SSP_W17
龔姿云
2022-06-07
dta <- read.csv("ncku_prof_V6.csv", h=T, stringsAsFactors = TRUE)dta <- dta %>%
select(H.id, Gender, Degree, Rank, College, Dept, Grads, FPY, Articles) %>%
mutate(researchy = 2022 - FPY)Degree
## 檢驗學位國籍是否是研究生涯年與論文引數的調節變項
fullmod <- lm(H.id ~ researchy + Degree + Degree*researchy, data = dta)
reducemod <- lm(H.id ~ researchy + Degree, data = dta)
anova(fullmod, reducemod)## Analysis of Variance Table
##
## Model 1: H.id ~ researchy + Degree + Degree * researchy
## Model 2: H.id ~ researchy + Degree
## Res.Df RSS Df Sum of Sq F Pr(>F)
## 1 454 49809
## 2 455 49863 -1 -54.377 0.4956 0.4818根據統計檢定結果，我們可以看見兩個模型間的差異並未達顯著，因此學位國籍可能與研究生涯年與論文引數之間沒有交互作用(沒有調節效應)。
summary(fullmod)$r.sq - summary(reducemod)$r.sq## [1] 0.0008148254兩個模型的解釋量差異為0.0008148254
## 調節效果圖
ggplot(aes(y = H.id, x = researchy, color = Degree), data = dta) +
geom_smooth(method = "lm", se = F, fullrange = T) +
theme_bw()## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 2 rows containing non-finite values (stat_smooth).
從這個圖我們可以看見，雖然在研究生涯年較少時，本國籍博士畢業的教職員，其論文指數稍微高一點，但當研究生涯年落在35年左右時，兩者的論文指數會很接近，而國外畢業的教職員在研究生涯較久時，其論文指數可能會比本國籍博士畢業的教職員來的高一點點。
而且這兩條線雖有交點，但因為其斜率看起來很接近，因此可能學位國籍對此兩個變項真的沒有什麼調節效果。
## 檢驗簡單斜率是否顯著
dta$nDegree <- as.numeric(dta$Degree)
modmod <- lmres(H.id ~ researchy + nDegree + researchy*nDegree, dta)
summary(modmod)## Formula:
## H.id ~ researchy + nDegree + researchy.XX.nDegree
## <environment: 0x0000018cd1b19888>
##
## Models
## R R^2 Adj. R^2 F df1 df2 p.value
## Model 0.504 0.254 0.249 51.426 3.000 454 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residuals
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -23.5372 -6.2005 -0.7767 0.0000 4.9457 70.9566
##
## Coefficients
## Estimate StdErr t.value beta p.value
## (Intercept) 4.87999 4.81851 1.01276 0.31171
## researchy 0.52852 0.22973 2.30068 0.3899 0.02186 *
## nDegree -3.60111 2.72920 -1.31947 -0.1369 0.18768
## researchy.XX.nDegree 0.08976 0.12750 0.70402 0.1430 0.48178
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Collinearity
## VIF Tolerance
## researchy 17.4680 0.0572
## nDegree 6.5461 0.1528
## researchy.XX.nDegree 25.0876 0.0399ss <- simpleSlope(modmod, pred = "researchy", mod1 = "nDegree", coded = "nDegree")
summary(ss)##
## ** Estimated points of H.id **
##
## Low researchy (-1 SD) High researchy (+1 SD)
## Low nDegree ( 1 ) 8.526 19.549
## High nDegree ( 2 ) 5.977 18.600
##
##
##
## ** Simple Slopes analysis ( df= 454 ) **
##
## simple slope standard error t-value p.value
## Low nDegree ( 1 ) 0.6183 0.1103 5.6 <2e-16 ***
## High nDegree ( 2 ) 0.7080 0.0639 11.1 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
##
##
## ** Bauer & Curran 95% CI **
##
## lower CI upper CI
## nDegree -0.2349 5.9949於此統計檢定結果中，我們可以看見不論是本國籍畢業的教職員抑或是國外畢業的教職員，其斜率相較於0皆為顯著。
## 調節效果圖
PlotSlope(ss)
由此圖可以發現兩條線並沒有交集，也就是說學位國籍對研究生涯年與論文引數並沒有調節效果。
Rank
Rank <- factor("Rank")## 檢驗職等是否是研究生涯年與論文引數的調節變項
