温忠麟老师的检验中介效应程序
温忠麟老师的检验中介效应程序
一、中介效应概述
中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：
Y=cx+e1 1)
M=ax+e2 2)
Y=c’x+bM+e3 3)
上述3个方程模型图及对应方程如下：
二、中介效应检验方法
中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：
1.依次检验法（causual steps）。依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：
1.1首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；
1.2在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a 显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；
1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。此时检验c’,若c’显著，则说明是不完全中介效应；若不显著，则说明是完全中介效应，x对y的作用完全通过M来实现。
评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a较小而b较大时，依次检验判定为中介效应不显著，但是此时ab乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。
2.系数乘积项检验法(products of coefficients)。此种方法主要检验ab乘积项的系数是否显著，检验统计量为z = ab/ s ab，实际上熟悉统计原理的人可以看出，这个公式和总体分布为正态的总体均值显著性检验差不多，不过分子换成了乘积项，分母换成了乘积项联合标准误而已，而且此时总体分布为非正态，因此这个检验公式的Z值和正态分布下的Z值检验是不同的，同理临界概率也不能采用正态分布
概率曲线来判断。具体推导公式我就不多讲了，大家有兴趣可以自己去看相关统计书籍。分母s ab 的计算公式为：s ab =2222a b s b s a ，在这个
公式中，s b 2和s a 2分别为a 和b 的标准误，这个检验称为sobel 检验，
当然检验公式不止这一种例如Goodman I 检验和Goodman II 检验都可以检验（见下）,但在样本比较大的情况下这些检验效果区别不大。在AMOS 中没有专门的soble 检验的模块，需要自己手工计算出而在lisrel 里面则有，其临界值为z α/2>0.97或z α/2<-0.97(P <0.05，N ≧200)。关于临界值比率表见附件（虚无假设概率分布见MacKinnon 表中无中介效应C.V.表，双侧概率，非正态分布。这个临界表没有直接给出.05的双侧概率值，只有.04的双侧概率值；以N=200为例，.05的双侧概率值在其表中大概在±0.90左右，而不是温忠麟那篇文章中提出的0.97。关于这一点，我看了温的参考文献中提到的MacKinnon 那篇文章，发现温对于.97的解释是直接照搬MacKinnon 原文中的一句话
在这个表中意味着其值对应概率大于.05，但是当统计值小于0.9798th 时而大于0.8797th，其值对应概率的判断就比较麻烦了，此时要采用0.90作为P<.05的统计值来进行判断。之所以对温的文章提出质疑，是因为这涉及到概率检验的结果可靠性，我为此查了很多资料，累）。Goodman I检验公式如下 Goodman II检验检验公式如下
注：从统计学原理可知，随着样本量增大，样本均值和总体均值的差误趋向于减少；因此从这两个公式可看出，的值随着样本容量增大而呈几何平方值减小，几乎可以忽略不计算，因此MacKinnon et al. (1998)认为乘积项在样本容量较大时是“trivial”（琐碎不必要的）的，因此sobel检验和Goodman检验结果在大样本情况下区别不大，三个检验公式趋向于一致性结果，因此大家用soble检验公式就可以了（详情请参考文献A Comparison of Methods to Test Mediation and Other Intervening Variable Effects. Psychological Methods 2002, Vol. 7, No. 1, 83–104）。
评价：采用sobel等检验公式对中介效应的检验容易得到中介效应显
著性结果，因为其临界概率（MacKinnon）P<.05的Z值为z
α/2>0.90
或z
α/2<-0.90，而正态分布曲线下临界概率P<.05的Z值为zα/2>1.96
或z
α/2<-1.96，因此用该临界概率表容易犯第一类错误（拒绝虚无假设而作出中介效应显著的判断）
3.差异检验法(difference in coefficients)。此方法同样要找出联合标准误，目前存在一些计算公式，经过MacKinnon 等人的分析，认为其中有两个公式效果较好，分别是Clogg 等人和Freedman 等人提出的，这两个公式如下：
Clogg 差异检验公式 Freedman 差异检验公式
'3'c xm N s r c c t -=- 2'2'2'212xm C C C C N r S S S S C C t --+-=-
这两个公式都采用t 检验，可以通过t 值表直接查出其临界概率。Clogg 等提出的检验公式中，
的下标N-3表示t 检验的自由度为N-3，为自变量与中介变量的相关系数，
为X 对Y 的间接效应估计值的标准误；同理见Freedman 检验公式。
评价：这两个公式在a=0且b=0时有较好的检验效果，第一类错误率接近0.05，但当a=0且b ≠0时，第一类错误率就非常高有其是Clogg 等提出的检验公式在这种情况下第一类错误率达到100%，因此要谨慎对待。
4.温忠麟等提出了一个新的检验中介效应的程序，如下图：
这个程序实际上只采用了依次检验和sobel检验，同时使第一类错误率和第二类错误率都控制在较小的概率，同时还能检验部分中介效应和完全中介效应，值得推荐。
三中介效应操作在统计软件上的实现
根据我对国内国外一些文献的检索、分析和研究，发现目前已经有专门分析soble检验的工具软件脚本，可下挂在SPSS当中；然而在AMOS中只能通过手工计算，但好处在于能够方便地处理复杂中介模型，分析间接效应；根据温忠麟介绍，LISREAL也有对应的SOBEL 检验分析命令和输出结果，有鉴于此，本文拟通过对在SPSS、AMOS 中如何分析中介效应进行操作演示，相关SOBEL检验脚本及临界值表（非正态SOBEL检验临界表）请看附件。
1.如何在SPSS中实现中介效应分析
这个部分我主要讲下如何在spss中实现中介效应分析（无脚本，数据见附件spss中介分析数据，自变量为工作不被认同，中介变量
为焦虑，因变量为工作绩效）。
第一步：将自变量（X）、中介变量(M)、因变量(Y)对应的潜变量的项目得分合并取均值并中心化，见下图
