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。虽然它们对但按文献上的习惯而使用“X,而可能只是相关关系,之间不一定是因果关系的影响”、“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

来影响Y ,,如果X则称通过影响变量M考虑自变量X 对因变量Y的影响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) 2Y = c'X + bM + e (3) 3

c eY=cX+e 1 1

YX

M eM=aX+e2 2

a b

c' eY=c'X+bM+e 3 3 XY中介变量示意图图1

显著(即H : c 与X= 的相关显著,意味着回归系数c0 的假设被拒假设Y0

真正起到了中介变量的作用,M。如何知道M绝) ,在这个前提下考虑中介变量或者说中介效应(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) 自变量对因变量的影响,在控制了中介变量后(iii) :中介过程。如果进一步要求．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,显著(即H : c = 0 的假设被拒绝) ；见图1) : (i) 系数c(ii)系上述条件相当于(0显著(即H : b = 0被拒绝) (显著即H : a = 0 被拒绝) ,且系数b。完全

中数a 00介过程还要加上: (iii)系数c'不显著。

是否显著,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作为这种做法其实是将ab,中介效应显著,即检验H : ab = 0 ,如果拒绝原假设0中介

效应。

的差异是否显著,即检验H : c - c'= 0 ,第三种做法是检验c'与c如果拒绝原0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 是经过中介变量M 的间接效应(对Y也的总效应, , effect)。在图1 中cab 是X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,即

c-cab'等于中介效应,)(4)对一般的回归系数也成立。由公式(4) 得c-c'=式因而检验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00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,这两个概念是有区别的。首先,当中介变量不止一个时,中介效应要明确是哪个中介变量的中介效应,而间接效应既可以指经过某个特定中介变量的间接效应(即中介效应) ,也可以指部分或所有中介效应的和。其次,在只有一个中介变量的情形,虽然中介效应等于间接效应,但两者还是不等同。中介效应的大前提是自变量与因变量相关显著,否则不会考虑中介变量。但即使自变量与因变量相关系数是零,仍然可能是装配线Y有间接效应。下面的人造例子可以很好地说明这一有趣的现象。设上

工人的出错次数, X 是他的智力, M 是他的厌倦程度。又设智力(X) 对厌倦程

度(M)的效应是0.707 ( =a) ,厌倦程度(M) 对出错次数( Y )的效应也是0.707 ( = b) ,而智力对出错次数的直接效应是20.50( = c′) 。智力对出错次数的总效

应( = c)是零(即智力与出错次数的相关系数是零) 。本例涉及效应(或相关系数)

的遮盖( suppression)问题。由于实际中比较少见,这里不多讨论。但从这个例子可以看出中介效应和间接效应是有区别的。当然,如果修改中介效应的定义,不以自变量与因变量相关为前提,则另当别论。在实际应用中,当两个变量相关不显著

1 / 7

时,通常不再进一步讨论它们的关系了。

2中介效应分析方法

由于中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分

析中介效应。从路径图(图1) 可以看出,模型是递归的( recursive),即在路径图上直线箭头都是单向的,没有反向或循环的直线箭头,且误差之间没有弧线箭头

联系。所以,如果所有变量都是显变量,可以依次做方程(1) —(3) 的回归分析,来替代路径分析。就是说,如果研究的是显变量,只需要做通常的回归分析就可以估计和检验中介效应了。

的估计用适当的统计软件都可以得到c无论是回归分析还是结构方程分析,??????????bbccaa,以及相应的标准误。中介效应的估计是或; a , b , c′的估计,,,-cc在显变量情形并且用通常的最小二乘回归估计时,这两个估计相等。在其他情形,??ba使用并且它等于间接效应的估计。除了报告中介效应的大小外,还比较直观,??????bbcaa(或者中介效应与直接效应之/ (应当报告中介效应与总