fullmodr <- lm(H.id ~ researchy + Rank + Rank*researchy, data = dta)
reducemodr <- lm(H.id ~ researchy + Rank, data = dta)
anova(fullmodr, reducemodr)## Analysis of Variance Table
##
## Model 1: H.id ~ researchy + Rank + Rank * researchy
## Model 2: H.id ~ researchy + Rank
## Res.Df RSS Df Sum of Sq F Pr(>F)
## 1 454 46980
## 2 455 49595 -1 -2614.8 25.268 7.192e-07 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1統計檢定結果為顯著，代表職等是研究生涯年與論文引數的調節變項
summary(fullmodr)$r.sq - summary(reducemod)$r.sq## [1] 0.04319547兩個模型的解釋量差異為0.04319547
## 調節效果圖
ggplot(aes(y = H.id, x = researchy, color = Rank), data = dta) +
geom_smooth(method = "lm", se = F, fullrange = T) +
theme_bw()## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 2 rows containing non-finite values (stat_smooth).
## 教授
r1 <- dta %>%
filter(Rank == "1")
summary(lm(H.id ~ researchy, data = r1))##
## Call:
## lm(formula = H.id ~ researchy, data = r1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -23.589 -7.515 -0.606 6.058 68.092
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -3.8226 2.8179 -1.357 0.176
## researchy 0.8403 0.1066 7.881 1.16e-13 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 12.17 on 238 degrees of freedom
## Multiple R-squared: 0.2069, Adjusted R-squared: 0.2036
## F-statistic: 62.1 on 1 and 238 DF, p-value: 1.164e-13bata 值:0.8403 ； 標準差 0.1066 ； t值 7.881； p值:1.16e-13(顯著)
此統計檢定結果表示此簡單斜率跟0有所差異。
## 副教授
r2 <- dta %>%
filter(Rank == "2")
summary(lm(H.id ~ researchy, data = r2))##
## Call:
## lm(formula = H.id ~ researchy, data = r2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -10.699 -5.539 -2.165 4.436 32.537
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.84512 1.60242 3.648 0.000367 ***
## researchy 0.13483 0.08358 1.613 0.108851
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 7.404 on 146 degrees of freedom
## (因為不存在，1 個觀察量被刪除了)
## Multiple R-squared: 0.01751, Adjusted R-squared: 0.01078
## F-statistic: 2.603 on 1 and 146 DF, p-value: 0.1089bata 值: 0.13483 ； 標準差 0.08358 ； t值 1.613； p值: 0.108851 (未達顯著)
## 助理教授
r3 <- dta %>%
filter(Rank == "3")
summary(lm(H.id ~ researchy, data = r3))##
## Call:
## lm(formula = H.id ~ researchy, data = r3)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.720 -4.125 -1.189 3.026 28.431
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.0371 1.8099 0.573 0.56851
## researchy 0.5380 0.1568 3.432 0.00102 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.297 on 68 degrees of freedom
## (因為不存在，1 個觀察量被刪除了)
## Multiple R-squared: 0.1476, Adjusted R-squared: 0.1351
## F-statistic: 11.78 on 1 and 68 DF, p-value: 0.001024bata 值:0.5380； 標準差: 0.1568 ； t值 :3.432； p值:0.00102 (達顯著)
結論
1.Rank 對研究生涯與論文指數有調節效應
2.在不同level中slope會有所改變
3.xy之間的相關會因為調節變項的level不一樣而不一樣
4.在教授的部分，若將教授納入分析，則研究生涯與論文指數之間的相關達顯著。
5.在副教授的部分，若將副教授納入分析，則研究生涯與論文指數之間的相關沒有達顯著。
6.在助理教授的部分，若將助理教授納入分析，則研究生涯與論文指數之間的相關達顯著。