如何運(yùn)用SPSS及AMOS進(jìn)行中介效應(yīng)與調(diào)節(jié)效應(yīng)分析主題一：中介效應(yīng)重要理論及操作務(wù)實(shí)一、中介效應(yīng)概述中介效應(yīng)是指變量間的影響關(guān)系（X→Y）不是直接的因果鏈關(guān)系而是通過一種或一種以上變量(M)的間接影響產(chǎn)生的，此時(shí)我們稱M為中介變量，而X通過M對(duì)Y產(chǎn)生的的間接影響稱為中介效應(yīng)。中介效應(yīng)是間接效應(yīng)的一種，模型中在只有一種中介變量的狀況下，中介效應(yīng)等于間接效應(yīng)；當(dāng)中介變量不止一種的狀況下，中介效應(yīng)的不等于間接效應(yīng)，此時(shí)間接效應(yīng)能夠是部分中介效應(yīng)的和或全部中介效應(yīng)的總和。在心理學(xué)研究當(dāng)中，變量間的關(guān)系極少是直接的，更常見的是間接影響，許多心理自變量可能要通過中介變量產(chǎn)生對(duì)因變量的影響，而這經(jīng)常被研究者所無視。例如，大學(xué)生就業(yè)壓力與擇業(yè)行為之間的關(guān)系往往不是直接的，而更有可能存在以下關(guān)系：eq\o\ac(○,1)就業(yè)壓力→個(gè)體壓力應(yīng)對(duì)→擇業(yè)行為反映。此時(shí)個(gè)體認(rèn)知評(píng)價(jià)就成為了這一因果鏈當(dāng)中的中介變量。在實(shí)際研究當(dāng)中，中介變量的提出需要理論根據(jù)或經(jīng)驗(yàn)支持，以上述因果鏈為例，也完全有可能存在另外某些中介因果鏈以下：eq\o\ac(○,2)就業(yè)壓力→個(gè)體擇業(yè)盼望→擇業(yè)行為反映；eq\o\ac(○,3)就業(yè)壓力→個(gè)體生涯規(guī)劃→擇業(yè)行為反映；因此，研究者能夠更具自己的研究需要研究不同的中介關(guān)系。固然在復(fù)雜中介模型中，中介變量往往不止一種，并且中介變量和調(diào)節(jié)變量也都有可能同時(shí)存在，造成同一種模型中即有中介效應(yīng)又有調(diào)節(jié)效應(yīng)，而此時(shí)對(duì)模型的檢查也更復(fù)雜。以最簡(jiǎn)樸的三變量為例，假設(shè)全部的變量都已經(jīng)中心化，則中介關(guān)系能夠用回歸方程表達(dá)以下：Y=cx+e11)M=ax+e22)Y=c’x+bM+e33)上述3個(gè)方程模型圖及對(duì)應(yīng)方程以下：二、中介效應(yīng)檢查辦法中介效應(yīng)的檢查傳統(tǒng)上有三種辦法，分別是依次檢查法、系數(shù)乘積項(xiàng)檢查法和差別檢查法，下面簡(jiǎn)要介紹下這三種辦法：1.依次檢查法（causualsteps）。依次檢查法分別檢查上述1）2）3）三個(gè)方程中的回歸系數(shù)，程序以下：1.1首先檢查方程1）y=cx+e1，如果c明顯（H0:c=0被回絕），則繼續(xù)檢查方程2），如果c不明顯（闡明X對(duì)Y無影響），則停止中介效應(yīng)檢查；1.2在c明顯性檢查通過后，繼續(xù)檢查方程2）M=ax+e2，如果a明顯（H0:a=0被回絕），則繼續(xù)檢查方程3）；如果a不明顯，則停止檢查；1.3在方程1）和2）都通過明顯性檢查后，檢查方程3）即y=c’x+bM+e3,檢查b的明顯性，若b明顯（H0:b=0被回絕）,則闡明中介效應(yīng)明顯。此時(shí)檢查c’,若c’明顯，則闡明是不完全中介效應(yīng)；若不明顯，則闡明是完全中介效應(yīng)，x對(duì)y的作用完全通過M來實(shí)現(xiàn)。評(píng)價(jià):依次檢查容易在統(tǒng)計(jì)軟件中直接實(shí)現(xiàn)，但是這種檢查對(duì)于較弱的中介效應(yīng)檢查效果不抱負(fù)，如a較小而b較大時(shí)，依次檢查鑒定為中介效應(yīng)不明顯，但是此時(shí)ab乘積不等于0，因此依次檢查的成果容易犯第二類錯(cuò)誤（接受虛無假設(shè)即作出中介效應(yīng)不存在的判斷）。2.系數(shù)乘積項(xiàng)檢查法(productsofcoefficients)。