当前位置: X-MOL 学术Psychological Methods › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Effect size guidelines for cross-lagged effects.
Psychological Methods ( IF 10.929 ) Pub Date : 2022-06-23 , DOI: 10.1037/met0000499
Ulrich Orth 1 , Laurenz L Meier 1 , Janina Larissa Bühler 1 , Laura C Dapp 1 , Samantha Krauss 1 , Denise Messerli 1 , Richard W Robins 1
Affiliation  

Cross-lagged models are by far the most commonly used method to test the prospective effect of one construct on another, yet there are no guidelines for interpreting the size of cross-lagged effects. This research aims to establish empirical benchmarks for cross-lagged effects, focusing on the cross-lagged panel model (CLPM) and the random intercept cross-lagged panel model (RI-CLPM). We drew a quasirepresentative sample of studies published in four subfields of psychology (i.e., developmental, social–personality, clinical, and industrial–organizational). The dataset included 1,028 effect sizes for the CLPM and 302 effect sizes for the RI-CLPM, based on data from 174 samples. For the CLPM, the 25th, 50th, and 75th percentiles of the distribution corresponded to cross-lagged effect sizes of .03, .07, and .12, respectively. For the RI-CLPM, the corresponding values were .02, .05, and .11. Effect sizes did not differ significantly between the CLPM and RI-CLPM. Moreover, effect sizes did not differ significantly across subfields and were not moderated by design characteristics. However, effect sizes were moderated by the concurrent correlation between the constructs and the stability of the predictor. Based on the findings, we propose to use .03 (small effect), .07 (medium effect), and .12 (large effect) as benchmark values when interpreting the size of cross-lagged effects, for both the CLPM and RI-CLPM. In addition to aiding in the interpretation of results, the present findings will help researchers plan studies by providing information needed to conduct power analyses and estimate minimally required sample sizes.

中文翻译:

交叉滞后效应的效应大小指南。

迄今为止,交叉滞后模型是测试一个构造对另一个构造的预期影响的最常用方法,但没有解释交叉滞后效应大小的指南。本研究旨在建立交叉滞后效应的经验基准,重点关注交叉滞后面板模型(CLPM)和随机截距交叉滞后面板模型(RI-CLPM)。我们抽取了在心理学的四个子领域(即发展、社会-人格、临床和工业-组织)发表的研究的准代表性样本。基于来自 174 个样本的数据,该数据集包括 1,028 个 CLPM 效应大小和 302 个 RI-CLPM 效应大小。对于 CLPM,分布的第 25、50 和 75 个百分位数分别对应于 0.03、0.07 和 0.12 的交叉滞后效应大小。对于 RI-CLPM,相应的值为 0.02、0.05 和 0.11。CLPM 和 RI-CLPM 之间的效应量没有显着差异。此外,不同子领域的效应大小没有显着差异,并且不受设计特征的影响。然而,效应大小受到结构与预测变量稳定性之间的同时相关性的影响。根据研究结果,我们建议在解释 CLPM 和 RI- 的交叉滞后效应大小时,使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。 CLPM。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。CLPM 和 RI-CLPM 之间的效应量没有显着差异。此外,不同子领域的效应大小没有显着差异,并且不受设计特征的影响。然而,效应大小受到结构与预测变量稳定性之间的同时相关性的影响。根据研究结果,我们建议在解释 CLPM 和 RI- 的交叉滞后效应大小时,使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。 CLPM。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。CLPM 和 RI-CLPM 之间的效应量没有显着差异。此外,不同子领域的效应大小没有显着差异,并且不受设计特征的影响。然而,效应大小受到结构与预测变量稳定性之间的同时相关性的影响。根据研究结果,我们建议在解释 CLPM 和 RI- 的交叉滞后效应大小时,使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。 CLPM。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。不同子领域的效应量没有显着差异,也不受设计特征的影响。然而,效应大小受到结构与预测变量稳定性之间的同时相关性的影响。根据研究结果,我们建议在解释 CLPM 和 RI- 的交叉滞后效应大小时,使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。 CLPM。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。不同子领域的效应量没有显着差异,也不受设计特征的影响。然而,效应大小受到结构与预测变量稳定性之间的同时相关性的影响。根据研究结果,我们建议在解释 CLPM 和 RI- 的交叉滞后效应大小时,使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。 CLPM。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。在解释 CLPM 和 RI-CLPM 的交叉滞后效应的大小时,我们建议使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。在解释 CLPM 和 RI-CLPM 的交叉滞后效应的大小时,我们建议使用 0.03(小效应)、0.07(中等效应)和 0.12(大效应)作为基准值。除了帮助解释结果外,本研究结果还将通过提供进行功效分析和估计所需的最低样本量所需的信息来帮助研究人员计划研究。
更新日期:2022-06-24
down
wechat
bug