree * valence [Pos]	0.22	0.18 – 0.27	<0.001
outDegree * Asian [Non]	-0.01	-0.06 – 0.03	0.626
valence [Pos] * Asian [Non]	0.21	-0.09 – 0.52	0.165
valence [Pos] * inDegree	0.01	-0.02 – 0.04	0.555
(outDegree * valence [Pos]) * Asian [Non]	0.03	-0.02 – 0.09	0.240
Random Effects
σ2	0.63
τ00 subID	0.07
τ11 subID.valencePos	0.25
ρ01 subID	-0.81
ICC	0.12
N subID	45
Observations	12876
Marginal R2 / Conditional R2	0.281 / 0.370

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.46	-0.63 – -0.29	<0.001
outDegree	-0.06	-0.09 – -0.02	0.001
valence [Pos]	0.92	0.65 – 1.20	<0.001
inDegree	-0.04	-0.07 – -0.01	0.008
outDegree * valence [Pos]	0.23	0.18 – 0.27	<0.001
valence [Pos] * inDegree	0.02	-0.02 – 0.07	0.359
Random Effects
σ2	0.66
τ00 subID	0.13
τ11 subID.valencePos	0.35
ρ01 subID	-0.87
ICC	0.15
N subID	18
Observations	5183
Marginal R2 / Conditional R2	0.230 / 0.349

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-0.54	-0.62 – -0.46	<0.001
outDegree	-0.06	-0.09 – -0.04	<0.001
valence [Pos]	1.07	0.90 – 1.24	<0.001
inDegree	-0.05	-0.07 – -0.03	<0.001
outDegree * valence [Pos]	0.25	0.21 – 0.29	<0.001
valence [Pos] * inDegree	0.00	-0.04 – 0.04	0.979
Random Effects
σ2	0.62
τ00 subID	0.04
τ11 subID.valencePos	0.19
ρ01 subID	-0.74
ICC	0.10
N subID	27
Observations	7693
Marginal R2 / Conditional R2	0.309 / 0.380

Asian and Self-Esteem and Favorability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	-1.27	-2.01 – -0.53	0.001
outDegree	-0.05	-0.25 – 0.14	0.596
RSE_score	0.42	0.15 – 0.69	0.002
Asian [Non]	-0.10	-1.04 – 0.84	0.836
outDegree * RSE_score	0.09	0.02 – 0.16	0.011
outDegree * Asian [Non]	0.23	-0.02 – 0.48	0.071
RSE_score * Asian [Non]	0.07	-0.26 – 0.40	0.676
(outDegree * RSE_score) * Asian [Non]	-0.08	-0.16 – 0.01	0.089
Random Effects
σ2	0.81
τ00 subID	0.07
ICC	0.08
N subID	45
Observations	6507
Marginal R2 / Conditional R2	0.119 / 0.192

Asian and Depression on Favorability

	scale(trait Rating)
Predictors	Estimates	CI	p
(Intercept)	0.16	-0.18 – 0.50	0.349
outDegree	0.27	0.20 – 0.35	<0.001
CESD_score	-0.43	-0.86 – -0.00	0.050
Asian [Non]	0.13	-0.28 – 0.53	0.541
outDegree * CESD_score	-0.11	-0.21 – -0.02	0.022
outDegree * Asian [Non]	-0.02	-0.11 – 0.07	0.707
CESD_score * Asian [Non]	0.15	-0.37 – 0.66	0.575
(outDegree * CESD_score) * Asian [Non]	0.05	-0.07 – 0.16	0.412
Random Effects
σ2	0.81
τ00 subID	0.11
ICC	0.12
N subID	44
Observations	6360
Marginal R2 / Conditional R2	0.081 / 0.190