此種辦法重要檢查ab乘積項(xiàng)的系數(shù)與否明顯，檢查統(tǒng)計(jì)量為z=ab/sab，事實(shí)上熟悉統(tǒng)計(jì)原理的人能夠看出，這個(gè)公式和總體分布為正態(tài)的總體均值明顯性檢查差不多，但是分子換成了乘積項(xiàng)，分母換成了乘積項(xiàng)聯(lián)合原則誤而已，并且此時(shí)總體分布為非正態(tài)，因此這個(gè)檢查公式的Z值和正態(tài)分布下的Z值檢查是不同的，同理臨界概率也不能采用正態(tài)分布概率曲線來判斷。具體推導(dǎo)公式我就不多講了，大家有愛好能夠自己去看有關(guān)統(tǒng)計(jì)書籍。分母sab的計(jì)算公式為：sab=，在這個(gè)公式中，sb2和sa2分別為a和b的原則誤，這個(gè)檢查稱為sobel檢查，固然檢查公式不止這一種例如GoodmanI檢查和GoodmanII檢查都能夠檢查（見下）,但在樣本比較大的狀況下這些檢查效果區(qū)別不大。在AMOS中沒有專門的soble檢查的模塊，需要自己手工計(jì)算出而在lisrel里面則有，其臨界值為zα/2>0.97或zα/2<-0.97(P<0.05，N≧200)。有關(guān)臨界值比率表見附件（虛無假設(shè)概率分布見MacKinnon表中無中介效應(yīng)C.V.表，雙側(cè)概率，非正態(tài)分布。這個(gè)臨界表沒有直接給出.05的雙側(cè)概率值，只有.04的雙側(cè)概率值；以N=200為例，.05的雙側(cè)概率值在其表中大概在±0.90左右，而不是溫忠麟那篇文章中提出的0.97。有關(guān)這一點(diǎn)，我看了溫的參考文獻(xiàn)中提到的MacKinnon那篇文章，發(fā)現(xiàn)溫對(duì)于.97的解釋是直接照搬MacKinnon原文中的一句話<Forexample,theempiricalcriticalvalueis.97forthe.05significancelevelratherthan1.96forthestandardnormaltestofab40.Wedesignatethisteststatisticbyz8becauseitusesadifferentdistributionthanthenormaldistribution.>，事實(shí)上在MacKinnon的概率表中，這個(gè).97的值是在N=200下對(duì)應(yīng)的.04概率的雙側(cè)統(tǒng)計(jì)值，而不是.05概率雙側(cè)統(tǒng)計(jì)值，由于在該表中根本就沒有直接給出.05概率的統(tǒng)計(jì)值。為了擬定這點(diǎn)，我專門查了國外對(duì)這個(gè)概率表的介紹，發(fā)現(xiàn)確實(shí)如此，有關(guān)文章見附件mediationmodels.rar。固然，從統(tǒng)計(jì)概率上來說，不不大于0.97在這個(gè)表中意味著其值對(duì)應(yīng)概率不不大于.05，但是當(dāng)統(tǒng)計(jì)值不大于0.9798th時(shí)而不不大于0.8797th，其值對(duì)應(yīng)概率的判斷就比較麻煩了，此時(shí)要采用0.90作為P<.05的統(tǒng)計(jì)值來進(jìn)行判斷。之因此對(duì)溫的文章提出質(zhì)疑，是由于這涉及到概率檢查的成果可靠性，我為此查了諸多資料，累）。GoodmanI檢查公式以下GoodmanII檢查檢查公式以下注：從統(tǒng)計(jì)學(xué)原理可知，隨著樣本量增大，樣本均值和總體均值的差誤趨向于減少；因此從這兩個(gè)公式可看出，的值隨著樣本容量增大而呈幾何平方值減小，幾乎能夠無視不計(jì)算，因此MacKinnonetal.(1998)認(rèn)為乘積項(xiàng)在樣本容量較大時(shí)是“trivial”（瑣碎不必要的）的，因此sobel檢查和Goodman檢查成果在大樣本狀況下區(qū)別不大，三個(gè)檢查公式趨向于一致性成果，因此大家用soble檢查公式就能夠了（詳情請(qǐng)參考文獻(xiàn)AComparisonofMethodstoTestMediationandOtherInterveningVariableEffects.PsychologicalMethods,Vol.7,No.1,83–104）。