在这个图中，自变量（X）为工作不被认同，包含3个观测指标，即领导不认同、同事不认可、客户不认可；中介变量（M）焦虑包含3个观测指标即心跳、紧张、坐立不安；因变量（Y）包含2个观测指标即效率低和效率下降。
Descriptive Statistics
上面三个图表示合并均值及中心化处理过程，生成3个对应的变量并
中心化（项目均值后取离均差）得到中心化X、M、Y。
第二步：按温忠麟中介检验程序进行第一步检验即检验方程y=cx+e 中的c是否显著，检验结果如下表：
Model Summary
a Predictors: (Constant), 不被认同（中心化）
由上表可知，方程y=cx+e的回归效应显著，c值.678显著性为p<.000,可以进行方程m=ax+e和方程y=c’x+bm+e的显著性检验；
第三步：按温忠麟第二步检验程序分别检验a和b的显著性，如果都显著，则急需检验部分中介效应和完全中介效应；如果都不显著，则停止检验；如果a或b其中只有一个较显著，则进行sobel检验，检验结果见下表：
由上面两个表格结果分析可知，方程m=ax+e中，a值0.533显著性
p<.000，继续进行方程y=c’x+bm+e的检验，结果如下表：
由上面两个表的结果分析可知，方程y=c’x+bm+e中，b值为0.213显著性为p<.000,因此综合两个方程m=ax+e和y=c’x+bm+e的检验结果，a和b都非常显著，接下来检验中介效应的到底是部分中介还是完全中介；
第四步:检验部分中介与完全中介即检验c’的显著性:
由上表可知，c’值为.564其p值<.000,因此是部分中介效应，自变量对因变量的中介效应不完全通过中介变量焦虑的中介来达到其影响，工作不被认同对工作绩效有直接效应，中介效应占总效应的比值为：
effect m=ab/c=0.533×0.213/0.678=0.167,中介效应解释了因变量的方差变异为sqrt(0.490-0.459)=0.176（17.6%）
小结在本例中，中介效应根据温忠麟的检验程序最后发现自变量和因变量之间存在不完全中介效应，中介效应占总效应比值为0.167,中介效应解释了因变量17.6%的方差变异。
2.在spss中运用spssmaro脚本来分析中介效应
下面我们采用Preacher(2004)设计的spssmaro脚本来进行中介效应分析，该脚本是美国俄亥俄和州立大学Preacher和Hayes于2004年开发的在spss中计算间接效应、直接效应和总效应的脚本，对间接效应的计算采用了sobel检验，并给出了显著性检验结果，这个脚本可在如下网址下载：https://www.sodocs.net/doc/0d16105622.html,/ahayes/sobel.htm。脚本文件名为sobel_spss，关于如何在spss使用该脚本请看附件(附件为pdf文件，文件名为runningscripts)。在运行了脚本后，在打开的窗口中分别输入自变量、中介变量和调节变量，在选项框中可以选择bootstrap（自抽样）次数，设置好后，点击ok，运行结果如下：
Run MATRIX procedure:
VARIABLES IN SIMPLE MEDIATION MODEL
Y 工作绩效
X 不被认同
M 焦虑
DESCRIPTIVES STATISTICS AND PEARSON CORRELATIONS
Mean SD 工作绩效不被认同焦虑
工作绩_1 .0000 .9590 1.0000 .6780 .5139
不被认同 -.0020 .8085 .6780 1.0000 .5330
焦虑（中 .0000 .9063 .5139 .5330 1.0000
SAMPLE SIZE
489
DIRECT And TOTAL EFFECTS
Coeff s.e. t Sig(two)
b(YX) .8042 .0395 20.3535 .0000 c
b(MX) .5975 .0430 13.9013 .0000 a
b(YM.X) .2255 .0404 5.5773 .0000 b
b(YX.M) .6695 .0453 14.7731 .0000 c’
注：b(yx)相当于c，b(my)相当于a, b(YM.X)相当于b, b(YX.M)相当于c’
INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTION
Value s.e. LL 95 CI UL 95 CI Z Sig(two)
Effect .1347 .0261 .0836 .1858 5.1647 .0000
(sobel)
BOOTSTRAP RESULTS For INDIRECT EFFECT
Data Mean s.e. LL 95 CI UL 95 CI LL 99 CI UL 99 CI Effect .1347 .1333 .0295 .0800 .1928 .0582 .2135
NUMBER OF BOOTSTRAP RESAMPLES
1000
FAIRCHILD ET AL. (2009) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT: .2316
********************************* NOTES **********************************
------ END MATRIX -----
从spssmacro脚本运行的结果来看，总效应、中介效应、间接效应
达到了显著值，其中c为0.8042，a值为0.5975，b值为0.2255,c’值
为0.6695,间接效应（在本例中为中介效应）解释了自变量23.16%的
方差，中介效应占中效应的比例为0.168。下面用对加载脚本前后的
计算结果进行比较见下表：
c a b c’效应比中介效应方差变异无脚本0.678*** 0.513*** 0.213*** 0.564*** 0.1674 17.6% Spssmacrao 0.804*** 0.598*** 0.226*** 0.670*** 0.1675 23.16%从比较结果可以看出，加载脚本后分析中介效应结果，总体效应提高
了，但效应比没有多大变化（0.0001），说明中介效应实际上提高了；
中介效应对因变量的方差变异的解释比例也提高了了近5个百分点，
说明采用bootstrap抽样法能更准确地估计总体效应和间接效应。
3.如何在AMOS中实现中介效应分析
无论变量是否涉及潜变量，都可以利用结构方程模型来实现中介效应分析，下面我来谈谈如何在AMOS中实现中介效应分析，数据见
附件（AMOS中介效应分析数据）。
第一步：建立好模型图，如下：
本模型假设，工作不被认可通过中介变量影响绩效表现。
第二步：设置参数，要在AMOS中分析中介效应，需要进行一些必要的参数设置，步骤见下图：
按照上面几个图提示的步骤设置好后，读取数据进行运算，工具栏提示如下
上图表示采用bootstrap(自抽样5000次)运算结果，数据迭代到第8次得到收敛。模型卡方为26.0，自由度为17.