效应之比+) ) ,????cab(比) , 它们都可以衡量中介效应的相对大小/。

与中介效应的估计相比,中介效应的检验要复杂得多。下面按检验的原假设分别讨论。

2.1 依次检验回归系数

在三种做法中,依次检验回归系数涉及的原假设最多,但其实是最容易的。如果H: a = 0被拒绝且H : b = 0被拒绝,则中介效应显著,否则不显著。完全中介00 效应还要检验H : c'= 0。检验统计量t等于回归系数的估计除以相应的标准误。0值,检验结流行的统计软件分析结果中一般都有回归系数的估计值、标准误和t

果一目了然。这种检验的第一类错误率很小,不会超过显著性水平,有时会远远小于显著性水平。问题在于当中介效应较弱时,检验的功效很低。这容易理解,如果很大(检验结果是显著) 而) ,b,a因而依次检验的结果很小(检验结果是不显著与零有实质的差异(中介效应存在) ,,但实际上的ab此时犯是中介效应不显著了第二类错误。做联合检验(原假设是H : a = 0且b = 0 ,即同时检验a 和b 的显0著性) ,功效要比依次检验的高。问题是联合检验的显著性水平与通常的不一样,做起来有点麻烦。

2.2 检验H : ab = 00??ba的关键在于求出: ab = 0 检验H的标准误。目前至少有5 种以上的近似0

计算公式。当样本容量比较大时(如大于500) ,各种检验的功效差别不大。值得Taylor 在此介绍的是Sobel根据一阶展式得到的近似公式2 / 7

2222s^abs+^(5)

s =

ab ab????aabb分别是, s 的标准误。检验统计量是z = 其中, / s 。只有一个s,baba 输出的间接效应的标准误与使用这个公式计算的结果LISREL中介变量的情形,会输出包括间接效应在内的效应,”中加入“EF”选项一致。在输出指令“OUT 值。检验中的z这个t 值就是Sobel估计、相应的标准误和t 值,并且, 都是正态分布YX 、M和由于涉及到参数的乘积的分布,即使总体的??ba等还是可能与标准正态分布有较大的出入。是大样本, z = /s。MacKinnon ab显著性水平,人用该统计量但使用不同的临界值进行检验。在他们的临界值表中说明中介变量有更多的机会被认,而不是通常的1. 96 0. 05对应的临界值是0. 97 (。)加了也大大增了,但第一类错误率是为显著的,从而检验的功效提高使在样本较小或总体的中介效应不大时, MacKinnon等人的模拟比较研究发现,时第一类且b = 0 用新的临界值检验的功效比同类检验的要高,在总体参数a = 0

但在统计软件采用该临界,因而是一种比较好的检验方法。错误率与0. 05很接近此时也有ab =b = 0只有一个成立时(,难以推广应用。而且,当a = 0或值表

之前 ,这是该方法的最大弊端。) ,第一类错误率远远高于0. 050 ,即中介效应为零'= 0: c-c2.3 检验H 0???c目前也有多种的关键在于如何计算: c-c'= 0 H的标准误。同样,-检验c0等人比较的结果是其中有两个公式得到的检验有较

高的近似公式。MacKinnon Clogg很接近。一个是且b = 0时的第一类错误率与0. 05功效,在总体参数a = 0等人给出的公式

r(6) S= ◣◣s 'c c-c'XM等人推出的公式和M 的相关系数。另一个是Freedman其中r是X XM222rs1-ss+-2s =

(7) S'c-c XMccc'c'当a = 0 但b ≠0 时(此时ab = 0 ,即中介效应为零) ,这两种公式对应的检验???c) / s作为检验统计量) 的第一类错误率都很高。特别是公式(6)- ,(即t = (c'c-c: bH(6) 得到的检验与由公式对应的第一类错误率有可能高达100 %。事实上,0= 0 的检验等价。就是说,即使中介效应不存在( ab = 0) ,只要

b 显著,检验结果就是中介效应显著(犯了第一类错误) 。

2.4 一个实用的中介效应检验程序

为了使一个中介效应检验的第一类错误率和第二类错误率都比较小,既可以检验部分中介效应,又可以检验完全中介效应,而且还比较容易实施,我们提出如3 / 7 下检验程序。