評(píng)價(jià)：采用sobel等檢查公式對(duì)中介效應(yīng)的檢查容易得到中介效應(yīng)明顯性成果，由于其臨界概率（MacKinnon）P<.05的Z值為zα/2>0.90或zα/2<-0.90，而正態(tài)分布曲線下臨界概率P<.05的Z值為zα/2>1.96或zα/2<-1.96，因此用該臨界概率表容易犯第一類錯(cuò)誤（回絕虛無假設(shè)而作出中介效應(yīng)明顯的判斷）3.差別檢查法(differenceincoefficients)。此辦法同樣要找出聯(lián)合原則誤，現(xiàn)在存在某些計(jì)算公式，通過MacKinnon等人的分析，認(rèn)為其中有兩個(gè)公式效果較好，分別是Clogg等人和Freedman等人提出的，這兩個(gè)公式以下：Clogg差別檢查公式Freedman差別檢查公式這兩個(gè)公式都采用t檢查，能夠通過t值表直接查出其臨界概率。Clogg等提出的檢查公式中，的下標(biāo)N-3表達(dá)t檢查的自由度為N-3，為自變量與中介變量的有關(guān)系數(shù)，為X對(duì)Y的間接效應(yīng)預(yù)計(jì)值的原則誤；同理見Freedman檢查公式。評(píng)價(jià)：這兩個(gè)公式在a=0且b=0時(shí)有較好的檢查效果，第一類錯(cuò)誤率靠近0.05，但當(dāng)a=0且b≠0時(shí)，第一類錯(cuò)誤率就非常高有其是Clogg等提出的檢查公式在這種狀況下第一類錯(cuò)誤率達(dá)成100%，因此要謹(jǐn)慎看待。4.溫忠麟等提出了一種新的檢查中介效應(yīng)的程序，以下圖：這個(gè)程序事實(shí)上只采用了依次檢查和sobel檢查，同時(shí)使第一類錯(cuò)誤率和第二類錯(cuò)誤率都控制在較小的概率，同時(shí)還能檢查部分中介效應(yīng)和完全中介效應(yīng)，值得推薦。三中介效應(yīng)操作在統(tǒng)計(jì)軟件上的實(shí)現(xiàn)根據(jù)我對(duì)國內(nèi)國外某些文獻(xiàn)的檢索、分析和研究，發(fā)現(xiàn)現(xiàn)在已有專門分析soble檢查的工具軟件腳本，可下掛在SPSS當(dāng)中；然而在AMOS中只能通過手工計(jì)算，但好處在于能夠方便地解決復(fù)雜中介模型，分析間接效應(yīng)；根據(jù)溫忠麟介紹，LISREAL也有對(duì)應(yīng)的SOBEL檢查分析命令和輸出成果，有鑒于此，本文擬通過對(duì)在SPSS、AMOS中如何分析中介效應(yīng)進(jìn)行操作演示，有關(guān)SOBEL檢查腳本及臨界值表（非正態(tài)SOBEL檢查臨界表）請(qǐng)看附件。1.如何在SPSS中實(shí)現(xiàn)中介效應(yīng)分析這個(gè)部分我重要講下如何在spss中實(shí)現(xiàn)中介效應(yīng)分析（無腳本，數(shù)據(jù)見附件spss中介分析數(shù)據(jù)，自變量為工作不被認(rèn)同，中介變量為焦慮，因變量為工作績(jī)效）。第一步：將自變量（X）、中介變量(M)、因變量(Y)對(duì)應(yīng)的潛變量的項(xiàng)目得分合并取均值并中心化，見下圖在這個(gè)圖中，自變量（X）為工作不被認(rèn)同，包含3個(gè)觀察指標(biāo)，即領(lǐng)導(dǎo)不認(rèn)同、同事不承認(rèn)、客戶不承認(rèn)；中介變量（M）焦慮包含3個(gè)觀察指標(biāo)即心跳、緊張、坐立不安；因變量（Y）包含2個(gè)觀察指標(biāo)即效率低和效率下降。 DescriptiveStatistics工作不被認(rèn)同焦慮工作績(jī)效ValidN(listwise)N489489489489Mean2.08212.08592.2807上面三個(gè)圖表達(dá)合并均值及中心化解決過程，生成3個(gè)對(duì)應(yīng)的變量并中心化（項(xiàng)目均值后取離均差）得到中心化X、M、Y。