第三步：看输出结果即模型图和文本输出：
从模型标准化路径图可以看出，模型卡方与自由度之比为 1.529，p 值>.05，各项拟合指数皆较理想，说明模型较理想，下面我们来看下模型的总体效应和间接效应的文本输出，见下表：
Standardized Total Effects (Group number 1 - Default model)
Standardized Total Effects - Lower Bounds (BC) (Group number 1 - Default model)
Standardized Total Effects - Upper Bounds (BC) (Group number 1 - Default model)
Standardized Total Effects - Two Tailed Significance (BC) (Group number 1 - Default model)
上述三个表格是采用BC(bias-corrected)偏差校正法估计的总体效
应标准化估计的下限值、上限值和双尾显著性检验结果，双尾检验结
果显示，总体效应显著，提示自变量（工作不被认可）对因变量（绩
效表现）的总体效应显著）值显著，P<.000；下面我们继续看直接效
应的文本输出结果，如下表：
Standardized Direct Effects (Group number 1 - Default model)
Standardized Direct Effects - Lower Bounds (BC) (Group number 1 - Default model)
Standardized Direct Effects - Upper Bounds (BC) (Group number 1 - Default model)
Standardized Direct Effects - Two Tailed Significance (BC) (Group number 1 - Default model)
和总体效应输出表格形式一致，前两个表格都是标准化估计的95%置
信区间的上限值和下限值，第三个表格提示了直接效应显著，见红体字部分（在本例中即为中介效应ab和c’）。下面我们来看下间接效应的显著性分析结果，见下图：
Standardized Indirect Effects (Group number 1 - Default model)
Standardized Indirect Effects - Lower Bounds (BC) (Group number 1 - Default model)
Standardized Indirect Effects - Upper Bounds (BC) (Group number 1 - Default model)
Standardized Indirect Effects - Two Tailed Significance (BC) (Group number 1 - Default model)
表格形式同上，显著性见红体字部分，在本例中即为c’。综合上述文本化输出的结果，我们可以判定，c,a,b,c’的估计值都达到了显著性，下面，我们来看些这四个路径系数的标准化估计值和标准误到底是多少呢？见下表：
Standardized Regression Weights: (Group number 1 - Default model)
上表是采用bootstrap方法得出的标准化估计值及其标准误，se表示估计值标准误；se-se表示用bootstrap估计标准误而产生的标准误；mean表示标准化估计均值；bias表示采用bootstrap前后的标准化估计值的差异值，符号表示差异大小；se-bias表示对估计值差异估计的标准误。对照这个表，可以得出a=0.628，对应的标准误S a
温忠麟老师的检验中介效应程序
温忠麟老师的检验中介效应程序 一、中介效应概述 中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。 以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下： Y=cx+e1 1) M=ax+e2 2) Y=c’x+bM+e3 3) 上述3个方程模型图及对应方程如下： 二、中介效应检验方法 中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法： 1.依次检验法（causual steps）。依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下： 首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继
续检验方程2），如果c 不显著（说明X 对Y 无影响），则停止中介效应检验； 在c 显著性检验通过后，继续检验方程2）M=ax+e2，如果a 显 著（H0:a=0被拒绝），则继续检验方程3）；如果a 不显著，则停止检验； 在方程1）和2）都通过显著性检验后，检验方程3）即y=c ’x + bM + e3,检验b 的显著性，若b 显著（H0:b=0被拒绝）,则说明中介效应显著。此时检验c ’,若c ’显著，则说明是不完全中介效应；若不显著，则说明是完全中介效应，x 对y 的作用完全通过M 来实现。 评价:依次检验容易在统计软件中直接实现，但是这种检验对于较 弱的中介效应检验效果不理想，如a 较小而b 较大时，依次检验判定为中介效应不显著，但是此时ab 乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。 2.系数乘积项检验法(products of coefficients)。此种方法主要检验ab 乘积项的系数是否显著，检验统计量为z = ab/ s ab ，实际上熟 悉统计原理的人可以看出，这个公式和总体分布为正态的总体均值显著性检验差不多，不过分子换成了乘积项，分母换成了乘积项联合标准误而已，而且此时总体分布为非正态，因此这个检验公式的Z 值和正态分布下的Z 值检验是不同的，同理临界概率也不能采用正态分布概率曲线来判断。具体推导公式我就不多讲了，大家有兴趣可以自己去看相关统计书籍。分母s ab 的计算公式为：s ab =2222a b s b s a ，在这个 公式中，s b 2和s a 2分别为a 和b 的标准误，这个检验称为sobel 检验，
温忠麟老师的检验中介效应程序
温忠麟老师的检验中介 效应程序 文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688]
温忠麟老师的检验中介效应程序 一、中介效应概述 中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。 以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下： 1) Y=cx+e 1 M=ax+e 2) 2 3) Y=c’x+bM+e 3 上述3个方程模型图及对应方程如下： 二、中介效应检验方法 中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：