1. 检验回归系数c ,如果显著,继续下面的第2步。否则停止分析。

2. 做Baron和Kenny部分中介检验,即依次检验系数a , b ,如果都显著,意味着X对Y的影响至少有一部分是通过了中介变量M实现的,第一类错误率小于或等于0. 05,继续下面第3步。如果至少有一个不显著,由于该检验的功效较低(即第二类错误率较大) ,所以还不能下结论,转到第4步。

3. 做Judd和Kenny完全中介检验中的第三个检验(因为前两个在上一步已经完成) ,即检验系数c',如果不显著,说明是完全中介过程,即X对Y的影响都是通过中介变量M实现的;如果显著,说明只是部分中介过程,即X对Y的影响只有一部分是通过中介变量M实现的。检验结束。

4. 做Sobel检验,如果显著,意味着M的中介效应显著,否则中介效应不显著。检验结束。

整个检验程序见图2。这个程序有可能只需要依次检验,即使需要Sobel检验,??ab如果使用LISREL和检验统计量z =/ s都不算难。进行(5) 用公式直接计算s abab分析,输出结果中可以找到本检验程序所需的全部检验统计量的值和检验结果。

检验系数c

显著

都显著至少有一个不显著

依次检验系数a，b

显著不显著显著不显著

中介效完全中介中介效中介效应Y与X相关不显著

应显著效应显著应显著不显著停止中介效应分析应做检验Sobel检

验系数c'

图2中介效应检验程序

3学生行为对同伴关系影响的中介效应分析

要研究的是初中学生行为(X)对同伴关系(Y)的影响。变量及其数据来自香港中文大学张雷教授主持的儿童同伴关系研究,本文只用到部分变量和数据。这里只简单地介绍有关变量的含义和符号。学生行为( X)是被试的违纪捣乱行为,包括9个题目(如挑起争斗、欺负同学、说脏话等) ,同伴关系(Y)是被试受同学欢迎的程度,具体地说,就是同班同学有多少人将其列入喜欢的名单(每人所列的喜欢名录没有名额限制) 。老师的管教方式(U)是被试对班主任老师的管教方式的评价,也有9个题目(如班主任愿意听我们的意见,班主任的期望和要求明确清晰, 等等) 。老师对学生的喜欢程度( W)由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5 级记分) 。被试人数N = 595。由于潜变量和显变量的中4 / 7 介效应检验方法是一样的,为简单起见,这里将上述变量都作为显变量处理(即用该变量包含的题目得分的平均值作为变量值) 。所有变量都已经中心化,数据分析中只需要下面的协方差矩阵:

Y 18. 87

W 1. 13 0. 45

X - 9. 78 - 2. 20 94. 25

U 0. 63 0. 09 - 0. 22 0. 56

使用广义最小二乘估计方法进行分析,由于样本容量大,广义最小二乘估计与极大似然估计的结果非常接近。

3.1 教师喜欢程度的中介效应分析

假设我们认为学生行为会影响老师对他的喜欢程度,而同伴关系会受到老师喜欢程度的影响,则喜欢程度是中介变量。喜欢程度(W)的中介效应分析结果见表1,其中的结果是标准化解,用小写字母代表相应变量的标准化变量。由于依次检验(指前面3个t检验) 都是显著的,所以喜欢程度的中介效应显著。由于第四个t 检验也是显著,所以是部分中介效应,中介效应占总效应的比例为0.1338 ×

0.1349/ 0.1232 =50.18 %。

表1 喜欢程度(W)的中介效应依次检验

回归系数检验化回归标准方程** t=-5.8第一步

y=-0.232x SE=0.040

** t=-8.7w=-0.338x SE=0.039 第二步

** t=8.7SE=0.040 第三步y=0.349w-0.1**

t=-2.814x

SE=0.040

**水平上显著。0.01 表示在注: SE 表示标准误。上述包含了中介变量W的模型分析结果表明:一方面,学生行为对同伴关系有直接负效应,即违纪捣乱行为多的同学,受同学欢迎的程度往往会低一点。另一方面,学生行为通过教师喜欢程度对同伴关系有间接负效应,即违纪捣乱行为多的同学,老师往往比较不喜欢,而老师的态度会影响同学,使同学也比较不喜欢。