第二步：按溫忠麟中介檢查程序進(jìn)行第一步檢查即檢查方程y=cx+e中的c與否明顯，檢查成果以下表：ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChange1.678(a).460.459.70570.460414.2651487.000aPredictors:(Constant),不被認(rèn)同（中心化）由上表可知，方程y=cx+e的回歸效應(yīng)明顯，c值.678明顯性為p<.000,能夠進(jìn)行方程m=ax+e和方程y=c’x+bm+e的明顯性檢查；第三步：按溫忠麟第二步檢查程序分別檢查a和b的明顯性，如果都明顯，則急需檢查部分中介效應(yīng)和完全中介效應(yīng)；如果都不明顯，則停止檢查；如果a或b其中只有一種較明顯，則進(jìn)行sobel檢查，檢查成果見下表：由上面兩個(gè)表格成果分析可知，方程m=ax+e中，a值0.533明顯性p<.000，繼續(xù)進(jìn)行方程y=c’x+bm+e的檢查，成果以下表：由上面兩個(gè)表的成果分析可知，方程y=c’x+bm+e中，b值為0.213明顯性為p<.000,因此綜合兩個(gè)方程m=ax+e和y=c’x+bm+e的檢查成果，a和b都非常明顯，接下來檢查中介效應(yīng)的究竟是部分中介還是完全中介；第四步:檢查部分中介與完全中介即檢查c’的明顯性:由上表可知，c’值為.564其p值<.000,因此是部分中介效應(yīng)，自變量對(duì)因變量的中介效應(yīng)不完全通過中介變量焦慮的中介來達(dá)成其影響，工作不被認(rèn)同對(duì)工作績(jī)效有直接效應(yīng)，中介效應(yīng)占總效應(yīng)的比值為：effectm=ab/c=0.533×0.213/0.678=0.167,中介效應(yīng)解釋了因變量的方差變異為sqrt(0.490-0.459)=0.176（17.6%）小結(jié)在本例中，中介效應(yīng)根據(jù)溫忠麟的檢查程序最后發(fā)現(xiàn)自變量和因變量之間存在不完全中介效應(yīng)，中介效應(yīng)占總效應(yīng)比值為0.167,中介效應(yīng)解釋了因變量17.6%的方差變異。2.在spss中運(yùn)用spssmaro腳原來分析中介效應(yīng)下面我們采用Preacher()設(shè)計(jì)的spssmaro腳原來進(jìn)行中介效應(yīng)分析，該腳本是美國俄亥俄和州立大學(xué)Preacher和Hayes于開發(fā)的在spss中計(jì)算間接效應(yīng)、直接效應(yīng)和總效應(yīng)的腳本，對(duì)間接效應(yīng)的計(jì)算采用了sobel檢查，并給出了明顯性檢查成果，這個(gè)腳本可在以下網(wǎng)址下載：./ahayes/sobel.htm。腳本文獻(xiàn)名為sobel_spss，有關(guān)如何在spss使用該腳本請(qǐng)看附件(附件為pdf文獻(xiàn)，文獻(xiàn)名為runningscripts)。在運(yùn)行了腳本后，在打開的窗口中分別輸入自變量、中介變量和調(diào)節(jié)變量，在選項(xiàng)框中能夠選擇bootstrap（自抽樣）次數(shù)，設(shè)立好后，點(diǎn)擊ok，運(yùn)行成果以下：RunMATRIXprocedure:VARIABLESINSIMPLEMEDIATIONMODELY工作績(jī)效X不被認(rèn)同M焦慮DESCRIPTIVESSTATISTICSANDPEARSONCORRELATIONSMeanSD工作績(jī)效不被認(rèn)同焦慮工作績(jī)_1.0000.95901.0000.6780.5139不被認(rèn)同-.0020.8085.67801.0000.5330焦慮（中.0000.9063.5139.53301.0000SAMPLESIZE489DIRECTAndTOTALEFFECTSCoeffs.e.tSig(two)b(YX).8042.039520.3535.0000cb(MX).5975.043013.9013.0000ab(YM.X).2255.04045.5773.0000bb(YX.M).6695.045314.7731.0000c’注：b(yx)相稱于c，b(my)相稱于a,b(YM.X)相稱于b,b(YX.M)相稱于c’INDIRECTEFFECTAndSIGNIFICANCEUSINGNORMALDISTRIBUTIONValues.e.LL95CIUL95CIZSig(two)Effect.1347.0261.0836.18585.1647.0000(sobel)BOOTSTRAPRESULTSForINDIRECTEFFECTDataMeans.e.LL95CIUL95CILL99CIUL99CIEffect.1347.1333.0295.0800.1928.0582.2135NUMBEROFBOOTSTRAPRESAMPLES1000FAIRCHILDETAL.