Combined, Pooling Study 2 and Study 3 for Asian

Favorability

## Linear mixed model fit by REML. t-tests use Satterthwaite's method [
## lmerModLmerTest]
## Formula: scale(traitRating) ~ scale(outDegree) * valence + as.factor(Asian) +  
##     scale(inDegree) * valence + (valence | subID)
##    Data: combDf
## Control: lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 2e+05))
## 
## REML criterion at convergence: 221018
## 
## Scaled residuals: 
##     Min      1Q  Median      3Q     Max 
## -3.5896 -0.6397 -0.0769  0.6348  3.9644 
## 
## Random effects:
##  Groups   Name        Variance Std.Dev. Corr 
##  subID    (Intercept) 0.3016   0.5492        
##           valencePos  0.4873   0.6981   -0.85
##  Residual             0.5393   0.7344        
## Number of obs: 98430, groups:  subID, 291
## 
## Fixed effects:
##                               Estimate Std. Error         df t value Pr(>|t|)
## (Intercept)                 -5.503e-01  3.483e-02  3.864e+02 -15.800  < 2e-16
## scale(outDegree)            -1.721e-02  3.370e-03  9.784e+04  -5.108 3.27e-07
## valencePos                   9.891e-01  4.121e-02  2.895e+02  24.004  < 2e-16
## as.factor(Asian)Non          6.888e-02  1.405e-02  6.467e+04   4.902 9.49e-07
## scale(inDegree)             -3.756e-02  3.021e-03  9.784e+04 -12.432  < 2e-16
## scale(outDegree):valencePos  1.783e-01  4.752e-03  9.784e+04  37.526  < 2e-16
## valencePos:scale(inDegree)   2.895e-02  4.851e-03  9.784e+04   5.968 2.42e-09
##                                
## (Intercept)                 ***
## scale(outDegree)            ***
## valencePos                  ***
## as.factor(Asian)Non         ***
## scale(inDegree)             ***
## scale(outDegree):valencePos ***
## valencePos:scale(inDegree)  ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Correlation of Fixed Effects:
##             (Intr) scl(tD) vlncPs a.(A)N scl(nD) s(D):P
## scale(tDgr) -0.004                                     
## valencePos  -0.787  0.001                              
## as.fctr(A)N -0.369  0.008   0.000                      
## scale(nDgr) -0.004  0.051   0.003  0.001               
## scl(tDgr):P  0.003 -0.709  -0.001 -0.006 -0.036        
## vlncPs:s(D)  0.003 -0.032   0.001 -0.001 -0.623  -0.098

## Linear mixed model fit by REML. t-tests use Satterthwaite's method [
## lmerModLmerTest]
## Formula: scale(traitRating) ~ scale(outDegree) * valence + scale(inDegree) *  
##     valence + (valence | subID)
##    Data: asianDfc
## Control: lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 2e+05))
## 
## REML criterion at convergence: 23737.4
## 
## Scaled residuals: 
##     Min      1Q  Median      3Q     Max 
## -3.4568 -0.6378 -0.0673  0.6163  3.7289 
## 
## Random effects:
##  Groups   Name        Variance Std.Dev. Corr 
##  subID    (Intercept) 0.1773   0.4211        
##           valencePos  0.3910   0.6253   -0.83
##  Residual             0.5864   0.7658        
## Number of obs: 10181, groups:  subID, 34
## 
## Fixed effects:
##                               Estimate Std. Error         df t value Pr(>|t|)
## (Intercept)                 -4.828e-01  7.303e-02  3.303e+01  -6.611 1.61e-07
## scale(outDegree)            -3.697e-02  1.130e-02  1.011e+04  -3.271  0.00108
## valencePos                   9.661e-01  1.083e-01  3.303e+01   8.919 2.60e-10
## scale(inDegree)             -3.426e-02  9.823e-03  1.011e+04  -3.487  0.00049
## scale(outDegree):valencePos  1.935e-01  1.544e-02  1.011e+04  12.531  < 2e-16
## valencePos:scale(inDegree)   2.730e-02  1.573e-02  1.011e+04   1.736  0.08268
##                                
## (Intercept)                 ***
## scale(outDegree)            ** 
## valencePos                  ***
## scale(inDegree)             ***
## scale(outDegree):valencePos ***
## valencePos:scale(inDegree)  .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Correlation of Fixed Effects:
##             (Intr) scl(tD) vlncPs scl(nD) s(D):P
## scale(tDgr) -0.005                              
## valencePos  -0.824  0.003                       
## scale(nDgr) -0.006 -0.016   0.004               
## scl(tDgr):P  0.004 -0.732  -0.002  0.012        
## vlncPs:s(D)  0.004  0.010   0.001 -0.625  -0.124