3.2 教师管教方式的中介效应分析

假设我们认为学生的行为会影响老师的管教方式,而管教方式会影响同伴关系,则管教方式是中介变量。

管教方式(U)的中介效应分析结果(标准化解)见表2 。由于依次检验中的第二步检验不显著(即u 对x的回归系数不显著, t =20.72 , p > 0.05) ,根据我们5 / 7

?2222?ba s+^^abs= z ,检验统计量是需要做Sobel/ ,检验提出的检验程序,ba??ab, s = 0. 039 计算得z =20.72 ,s = 0. 041 , p > 0.05= 0. 187。=20. 030 , 此处ba所以管教方式(U)的中介效应不显著。

的中介效应依次检验管教方式表2 (U)

归回归系数检验准标化回方程

** t=-5.81

y=-0.232x SE=0.040 第一步t=-0.72u=-0.030x 第二步SE=0.041

** t=4.79第三步y=0.187u-0.22SE=0.039

**

t=-5.796x

SE=0.039

**注: SE 表示标准误。表示在0.01 水平上显著。

4 结语

在多变量分析中,除了考虑自变量对因变量的影响外,经常还会涉及中介变

量。例如,有间接效应的路径分析,其实已经涉及中介变量,但研究者如果不知道相应的概念和分析方法,自然不可能进行真正的中介效应分析(特别是中介效应的检验) 。

本文提出的中介效应检验程序,可以做部分中介效应和完全中介效应的检验。由于同时考虑了两类错误率,该程序比单一的检验方法要好。而且,该程序简单可行,计算量少。该程序可以让读者避免在繁多的检验方法中无所适从,能够按部就班地进行中介效应的检验。

6 / 7

中介效应和调节效应分析方法论文献解读

中介效应和调节效应分析方法论文献 1. 温忠麟，张雷，侯杰泰，刘红云.(2004.中介效应检验程序及其应用. 心理学报，36(5，614-620. 2. 温忠麟，侯杰泰，张雷.(2005.调节效应与中介效应的比较和应用. 心理学报，37(2，268-274. 3. 温忠麟，张雷，侯杰泰.(2006.有中介的调节变量和有调节的中介变量. 心理学报，38(3，448-452. 4. 卢谢峰，韩立敏.(2007.中介变量、调节变量与协变量——概念、统计检验及其比较. 心理科学，30(4，934-936. 5. 柳士顺，凌文辁.(2009.多重中介模型及其应用. 心理科学，32(2，433-435. 6. 方杰，张敏强，邱皓政.(2010.基于阶层线性理论的多层级中介效应. 心理科学进展，18(8，1329-1338. 7. 刘红云，张月，骆方，李美娟，李小山.(2011.多水平随机中介效应估计及其比较. 心理学报，43(6，696-709. 8. 方杰，张敏强，李晓鹏.(2011.中介效应的三类区间估计方法. 心理科学进展，19(5，765-774. 9. 方杰，张敏强.(2012.中介效应的点估计和区间估计：乘积分布法、非参数 B ootstrap 和MCMC 法. 心理学报，44(10，1408-1420. 10. 方杰，张敏强.(2013.参数和非参数Bootstrap 方法的简单中介效应分析比较. 心理科学，36(3，722-727. 11. 叶宝娟，温忠麟.(2013.有中介的调节模型检验方法：甄别和整合. 心理学报，45(9，1050-1060.

12. 刘红云，骆方，张玉，张丹慧.(2013.因变量为等级变量的中介效应分析. 心理学报，45(12，1431-1442. 13. 方杰，温忠麟，张敏强，任皓.(2014.基于结构方程模型的多层中介效应分析. 心理科学进展，22(3，530-539. 14. 方杰，温忠麟，张敏强，孙配贞.(2014.基本结构方程模型的多重中介效应分析. 心理科学，37(3，735-741.