()VARIANCEINYACCOUNTEDFORBYINDIRECTEFFECT:.2316*********************************NOTES**********************************------ENDMATRIX-----從spssmacro腳本運(yùn)行的成果來看，總效應(yīng)、中介效應(yīng)、間接效應(yīng)達(dá)成了明顯值，其中c為0.8042，a值為0.5975，b值為0.2255,c’值為0.6695,間接效應(yīng)（在本例中為中介效應(yīng)）解釋了自變量23.16%的方差，中介效應(yīng)占中效應(yīng)的比例為0.168。下面用對(duì)加載腳本前后的計(jì)算成果進(jìn)行比較見下表：cabc’效應(yīng)比中介效應(yīng)方差變異無腳本0.678***0.513***0.213***0.564***0.167417.6%Spssmacrao0.804***0.598***0.226***0.670***0.167523.16%從比較成果能夠看出，加載腳本后分析中介效應(yīng)成果，總體效應(yīng)提高了，但效應(yīng)比沒有多大變化（0.0001），闡明中介效應(yīng)事實(shí)上提高了；中介效應(yīng)對(duì)因變量的方差變異的解釋比例也提高了了近5個(gè)百分點(diǎn)，闡明采用bootstrap抽樣法能更精確地預(yù)計(jì)總體效應(yīng)和間接效應(yīng)。3.如何在AMOS中實(shí)現(xiàn)中介效應(yīng)分析無論變量與否涉及潛變量，都能夠運(yùn)用構(gòu)造方程模型來實(shí)現(xiàn)中介效應(yīng)分析，下面我來談?wù)勅绾卧贏MOS中實(shí)現(xiàn)中介效應(yīng)分析，數(shù)據(jù)見附件（AMOS中介效應(yīng)分析數(shù)據(jù)）。第一步：建立好模型圖，以下：本模型假設(shè)，工作不被承認(rèn)通過中介變量影響績(jī)效體現(xiàn)。第二步：設(shè)立參數(shù)，要在AMOS中分析中介效應(yīng)，需要進(jìn)行某些必要的參數(shù)設(shè)立，環(huán)節(jié)見下圖：按照上面幾個(gè)圖提示的環(huán)節(jié)設(shè)立好后，讀取數(shù)據(jù)進(jìn)行運(yùn)算，工具欄提示以下上圖表達(dá)采用bootstrap(自抽樣5000次)運(yùn)算成果，數(shù)據(jù)迭代到第8次得到收斂。模型卡方為26.0，自由度為17.第三步：看輸出成果即模型圖和文本輸出：從模型原則化途徑圖能夠看出，模型卡方與自由度之比為1.529，p值>.05，各項(xiàng)擬合指數(shù)皆較抱負(fù)，闡明模型較抱負(fù)，下面我們來看下模型的總體效應(yīng)和間接效應(yīng)的文本輸出，見下表：StandardizedTotalEffects(Groupnumber1-Defaultmodel)StandardizedTotalEffects-LowerBounds(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.554.000.000績(jī)效體現(xiàn).714.077.000效率下降.612.068.830效率低.661.070.889領(lǐng)導(dǎo)不承認(rèn).818.000.000同事不承認(rèn).771.000.000客戶不承認(rèn).729.000.000坐立不安.451.776.000緊張.405.688.000心跳.436.753.000StandardizedTotalEffects-UpperBounds(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.703.000.000績(jī)效體現(xiàn).831.303.000效率下降.733.263.905效率低.771.284.958領(lǐng)導(dǎo)不承認(rèn).907.000.000同事不承認(rèn).858.000.000客戶不承認(rèn).841.000.000坐立不安.600.883.000緊張.540.802.000心跳.582.868.000StandardizedTotalEffects-TwoTailedSignificance(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.000......