1.依次检验法（causual steps）。依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下： 首先检验方程1）y=cx+ e1，如果c显着（H0:c=0被拒绝），则继续检验方程2），如果c不显着（说明X对Y无影响），则停止中介效应检验； 在c显着性检验通过后，继续检验方程2）M=ax+e2，如果a显着（H0:a=0被拒绝），则继续检验方程3）；如果a不显着，则停止检验； 在方程1）和2）都通过显着性检验后，检验方程3）即y=c’x + bM + e3,检验b的显着性，若b显着（H0:b=0被拒绝）,则说明中介效应显着。此时检验c’,若c’显着，则说明是不完全中介效应；若不显着，则说明是完全中介效应，x对y的作用完全通过M来实现。 评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a较小而b较大时，依次检验判定为中介效应不显着，但是此时ab乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。 2.系数乘积项检验法(products of coefficients)。此种方法主要检验 ，实际上熟悉统计ab乘积项的系数是否显着，检验统计量为z = ab/ s ab 原理的人可以看出，这个公式和总体分布为正态的总体均值显着性检验差不多，不过分子换成了乘积项，分母换成了乘积项联合标准误而已，而且此时总体分布为非正态，因此这个检验公式的Z值和正态分布下的Z 值检验是不同的，同理临界概率也不能采用正态分布概率曲线来判断。
用SPSS作中介效应检验
SPSS实例：[16]中介效应的检验过程 spss做中介效应现在用的越来越普遍，虽然说用amos是最佳的工具，但是很多人还是喜欢spss，更容易理解，操作起来也比amos简单。下面我们就来分享一下如何使用spss进行中介效应的检验，这个教程是理论上的讲解，目的是让你理解这个过程。后面我们会具体的来操作一下，让你知道如何具体的去做，先来看看理论上的过程： 1.先要明确你的自变量和因变量，假如我们有三个变量分别是：自变量（x），因变量（y），中介变量（M）。 2.第一个要检验的是自变量对因变量的作用，我们用下面的方程表示：我们首先要做的是对系数c的检验，你 应该知道，用回归做检验，假如c不显著，说明不存在中介效应，停止检验；假如c显著，还不能说明存在中介效应，接着进行下面的步骤： 3.接着我们做自变量和中介变量之间的回归方程的检验，也就是用下面的方程来表示，假如系数a显著，说明X 确实可以预测M，但仍然没有说明中介效应的存在。假如a不显著，那就需要进行sobel检验。我们暂时不去 做sobel，因为还有一个步骤 4.现在我们要检验M和Y之间的关系，也就是下面的方程的系数是否显著。假如a显著、b也显著，那么就可以 证明中介效应存在；假如a和b中有一个不显著，另一个先不显著我们不知道，我们需要进行sobel检验，s obel检验显著，那么中介效应存在。 5.到此为止，我们就完成了中介效应的检验，下面来总结一下整个流程，看下面的流程图： 6.中介效应的具体操作，参考我的下一篇文章。
SPSS实例：[17]进行sobel检验(小白教程) 通常我们在做中介效应的时候，遇到有一个系数没有达到显著性水平，我们需要进行sobel检验，但是sobel检验的公式非常麻烦，如果你按计算器就很麻烦了，更何况你还有很多中介效应去验证，所以今天我给大家分享一个Excel可以很快的计算。 1.从下面的参考资料里下载一个Excel文件 2.下载下来以后，打开Excel，你会看到一个这样的表格 3.将你的三个模型的三线表粘贴过来
实验三调节效应与中介效应的检验
实验三调节效应与中介效应的检验 、实验性质 上机实验（计算机、spss软件） 、实验目的与要求 1、理解调节效应和中介效应的理论涵义; 2、使学生熟练掌握应用SPSS针对调节效应和中介效应进行统计检验，熟悉操作步骤，并能够对统计分析的结果进行解释。 三、实验原理 （一）调节效应 1、调节变量（moderator）的定义 变量丫与变量X的关系受到第三个变量M的影响，就称M为调节变量。这种有调节变量的 模型一般地可以用图1示意。调节变量可以是定性的（如性别、种族、学校类型等），也可以是定量的（如年龄、受教育年限、刺激次数等），它影响因变量和自变量之间关系的方向（正或负）和强弱。 在做调节效应分析时，通常要将自变量和调节变量做中心化变换。简要模型：Y = aX + bM + cXM + e 。Y与X的关系由回归系数a + cM 来刻画，它是M的线性函数，c衡量了调节效应（moderating effect）的大小。如果c显著，说明M的调节效应显著。 2、调节效应的分析方法 显变量的调节效应分析方法，分为四种情况讨论： （1）当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析， 交互效应即调节效应； （2）调节变量是连续变量时，自变量是连续变量时，将自变量和调节变量中心化，做 Y=aX+bM+cXM+啲层次回归分析：1、做Y对X和M的回归,得测定系数R12。2、做Y对X、M和XM的回归得R22,若R22显著高于R12，则调节效应显著。或者，作XM的回归系数检验，若显著，则调节效应显著； （3）当自变量是连续变量时，调节变量是类别变量，分组回归：按M的取值分组，做Y 对X的回归。若回归系数的差异显著，则调节效应显著，调节变量是连续变量时，同上做Y=aX +bM +cXM +e的层次回归分析。 调廿变怙Lif） □变鼠個 连填 两因索右交互效应的方甘分折gg、、交互效应即调节敦应 - 井飢冋旧.按别的观怕分组、做174 JtffJ冋归。若冋!H 乘 软的歷界帛韩.厲啊节效应显満? 连疲白吏帕悚曲旳盘址将FI盘扯和调节变tit中匕比业的层衣 回归幷析 ].做啊工和M的回H .得劃左系垃 m 和AW的回甘讶Jtj，若醐吧普馬r R]则调节效应丽軒"戒若.件:AV的冋口乘救栓殖盂呈翡 捋口变盘和调节变担中心化 F-dT-剔-泅 * 的层衣凹归井析左h 隊r菴虑奁可故应项AM外庭可以号虑高附兗互散应 堪脚AJf-.表示#轼性调节效应血表示1111或回归的调节 几 （4）潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变量，自变量是潜变
用SPSS作中介效应检验
SPSS 实例：［16］中介效应的检验过程 spss 做中介效应现在用的越来越普遍，虽然说用 amos 是最佳的工具，但是很多人还是喜欢 spss ，更容易理解，操作起 来也比amos 简单。下面我们就来分享一下如何使用 spss 进行中介效应的检验，这个教程是理论上的讲解，目的是让你 理解这个过程。后面我们会具体的来操作一下，让你知道如何具体的去做，先来看看理论上的过程： 1. 先要明确你的自变量和因变量，假如我们有三个变量分别是：自变量（ x ），因变量（y ）,中介变量（M 。 2. 第一个要检验的是自变量对因变量的作用，我们用下面的方程表示：我们首先要做的是对系数 c 的检验，你 应该知道，用回归做检验，假如 c 不显著，说明不存在中介效应，停止检验；假如 c 显著，还不能说明存在 Y=cX+en 中介效应，接着进行下面的步骤： 3. 接着我们做自变量和中介变量之间的回归方程的检验，也就是用下面的方程来表示，假如系数 a 显著，说明X 确实可以预测M 但仍然没有说明中介效应的存在。假如 a 不显著，那就需要进行sobel 检验。我们暂时不去 N4=aX+02； 做sobel ，因为还有一个步骤 现在我们要检验M 和Y 之间的关系，也就是下面的方程的系数是否显著。假如 a 显著、b 也显著，那么就可以 证明中 介效应存在；假如a 和b 中有一个不显著，另一个先不显著我们不知道，我们需要进行 sobel 检验，s YF X+bM+e 3a obel 检验显著，那么中介效应存在。 6.中介效应的具体操作，参考我的下一篇文章。 4. 5. 中介效完全中介 应显著效应显著 中介效中介效应 应显著不显着 Y 与冥相去不昱菁 停止中介建应分析 到此为止，我们就完成了中介效应的检验，下面来总结一下整个流程，看下面的流程图:
中介效应分析方法
中介效应分析方法 1 中介变量和相关概念 在本文中,假设我们感兴趣的是因变量(Y) 和自变量(X) 的关系。虽然它们之间不一定是因果关系,而可能只是相关关系,但按文献上的习惯而使用“X 对的影响”、“因果链”的说法。为了简单明确起见,本文在论述中介效应的检验程序时,只考虑一个自变量、一个中介变量的情形。但提出的检验程序也适合有多个自变量、多个中介变量的模型。 1.1 中介变量的定义 考虑自变量X 对因变量Y 的影响,如果X 通过影响变量M 来影响Y ,则称M 为中介变量。例如“, 父亲的社会经济地位”影响“儿子的教育程度”,进而影响“儿子的社会经济地位”。又如,“工作环境”(如技术条件) 通过“工作感觉”(如挑战性) 影响“工作满意度”。在这两个例子中,“儿子的教育程度”和“工作感觉”是中介变量。假设所有变量都已经中心化(即均值为零) ,可用下列方程来描述变量之间的关系: Y = cX + e 1 (1) M = aX + e 2 (2) Y = c ’X + bM + e 3 (3) 1 Y=cX+e 1 e 2 M=aX+e 2 a b M