## Linear mixed model fit by REML. t-tests use Satterthwaite's method [
## lmerModLmerTest]
## Formula: scale(traitRating) ~ scale(outDegree) * valence + scale(inDegree) *  
##     valence + (valence | subID)
##    Data: nonADfc
## Control: lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 2e+05))
## 
## REML criterion at convergence: 195444.6
## 
## Scaled residuals: 
##     Min      1Q  Median      3Q     Max 
## -3.6693 -0.6143 -0.0857  0.6349  3.9991 
## 
## Random effects:
##  Groups   Name        Variance Std.Dev. Corr 
##  subID    (Intercept) 0.3193   0.5651        
##           valencePos  0.5162   0.7185   -0.85
##  Residual             0.5222   0.7226        
## Number of obs: 88249, groups:  subID, 275
## 
## Fixed effects:
##                               Estimate Std. Error         df t value Pr(>|t|)
## (Intercept)                 -4.947e-01  3.426e-02  2.738e+02 -14.440  < 2e-16
## scale(outDegree)            -1.603e-02  3.491e-03  8.769e+04  -4.592 4.40e-06
## valencePos                   9.944e-01  4.361e-02  2.737e+02  22.803  < 2e-16
## scale(inDegree)             -3.790e-02  3.139e-03  8.769e+04 -12.073  < 2e-16
## scale(outDegree):valencePos  1.778e-01  4.940e-03  8.769e+04  36.000  < 2e-16
## valencePos:scale(inDegree)   2.900e-02  5.041e-03  8.769e+04   5.753 8.81e-09
##                                
## (Intercept)                 ***
## scale(outDegree)            ***
## valencePos                  ***
## scale(inDegree)             ***
## scale(outDegree):valencePos ***
## valencePos:scale(inDegree)  ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Correlation of Fixed Effects:
##             (Intr) scl(tD) vlncPs scl(nD) s(D):P
## scale(tDgr) -0.001                              
## valencePos  -0.849  0.001                       
## scale(nDgr) -0.004  0.058   0.003               
## scl(tDgr):P  0.001 -0.707  -0.002 -0.041        
## vlncPs:s(D)  0.003 -0.036   0.001 -0.623  -0.095

Consistency

## Linear mixed model fit by REML. t-tests use Satterthwaite's method [
## lmerModLmerTest]
## Formula: scale(allPE) ~ scale(outDegree) * Asian + scale(inDegree) + (1 |  
##     subID)
##    Data: neighDf2
## Control: lmerControl(optimizer = "bobyqa", optCtrl = list(maxfun = 2e+05))
## 
## REML criterion at convergence: 35740.1
## 
## Scaled residuals: 
##     Min      1Q  Median      3Q     Max 
## -2.2124 -0.7449 -0.2064  0.5699  5.3231 
## 
## Random effects:
##  Groups   Name        Variance Std.Dev.
##  subID    (Intercept) 0.07304  0.2703  
##  Residual             0.92766  0.9632  
## Number of obs: 12876, groups:  subID, 45
## 
## Fixed effects:
##                             Estimate Std. Error         df t value Pr(>|t|)  
## (Intercept)               -4.210e-02  6.509e-02  4.298e+01  -0.647   0.5212  
## scale(outDegree)          -2.697e-02  1.343e-02  1.283e+04  -2.008   0.0446 *
## AsianNon                   6.986e-02  8.404e-02  4.300e+01   0.831   0.4104  
## scale(inDegree)           -1.271e-02  8.632e-03  1.283e+04  -1.473   0.1408  
## scale(outDegree):AsianNon -1.578e-02  1.725e-02  1.283e+04  -0.915   0.3603  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Correlation of Fixed Effects:
##             (Intr) scl(tD) AsinNn scl(nD)
## scale(tDgr) -0.002                       
## AsianNon    -0.775  0.001                
## scale(nDgr)  0.000 -0.109   0.000        
## scl(tDg):AN  0.001 -0.769  -0.002  0.000