績(jī)效體現(xiàn).000.002...效率下降.000.002.001效率低.000.002.001領(lǐng)導(dǎo)不承認(rèn).000......同事不承認(rèn).001......客戶不承認(rèn).001......坐立不安.000.001...緊張.000.000...心跳.000.000...上述三個(gè)表格是采用BC(bias-corrected)偏差校正法預(yù)計(jì)的總體效應(yīng)原則化預(yù)計(jì)的下限值、上限值和雙尾明顯性檢查成果，雙尾檢查成果顯示，總體效應(yīng)明顯，提示自變量（工作不被承認(rèn)）對(duì)因變量（績(jī)效體現(xiàn)）的總體效應(yīng)明顯）值明顯，P<.000；下面我們繼續(xù)看直接效應(yīng)的文本輸出成果，以下表：StandardizedDirectEffects(Groupnumber1-Defaultmodel)StandardizedDirectEffects-LowerBounds(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.554.000.000績(jī)效體現(xiàn).549.077.000效率下降.000.000.830效率低.000.000.889領(lǐng)導(dǎo)不承認(rèn).818.000.000同事不承認(rèn).771.000.000客戶不承認(rèn).729.000.000坐立不安.000.776.000緊張.000.688.000心跳.000.753.000StandardizedDirectEffects-UpperBounds(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.703.000.000績(jī)效體現(xiàn).759.303.000效率下降.000.000.905效率低.000.000.958領(lǐng)導(dǎo)不承認(rèn).907.000.000同事不承認(rèn).858.000.000客戶不承認(rèn).841.000.000坐立不安.000.883.000緊張.000.802.000心跳.000.868.000StandardizedDirectEffects-TwoTailedSignificance(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.000......績(jī)效體現(xiàn).000.002...效率下降.......001效率低.......001領(lǐng)導(dǎo)不承認(rèn).000......同事不承認(rèn).001......客戶不承認(rèn).001......坐立不安....001...緊張....000...心跳....000...和總體效應(yīng)輸出表格形式一致，前兩個(gè)表格都是原則化預(yù)計(jì)的95%置信區(qū)間的上限值和下限值，第三個(gè)表格提示了直接效應(yīng)明顯，見紅體字部分（在本例中即為中介效應(yīng)ab和c’）。下面我們來看下間接效應(yīng)的明顯性分析成果，見下圖：StandardizedIndirectEffects(Groupnumber1-Defaultmodel)StandardizedIndirectEffects-LowerBounds(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.000.000.000績(jī)效體現(xiàn).050.000.000效率下降.612.068.000效率低.661.070.000領(lǐng)導(dǎo)不承認(rèn).000.000.000同事不承認(rèn).000.000.000客戶不承認(rèn).000.000.000坐立不安.451.000.000緊張.405.000.000心跳.436.000.000StandardizedIndirectEffects-UpperBounds(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