e3 Y=c’X+bM+e3 图1 中介变量示意图 假设Y与X的相关显著,意味着回归系数c显著(即H0 : c = 0 的假设被拒绝) ,在这个前提下考虑中介变量M。如何知道M真正起到了中介变量的作用,或者说中介效应(mediator effect ) 显著呢? 目前有三种不同的做法。 传统的做法是依次检验回归系数。如果下面两个条件成立,则中介效应显著: (i) 自变量显著影响因变量；(ii) 在因果链中任一个变量,当控制了它前面的变量(包括自变量) 后,显著影响它的后继变量。这是Baron 和Kenny 定义的(部分) 中介过程。如果进一步要求: (iii) 在控制了中介变量后,自变量对因变量的影响不显著, 变成了Judd和Kenny 定义的完全中介过程。在只有一个中介变量的情形,上述条件相当于(见图1) : (i) 系数c显著(即H0 : c = 0 的假设被拒绝) ；(ii) 系数a 显著(即H0: a = 0 被拒绝) ,且系数b显著(即H0: b = 0 被拒绝) 。完全中介过程还要加上: (iii) 系数c’不显著。 第二种做法是检验经过中介变量的路径上的回归系数的乘积ab是否显著,即检验H0 : ab = 0 ,如果拒绝原假设,中介效应显著 ,这种做法其实是将ab作为中介效应。 第三种做法是检验c’与c的差异是否显著,即检验H0 : c - c’= 0 ,如果拒绝原假设,中介效应显著。 1.2 中介效应与间接效应 依据路径分析中的效应分解的术语 ,中介效应属于间接效应(indirect effect) 。在图1 中, c是X对Y的总效应, ab是经过中介变量M 的间接效应(也就是中介效应) , c’是直接效应。当只有一个自变量、一个中介变量时,效应之间有如下关系 c = c’+ ab (4) 当所有的变量都是标准化变量时,公式(4) 就是相关系数的分解公式。但公式(4) 对一般的回归系数也成立)。由公式(4) 得c-c’=ab,即c-c’等于中介效应,因而检验H0 : ab = 0 与H0 : c-c’= 0 是等价的。但由于各自的检验统计量不同,检验结果可能不一样。 中介效应都是间接效应,但间接效应不一定是中介效应。实际上,这两个概念
中介效应分析方法
中介效应分析方法 1中介变量和相关概念 在本文中，假设我们感兴趣的是因变量（丫）和自变量（X ）的关系。虽然它们 之间不一定是因果关系，而可能只是相关关系，但按文献上的习惯而使用“ X 对 的影响”、“因果链”的说法。为了简单明确起见 ，本文在论述中介效应的检验 程序时，只考虑一个自变量、一个中介变量的情形。但提出的检验程序也适合有 多个自变量、多个中介变量的模型。 1.1 中介变量的定义 考虑自变量X 对因变量丫的影响,如果X 通过影响变量M 来影响丫，则称 M 为中介变量。例如“，父亲的社会经济地位”影响“儿子的教育程度”，进而 影响“儿子的社会经济地位”。又如，“工作环境”（如技术条件）通过“工作感 觉”（如挑战性）影响“工作满意度”。在这两个例子中，“儿子的教育程度”和 “工作感觉”是中介变量。假设所有变量都已经中心化 （即均值为零），可用下列 方程来描述变量之间的关系： 丫 = =cX + e 1 (1) M : =aX + e 2 ⑵ 丫 = =c X + bM + e 3 ⑶ 图1 中介变量示意图 假设丫与X 的相关显著,意味着回归系数c 显著（即H o : c = 0 的假设被拒 绝），在这个前提下考虑中介变量M 。如何知道M 真正起到了中介变量的作用, 或者说中介效应 (mediator effect ) 显著呢 ? 目前有三种不同的做法。 传统的做法是依次检验回归系数 。如果下面两个条件成立 , 则中介效应显著 : (i) 自变量显著影响因变量； (ii) 在因果链中任一个变量 , 当控制了它前面的变量 (包括自变量)后,显e i Y=cX+e i M=aX+e 2 e 3 Y=c 'X+bM+e 3
用SSS作中介效应检验
SPSS 实例[16]中介效应的检验过程 spss做中介效应现在用的越来越普遍，虽然说用amos是最佳的工具，但是很多人 还是喜欢spss，更容易理解，操作起来也比amos简单。下面我们就来分享一下如何使用spss进行中介效应的检验，这个教程是理论上的讲解，目的是让你理解这个 过程。后面我们会具体的来操作一下，让你知道如何具体的去做，先来看看理论上的过程： 1. 先要明确你的自变量和因变量，假如我们有三个变量分别是：自变量（x）, 因变量 （y），中介变量（M。 2. 第一个要检验的是自变量对因变量的作用，我们用下面的方程表示：我们首 先要做的是对系数c的检验，你应该知道，用回归做检验，假如c不显着， 说明不存在中介效应，停止检验；假如c显着，还不能说明存在中介效应， Y=cX+ei； 接着进行下面的步骤： 3. 接着我们做自变量和中介变量之间的回归方程的检验，也就是用下面的方程来表示，假 如系数a显着，说明X确实可以预测M,但仍然没有说明中介效应的存在。假如a不显着，那就需要进行sobel检验。我们暂时不去做sobel， 因为还有一个步骤 4. 现在我们要检验M和Y之间的关系，也就是下面的方程的系数是否显着。假 如a显着、b也显着，那么就可以证明中介效应存在；假如a和b中有一个不
显着，另一个先不显着我们不知道，我们需要进行sobel检验，sobel检验显 YF X+bM+e3 0 着，那么中介效应存在。 5. 到此为止，我们就完成了中介效应的检验，下面来总结一下整个流程，看下 面的流程图: 6. 中介效应的具体操作，参考我的下一篇文章 SPSS实例：［17］进行sobel检验（小白教程） 通常我们在做中介效应的时候，遇到有一个系数没有达到显着性水平，我们需要进 行sobel检验，但是sobel检验的公式非常麻烦，如果你按计算器就很麻烦了，更何况你还有很多中介效应去验证，所以今天我给大家分享一个Excel可以很快的计 中介效完全中介应显若效应显着中介效中介效应盧显著不显着 1.从下面的参考资料里下载一个Excel文件
多重中介效应检验分解
二．多重中介 多重中介是指存在多个中介变量的情况。目前针对传统多重中介分析存在 （1）分析不完整 ?LISREL--只能得到总的中介效应估计值及其标准误和t值。 ?AMOS --也只能得到总的中介效应估计值。 ?MPLUS--可以得到特定路径的中介效应和总的中介效应估计值，但还是得不到对比中介效应的分析结果。 （2）使用sobel检验的局限 首先，sobel检验统计量的推导基于正态假设，而特定中介效应、总的中介效应和对比中介效应估计值都涉及参数的乘积，因而通常都不满足正态假设。 其次，sobel检验需要大样本，检验在小样本的表现并不好。 第三，sobel检验统计量计算复杂，且需要手工计算 所以采用以下两种方法来改善。 1.增加辅助变量的方法 针对当前多重中介效应分析不完整的问题，在结构方程模型中加入辅助变量，可以进行完整的多重中介效应分析。 操作
我们还是以上图的模型为例子 首先打开spss数据库，在SPSS中FILE下选择Save as，依次保存上述指标变量A1,A2,B1,B2,B3,E1-E7,E9,E10,文件格式为Fixed ASCⅡ（.dat），文件名为“dc.dat”Lisrel操作 单击FILE，新建syntax窗口，输入： TI DA NI=14 NO=706 MA=CM AP=1 !表示增加一个辅助变量 RA FI=dc.dat
la E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2 MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FI LK X LE M1 M2 Y PA LY 2(1 0 0) 0 1 0 1 0 0 0 1 0 1 0 0 1 0 0 0 1 0 0 1 0 3(0 0 1) PA LX 1 1 FR ga 3 1 ga 2 1 ga 1 1 FR be 3 1 be 3 2