中介效应重要理论及操作务实

中介效应重要理论及操作务实一、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。在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：eq \o\ac(○,1)就业压力→个体压力应对→择业行为反应。此时个体认知评价就成为了这一因果链当中的中介变量。在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：eq \o\ac(○,2)就业压力→个体择业期望→择业行为反应；eq \o\ac(○,3)就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检

验也更复杂。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

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，

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。 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 M=aX+e 2 e 3 Y=c’X+bM+e 3 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 : c = 0 的假设被拒绝) ； (ii) 系数a 显着(即H 0: 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 0 : 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。 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,这两个概念是有区别的。首先,当中介变量不止一个时,中介效应要明确是哪个中介变量的中介效应,而间接效应既可以指经过某个特定中介变量的间接效应(即中介效应) ,也可以指部分或所有中介效应的和。其次,在只有一个中介变量的情形,虽然中介效应等于间接效应,但两者还是不等同。中介效应的大前提是自变量与因变量相关显着,否则不会考虑中介变量。但即使自变量与因变量相关系数是零,仍然可能有间接效应。下面的人造例子可以很好地说明这一有趣的现象。设Y是装配线上工人的出错次数, X 是他的智力, M 是他的厌倦程度。又设智力(X) 对厌倦程度(M) 的效应是 ( =a) ,厌倦程度(M) 对出错次数( Y ) 的效应也是 ( = b) ,而

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。

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

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 中介变量与相关概念 在本文中,假设我们感兴趣的就是因变量(Y) 与自变量(X)的关系。虽然它们之间不一定就是因果关系,而可能只就是相关关系,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”与“工作感觉”就是中介变量。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 + e1 (1) M = aX + e2(2) Y = c’X + bM + e3 (3) e1 Y=cX+e1 M=aX+e2 e3 Y=c’X+bM+e3 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。 传统的做法就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。这就是Baron与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

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（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

中介效应的SPSS及Amos方法

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。在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系： ○1就业压力→个体压力应对→择业行为反应。 此时个体认知评价就成为了这一因果链当中的中介变量。在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下： ○2就业压力→个体择业期望→择业行为反应； ○3就业压力→个体生涯规划→择业行为反应； 因此，研究者可以更具自己的研究需要研究不同的中介关系。当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节

效应，而此时对模型的检验也更复杂。 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+e11) M=ax+e2 2) Y=c’x+bM+e33) 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

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

运用SPSS和AMOS进行中介效应分析范文

中介效应重要理论及操作务实 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。在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系： ○1就业压力→个体压力应对→择业行为反应。 此时个体认知评价就成为了这一因果链当中的中介变量。在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下： ○2就业压力→个体择业期望→择业行为反应； ○3就业压力→个体生涯规划→择业行为反应； 因此，研究者可以更具自己的研究需要研究不同的中介关系。当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。 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+e 1 1) M=ax+e 2 2) Y=c’x+bM+e 3 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+ e 1，如果c显著（H :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+e 2，如果a显著（H :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 + e 3 ,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。

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

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

SPSS及AMOS进行中介效应分析

中介效应重要理论及操作务实 SPSS和AMOS调节效应 wenku.baidu./link?url=w6tEove-a2r6vIzSwqZTcV58nKH3DPDFCwtuS xk6743E9U1W1wnfPhp76qgDEYFDCHOp-feDNpi4djQuU9FFuxdbpl9 OoN5gkPa5yCn7wlK 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。在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系： ○1就业压力→个体压力应对→择业行为反应。 此时个体认知评价就成为了这一因果链当中的中介变量。在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下： ○2就业压力→个体择业期望→择业行为反应； ○3就业压力→个体生涯规划→择业行为反应；

因此，研究者可以更具自己的研究需要研究不同的中介关系。当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。 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+e11) M=ax+e2 2) Y=c’x+bM+e33) 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；

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。