中介效应分析方法
中介效应分析方法 This model paper was revised by the Standardization Office on December 10, 2020
中介效应分析方法 1 中介变量和相关概念 在本文中,假设我们感兴趣的是因变量(Y) 和自变量(X) 的关系。虽然它们之间不一定是因果关系,而可能只是相关关系,但按文献上的习惯而使用“X对的影响”、“因果链”的说法。为了简单明确起见,本文在论述中介效应的检验程序时,只考虑一个自变量、一个中介变量的情形。但提出的检验程序也适合有多个自变量、多个中介变量的模型。 中介变量的定义 考虑自变量X 对因变量Y 的影响,如果X通过影响变量M来影响Y,则称M 为中介变量。例如“, 父亲的社会经济地位”影响“儿子的教育程度”,进而影响“儿子的社会经济地位”。又如,“工作环境”(如技术条件) 通过“工作感觉”(如挑战性) 影响“工作满意度”。在这两个例子中,“儿子的教育程度”和“工作感觉”是中介变量。假设所有变量都已经中心化(即均值为零) ,可用下列方程来描述变量之间的关系: Y = cX + e 1 (1) M = aX + e 2 (2) Y = c’X + bM + e 3 (3) 1 Y=cX+e 1 e 2 M=aX+e 2 a b e 3 Y=c’X+bM+e 3 M
图1 中介变量示意图 假设Y与X的相关显着,意味着回归系数c显着(即H : c = 0 的假设被拒绝) ,在这个前提下考虑中介变量M。如何知道M真正起到了中介变量的作用,或者说中介效应(mediator effect ) 显着呢目前有三种不同的做法。 传统的做法是依次检验回归系数。如果下面两个条件成立,则中介效应显着: (i) 自变量显着影响因变量；(ii) 在因果链中任一个变量,当控制了它前面的变量(包括自变量) 后,显着影响它的后继变量。这是Baron 和Kenny 定义的(部分) 中介过程。如果进一步要求: (iii) 在控制了中介变量后,自变量对因变量的影响不显着, 变成了Judd和Kenny 定义的完全中介过程。在只有一个中介变量的情形,上述条件相当于(见图1) : (i) 系数c 显着(即H 0 : c = 0 的假设被拒绝) ； (ii) 系数a 显着(即H : a = 0 被拒绝) ,且系数 b显着(即H : b = 0 被拒绝) 。完全中介过程还要加上: (iii) 系数c’不显着。 第二种做法是检验经过中介变量的路径上的回归系数的乘积ab是否显着,即检验H : ab = 0 ,如果拒绝原假设,中介效应显着 ,这种做法其实是将ab作为中介效应。 第三种做法是检验c’与c的差异是否显着,即检验H : c - c’= 0 ,如果拒绝原假设,中介效应显着。 中介效应与间接效应 依据路径分析中的效应分解的术语 ,中介效应属于间接效应(indirect effect) 。在图1 中, c是X对Y的总效应, ab是经过中介变量M 的间接效应(也就是中介效应) , c’是直接效应。当只有一个自变量、一个中介变量时,效应之间有如下关系 c = c’+ ab (4) 当所有的变量都是标准化变量时,公式(4) 就是相关系数的分解公式。但公式(4) 对 一般的回归系数也成立)。由公式(4) 得c-c’=ab,即c-c’等于中介效应,因而检验H : ab = 0 与H : c-c’= 0 是等价的。但由于各自的检验统计量不同,检验结果可能不一样。
用SPSS作中介效应检验
S P S S实例：[16]中介效应的检验过程 spss做中介效应现在用的越来越普遍，虽然说用amos是最佳的工具，但是很多人还是喜欢spss，更容易理解，操作起来也比amos 简单。下面我们就来分享一下如何使用spss进行中介效应的检验，这个教程是理论上的讲解，目的是让你理解这个过程。后面我们会具体的来操作一下，让你知道如何具体的去做，先来看看理论上的过程： 1.先要明确你的自变量和因变量，假如我们有三个变量分别是：自变量（x），因变量（y），中介变量（M）。 2.第一个要检验的是自变量对因变量的作用，我们用下面的方程表示：我们首先要做的是对系数c的检验，你应该知道，用 回归做检验，假如c不显着，说明不存在中介效应，停止检验；假如c显着，还不能说明存在中介效应，接着进行下面的步骤： 3.接着我们做自变量和中介变量之间的回归方程的检验，也就是用下面的方程来表示，假如系数a显着，说明X确实可以预 测M，但仍然没有说明中介效应的存在。假如a不显着，那就需要进行sobel检验。我们暂时不去做sobel，因为还有一个步骤 4.现在我们要检验M和Y之间的关系，也就是下面的方程的系数是否显着。假如a显着、b也显着，那么就可以证明中介效 应存在；假如a和b中有一个不显着，另一个先不显着我们不知道，我们需要进行sobel检验，sobel检验显着，那么中 介效应存在。 5.到此为止，我们就完成了中介效应的检验，下面来总结一下整个流程，看下面的流程图：
6.中介效应的具体操作，参考我的下一篇文章。 SPSS实例：[17]进行sobel检验(小白教程) 通常我们在做中介效应的时候，遇到有一个系数没有达到显着性水平，我们需要进行sobel检验，但是sobel检验的公式非常麻烦，如果你按计算器就很麻烦了，更何况你还有很多中介效应去验证，所以今天我给大家分享一个Excel可以很快的计算。 1.从下面的参考资料里下载一个Excel文件 2.下载下来以后，打开Excel，你会看到一个这样的表格 3.将你的三个模型的三线表粘贴过来 4.我们在对应的位置写入对应的值，soble值会自动的计算出来，是否显着这一栏会告诉是否显着，如果显着说明中介效应 显着
实验三调节效应与中介效应的检验
实验三调节效应与中介效应的检验 一、实验性质 上机实验（计算机、spss软件） 二、实验目的与要求 1、理解调节效应和中介效应的理论涵义； 2、使学生熟练掌握应用SPSS针对调节效应和中介效应进行统计检验，熟悉操作步骤，并能够对统计分析的结果进行解释。 三、实验原理 （一）调节效应 1、调节变量（moderator）的定义 变量Y与变量X 的关系受到第三个变量M 的影响,就称M为调节变量。这种有调节变量的模型一般地可以用图1 示意。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱。 在做调节效应分析时,通常要将自变量和调节变量做中心化变换。简要模型：Y = aX + bM + cXM + e 。Y与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数, c衡量了调节效应(moderating effect)的大小。如果c显著，说明M 的调节效应显著。 2、调节效应的分析方法 显变量的调节效应分析方法，分为四种情况讨论： （1）当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互效应即调节效应； （2）调节变量是连续变量时，自变量是连续变量时,将自变量和调节变量中心化,做 Y=aX+bM+cXM+e 的层次回归分析：1、做Y对X和M的回归,得测定系数R12。2、做Y对X、M和XM的回归得R22，若R22显著高于R12，则调节效应显著。或者,作XM的回归系数检验,若显著,则调节效应显著； （3）当自变量是连续变量时，调节变量是类别变量，分组回归:按 M的取值分组,做 Y 对 X的回归。若回归系数的差异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX +bM +cXM +e的层次回归分析。 （4）潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变量,自变量是潜变量；二是调节变量和自变量都是潜变量。当调节变量是类别变量时,做分组结构方程分析。做法是,先将两组的结构方程回归系数限制为相等,得到一个χ2值和相应的自由度。然后去掉这个限制,重新估计模型,又得到一个χ2值和相应的自由度。前面的χ2减去后面的χ2得到一个新的χ2,其自由度就是两个模型的自由度之差。如果χ2检验结果是统计显著的,则调节效应显著；当调节变量和自变量都是潜变量时，有许多不同的分析方法，最方便的是Marsh,Wen和Hau提出的无约束的模型。 （二）中介效应 1、中介变量（mediator）的定义 自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称M为中介变量。Y=cX+e1, M=aX+ e2 , Y= c′X+bM+e3。其中,c是X对Y的总效应,ab是经过中介变量M的中介效应,c′是直接效应。当只有一个中介变量时,效应之间有c=c′+ab，中介效应的大小用c-c′=ab 来衡量。 2、中介效应分析方法
中介效应分析报告方法
中介效应分析方法 1 中介变量和相关概念 在本文中,假设我们感兴趣的是因变量(Y) 和自变量(X) 的关系。虽然它们之间不一定是因果关系,而可能只是相关关系,但按文献上的习惯而使用“X 对的影响”、“因果链”的说法。为了简单明确起见,本文在论述中介效应的检验程序时,只考虑一个自变量、一个中介变量的情形。但提出的检验程序也适合有多个自变量、多个中介变量的模型。 1.1 中介变量的定义 考虑自变量X 对因变量Y 的影响,如果X 通过影响变量M 来影响Y ,则称M 为中介变量。例如“, 父亲的社会经济地位”影响“儿子的教育程度”,进而影响“儿子的社会经济地位”。又如,“工作环境”(如技术条件) 通过“工作感觉”(如挑战性) 影响“工作满意度”。在这两个例子中,“儿子的教育程度”和“工作感觉”是中介变量。假设所有变量都已经中心化(即均值为零) ,可用下列方程来描述变量之间的关系: Y = cX + e 1 (1) M = aX + e 2 (2) Y = c ’X + bM + e 3 (3) e 1 Y=cX+e 1 e 2 M=aX+e 2 a b M
e3 Y=c’X+bM+e3 图1 中介变量示意图 假设Y与X的相关显著,意味着回归系数c显著(即H0: c = 0 的假设被拒绝) ,在这个前提下考虑中介变量M。如何知道M真正起到了中介变量的作用,或者说中介效应(mediator effect ) 显著呢? 目前有三种不同的做法。 传统的做法是依次检验回归系数。如果下面两个条件成立,则中介效应显著: (i) 自变量显著影响因变量；(ii) 在因果链中任一个变量,当控制了它前面的变量(包括自变量) 后,显著影响它的后继变量。这是Baron 和Kenny 定义的(部分) 中介过程。如果进一步要求: (iii) 在控制了中介变量后,自变量对因变量的影响不显著, 变成了Judd和Kenny 定义的完全中介过程。在只有一个中介变量的情形,上述条件相当于(见图1) : (i) 系数c显著(即H0 : c = 0 的假设被拒绝) ；(ii) 系数a 显著(即H0 : a = 0 被拒绝) ,且系数b显著(即H0 : b = 0 被拒绝) 。完全中介过程还要加上: (iii) 系数c’不显著。 第二种做法是检验经过中介变量的路径上的回归系数的乘积ab是否显著,即检验H0 : ab = 0 ,如果拒绝原假设,中介效应显著,这种做法其实是将ab作为中介效应。 第三种做法是检验c’与c的差异是否显著,即检验H0 : c - c’= 0 ,如果拒绝原假设,中介效应显著。 1.2 中介效应与间接效应 依据路径分析中的效应分解的术语,中介效应属于间接效应(indirect effect) 。在图1 中, c是X对Y的总效应, ab是经过中介变量M 的间接效应(也就是中介效应) , c’是直接效应。当只有一个自变量、一个中介变量时,效应之间有如下关系 c = c’+ ab (4) 当所有的变量都是标准化变量时,公式(4) 就是相关系数的分解公式。但公式(4) 对一般的回归系数也成立)。由公式(4) 得c-c’=ab,即c-c’等于中介效应,因而检验H0 : ab = 0 与H0 : c-c’= 0 是等价的。但由于各自的检验统计量不同,检验结果可能不一样。 中介效应都是间接效应,但间接效应不一定是中介效应。实际上,这两个概念
多重中介效应检验电子教案
多重中介效应检验
二．多重中介 多重中介是指存在多个中介变量的情况。目前针对传统多重中介分析存在（1）分析不完整 ?LISREL--只能得到总的中介效应估计值及其标准误和t值。 ?AMOS --也只能得到总的中介效应估计值。 ?MPLUS--可以得到特定路径的中介效应和总的中介效应估计值，但还是得不到对比中介效应的分析结果。 （2）使用sobel检验的局限 首先，sobel检验统计量的推导基于正态假设，而特定中介效应、总的中介效应和对比中介效应估计值都涉及参数的乘积，因而通常都不满足正态假设。 其次，sobel检验需要大样本，检验在小样本的表现并不好。 第三，sobel检验统计量计算复杂，且需要手工计算 所以采用以下两种方法来改善。 1.增加辅助变量的方法 针对当前多重中介效应分析不完整的问题，在结构方程模型中加入辅助变量，可以进行完整的多重中介效应分析。 操作
我们还是以上图的模型为例子 首先打开spss数据库，在SPSS中FILE下选择Save as，依次保存上述指标变量A1,A2,B1,B2,B3,E1-E7,E9,E10,文件格式为Fixed ASCⅡ（.dat），文件名为“dc.dat” Lisrel操作 单击FILE，新建syntax窗口，输入： TI DA NI=14 NO=706 MA=CM AP=1 !表示增加一个辅助变量 RA FI=dc.dat
la E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2 MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FI LK X LE M1 M2 Y PA LY 2(1 0 0) 0 1 0 1 0 0 0 1 0 1 0 0 1 0 0 0 1 0 0 1 0 3(0 0 1) PA LX 1 1 FR ga 3 1 ga 2 1 ga 1 1 FR be 3 1 be 3 2 CO PAR(1)=GA(1,1)*BE(3,1)-GA(2,1)*BE(3,2) !辅助变量,用来建立一新的待检验参数 PD OU AD=OFF ND=4 点击保存，将文件命名为fz.pr2，点击运行按钮 结果输出部分BETA可以找到b1，b2两条路径的参数估计值及显著性 M1 M2 Y -------- -------- -------- M1 - - - - - - M2 - - - - - - Y 0.1915 -0.0894 - - (0.0607) (0.0421) 3.1532 -2.1256 发现M1对Y的预测作用不显著，M2对Y的预测作用显著
中介效应和调节效应的SPSS检验
中介效应和调节效应的SPSS检验 为将不同的变量的数据的尺度统一化，将所有数据进行中心化处理，即将原始数据减去平均数。 SPPS步骤：打开数据，在菜单中执行： analyse--descriptive statistics--descriptives。 一．SPSS回归分析中介效应检验步骤： 第一步：检验自变量X（EP1）与因变量Y（SI1）的关系，即方程y=cx+e1中的c是否显著，检验结果如下表： 模型汇总 模型R R 方调整 R 方 标准估计 的误差 1 .342a.117 .114 .820 a. 预测变量: (常量), Zscore: EP1 - I am very comfortable with my physical work environment at HBAT.。 系数a 模型非标准化系数 标准系 数 t Sig. B 标准误 差试用版 1 (常量) 4.203 .041 102.559 .000 Zscore: EP1 - I am very comfortable with my physical work environment at HBAT. .297 .041 .342 7.249 .000 a. 因变量: SI1 - I am not actively searching for another job. 由上表可知，方程y=cx+e的回归效应显著，系数c值.342显著性为 p<.000,可以进行方程m=ax+e和方程y=c’x+bm+e的显著性检验； 第二步：分别检验a和b的显著性，如果都显著，则急需检验部分中介效应和完全中介效应；如果都不显著，则停止检验；如果a或b其中只
如何用SPSS做中介效应与调节效应
如何用SPSS做中介效应与调节效应 1、调节变量的定义 变量Y与变量X 的关系受到第三个变量M 的影响,就称M为调节变量。调节变量可以是定性的，也可以是定量的。在做调节效应分析时,通常要将自变量和调节变量做中心化变换。简要模型：Y = aX + bM + cXM + e 。Y与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数, c衡量了调节效应(moderating effect)的大小。如果c显著，说明M 的调节效应显著。 2、调节效应的分析方法 显变量的调节效应分析方法：分为四种情况讨论。当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互效应即调节效应；调节变量是连续变量时，自变量使用伪变量,将自变量和调节变量中心化,做 Y=aX+bM+cXM+e 的层次回归分析：1、做Y对X和M的回归,得测定系数R12。2、做Y对X、M和XM的回归得R22，若R22显著高于R12，则调节效应显著。或者,作XM的回归系数检验,若显著,则调节效应显著；当自变量是连续变量时，调节变量是类别变量，分组回归:按 M的取值分组,做 Y对 X的回归。若回归系数的差异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX +bM +cXM +e 的层次回归分析。 潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变量,自变量是潜变量；二是调节变量和自变量都是潜变量。当调节变量是类别变量时,做分组结构方程分析。做法是,先将两组的结构方程回归系数限制为相等,得到一个 χ2值和相应的自由度。然后去掉这个限制,重新估计模型,又得到一个χ2值和相应的自由度。前面的χ2减去后面的χ2得到一个新的χ2,其自由度就是两个模型的自由度之差。如果χ2检验结果是统计显著的,则调节效应显著；当调节变量和自变量都是潜变量时，有许多不同的分析方法，最方便的是Marsh,Wen 和Hau提出的无约束的模型。 3．中介变量的定义
温忠麟老师的检验中介效应程序
一、中介效应概述 中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。 以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下： Y=cx+e1 1) M=ax+e2 2) Y=c’x+bM+e3 3) 上述3个方程模型图及对应方程如下： 二、中介效应检验方法 中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法： 1.依次检验法（causual steps）。依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下： 首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效
应检验； 在c 显著性检验通过后，继续检验方程2）M=ax+e2，如果a 显著（H0:a=0被拒绝），则继续检验方程3）；如果a 不显著，则停止检验； 在方程1）和2）都通过显著性检验后，检验方程3）即y=c ’x + bM + e3,检验b 的显著性，若b 显著（H0:b=0被拒绝）,则说明中介效应显著。此时检验c ’,若c ’显著，则说明是不完全中介效应；若不显著，则说明是完全中介效应，x 对y 的作用完全通过M 来实现。 评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a 较小而b 较大时，依次检验判定为中介效应不显著，但是此时ab 乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。 2.系数乘积项检验法(products of coefficients)。此种方法主要检验ab 乘积项的系数是否显著，检验统计量为z = ab/ s ab ，实际上熟悉统计原理的人可以看出，这个公式和总体分布为正态的总体均值显著性检验差不多，不过分子换成了乘积项，分母换成了乘积项联合标准误而已，而且此时总体分布为非正态，因此这个检验公式的Z 值和正态分布下的Z 值检验是不同的，同理临界概率也不能采用正态分布概率曲线来判断。具体推导公式我就不多讲了，大家有兴趣可以自己去看相关统计书籍。分母s ab 的计算公式为：s ab =2222a b s b s a ，在这个公式中，s b 2和s a 2分别为a 和b 的标准误，这个检验称为sobel 检验，当然检验公式不止这一种例如Goodman I 检验和Goodman II 检验都
中介效应(逐步检验法与Sobel检验)
中介效应 定义：当我们在分析自变量X对因变量Y的影响时，如果变量X可以通过影响变量M从而对因变量产生影响，那么就可以说变量M属于X与Y两者关系的中介变量，是一条影响路径。参考温忠麟的文献，现有的中介效应检验方法有以下几种：逐步检验法、系数乘积检验（Sobel检验法、Bootstrap 检验） 在进行中介效应检验之前，需要将所有的变量进行中心化处理，也就使得变量均值为0。 1.逐步检验法 Y=cX+e1 (1) M=aX+e2 (2) Y=c`X+bM+e3 (3) 主要分为三步： 第一步：检验方程(1) 的系数c，也就是自变量X 对因变量Y 的总效应； 第二步：检验方程(2) 的系数a，也就是自变量X 和中介变量M 的关系； 第三步：控制中介变量M 后，检验方程(3) 的系数c’和系数 b ; 判定依据：（1）系数 c 显著，则说明X对Y存在显著作用。 （2）系数 a 显著，则说明X对M存在显著作用，且系数 b 显著；系数c’小于系数c。 同时满足以上两个条件，则中介效应显著；另外根据方程（3）中系数c’的显著性判断中介效应的类型，如若系数c’显著，则属于部分中介效应，如若系数c’不显著，则可以称为完全中介效应。 STATA命令如下： Center Y x m control（中心化） reg y x //分析x 和y 之间的关系 reg m x //分析x 和m 之间的关系 reg y m x // 加入m，看x 和y 之间的关系
在三者关系中，总效应为c=ab + c’，其中c’ 为直接效应，ab 为中介效应也称间接效应。所以可以计算中介效应在总效应中占比为ab/c。 2.sobel检验 安装sgmediation命令，findit sgmediation Stata命令：sgmediation 因变量, mv(中介变量) iv(自变量) cv(控制变量) 回归结果举例： 分析结果主要分成三个部分，第一部分是中介效应的显著性的统计量Sobel，看p值的大小，若小于0.1就显著；第二部分是展示分步回归中，自变量和中介变量的回归系数与标准误，以及各自对因变量的效应大小；第三部分，是中介效应和直接效应在X对Y的总效应中所占的份额，本图中中介效应比例是6.52%。 3.Bootstrap 检验 bootstrap r(ind_eff) r(dir_eff), reps(500) : /// sgmediation perform, mv(satis) iv(support) //计算中介效应和间接效应 estat bootstrap, percentile bc //计算置信区间 bootstrap 抽样次数可以自己设定，这里我们设定为 500。如下命令会计算变量间的直接效应_bs_1 和间接效应_bs_2：