.000.000.000績(jī)效體現(xiàn).197.000.000效率下降.733.263.000效率低.771.284.000領(lǐng)導(dǎo)不承認(rèn).000.000.000同事不承認(rèn).000.000.000客戶不承認(rèn).000.000.000坐立不安.600.000.000緊張.540.000.000心跳.582.000.000StandardizedIndirectEffects-TwoTailedSignificance(BC)(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.........績(jī)效體現(xiàn).002......效率下降.000.002...效率低.000.002...領(lǐng)導(dǎo)不承認(rèn).........同事不承認(rèn).........客戶不承認(rèn).........坐立不安.000......緊張.000......心跳.000......表格形式同上，明顯性見紅體字部分，在本例中即為c’。綜合上述文本化輸出的成果，我們能夠鑒定，c,a,b,c’的預(yù)計(jì)值都達(dá)成了明顯性，下面，我們來看些這四個(gè)途徑系數(shù)的原則化預(yù)計(jì)值和原則誤究竟是多少呢？見下表：StandardizedRegressionWeights:(Groupnumber1-Defaultmodel)ParameterSESE-SEMeanBiasSE-Bias焦慮<---工作不被承認(rèn).038.000.628-.001.001績(jī)效體現(xiàn)<---工作不被承認(rèn).053.001.659.000.001績(jī)效體現(xiàn)<---焦慮.058.001.187-.001.001心跳<---焦慮.029.000.814.000.000坐立不安<---焦慮.027.000.837.000.000客戶不承認(rèn)<---工作不被承認(rèn).028.000.790.000.000同事不承認(rèn)<---工作不被承認(rèn).023.000.818.001.000領(lǐng)導(dǎo)不承認(rèn)<---工作不被承認(rèn).023.000.865-.001.000效率低<---績(jī)效體現(xiàn).017.000.927.000.000效率下降<---績(jī)效體現(xiàn).020.000.871.000.000緊張<---焦慮.029.000.747.000.000上表是采用bootstrap辦法得出的原則化預(yù)計(jì)值及其原則誤，se表達(dá)預(yù)計(jì)值原則誤；se-se表達(dá)用bootstrap預(yù)計(jì)原則誤而產(chǎn)生的原則誤；mean表達(dá)原則化預(yù)計(jì)均值；bias表達(dá)采用bootstrap前后的原則化預(yù)計(jì)值的差別值，符號(hào)表達(dá)差別大?。籹e-bias表達(dá)對(duì)預(yù)計(jì)值差別預(yù)計(jì)的原則誤。對(duì)照這個(gè)表，能夠得出a=0.628，對(duì)應(yīng)的原則誤Sa為0.038；b=0.187,對(duì)應(yīng)的原則誤Sb為0.058；c’值為0.659,原則誤為0.053。到現(xiàn)在為止，我們已經(jīng)找出了a、b、c’的原則化預(yù)計(jì)值及其對(duì)應(yīng)的原則誤，那么c的原則化預(yù)計(jì)值及其原則誤在哪里找呢？看下表：StandardizedTotalEffects(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.629.000.000績(jī)效體現(xiàn).777.188.000效率下降.677.164.871效率低.721.175.927領(lǐng)導(dǎo)不承認(rèn).866.000.000同事不承認(rèn).818.000.000客戶不承認(rèn).790.000.000坐立不安.526.836.000緊張.470.747.000心跳.513.814.000這個(gè)表格紅體字部分即為c值，其原則誤為0.030（見下表紅體字部分）StandardizedTotalEffects-StandardErrors(Groupnumber1-Defaultmodel)工作不被承認(rèn)焦慮績(jī)效體現(xiàn)焦慮.038.000.000績(jī)效體現(xiàn).030.058.000效率下降.031.050.020效率低.028.054.017領(lǐng)導(dǎo)不承認(rèn).023.000.000同事不承認(rèn).023.000.000客戶不承認(rèn).028.000.000坐立不安.038.027.000緊張.034.029.000心跳.037.029.000現(xiàn)在我們已經(jīng)找出全部原則化的效應(yīng)預(yù)計(jì)值及其原則誤，那么還等什么呢，開始分析中介效應(yīng)吧。在本例中，c值明顯性p<.000,因此能夠繼續(xù)進(jìn)入a和b檢查；由上面分析可知，a和b都明顯，闡明存在明顯中介效應(yīng)，下一步就看是完全中介還是不完全能中介了；因此下一步直接檢查c’值明顯性，從上面分析可知，c’值明顯性不大于.000，因此本例的中介效應(yīng)是不完全中介。最后，我們來看看這個(gè)模型的中介效應(yīng)與總體效應(yīng)的比例為多少呢，計(jì)算得出的成果為a×b/c=0.628×0.187/0.777=0.151；闡明中介效應(yīng)占總體效應(yīng)的比例靠近1/7；為了提高檢查的功效，我們也能夠進(jìn)一步進(jìn)行行sobel檢查，固然在amos中只提供了原則化a和b的預(yù)計(jì)值及其原則誤，要得出sobel檢查成果還要我們做兩件事，第一件就是對(duì)照sobel檢查公式輸入對(duì)應(yīng)項(xiàng)的值，第二件就是查非正態(tài)臨界值表（見附件）；sobel檢查公式以下：我們?cè)谏厦孑敵鲋姓业綄?duì)應(yīng)的值代入，a=0.628,Sa為0.038；b=0.187,Sb為0.058,最后算出值=3.173，查MacKinnon的臨界值表可知，3.173>不不大于0.90（p<0.05）,因此闡明中介效應(yīng)明顯。大家有愛好能夠根據(jù)我們之前提到的c-c’檢查公式把對(duì)應(yīng)值代入檢查，這里我就不再多講了。

主題二：調(diào)節(jié)效應(yīng)重要理論及操作務(wù)實(shí)一、調(diào)節(jié)效應(yīng)回歸方程：調(diào)節(jié)效應(yīng)是交互效應(yīng)的一種，是有因果指向的交互效應(yīng)，而單純的交互效應(yīng)能夠互為因果關(guān)系；調(diào)節(jié)變量普通不受自變量和因變量影響，但是能夠影響自變量和因變量；調(diào)節(jié)變量普通不能作為中介變量，在特殊狀況下，調(diào)節(jié)變量也能夠作為中介變量，例如認(rèn)知?dú)w因方式既能夠作為挫折性應(yīng)激（X）和應(yīng)對(duì)方式（Y）的調(diào)節(jié)變量也能夠作為中介變量。常見的調(diào)節(jié)變量有性別、年紀(jì)、收入水平、文化程度、社會(huì)地位等。在統(tǒng)計(jì)回歸分析中，檢查變量的調(diào)節(jié)效應(yīng)意味著檢查調(diào)節(jié)變量和自變量的交互效應(yīng)與否明顯。以最簡(jiǎn)樸的回歸方程為例，調(diào)節(jié)效應(yīng)檢查回歸方程涉及2個(gè)以下：y=a+bx+cm+e1）y=a+bx+cm+c’mx+e2）在上述方程中，m為調(diào)節(jié)變量，mx為調(diào)節(jié)效應(yīng)，調(diào)節(jié)效應(yīng)與否明顯即是分析C’與否明顯達(dá)成統(tǒng)計(jì)學(xué)意義上的臨界比率.05水平)。二、檢查調(diào)節(jié)效應(yīng)的辦法有三種：1.在層次回歸分析中（Hierarchicalregression）,檢查2個(gè)回歸方程的復(fù)有關(guān)系數(shù)R12和R22與否有明顯區(qū)別，若R12和R22明顯不同，則闡明mx交互作用明顯，即表明m的調(diào)節(jié)效應(yīng)明顯；2.或看層次回歸方程中的c’系數(shù)（調(diào)節(jié)變量偏有關(guān)系數(shù)），若c’（spss輸出為原則化?值）明顯，則闡明調(diào)節(jié)效應(yīng)明顯；3.多元方差分析，看交互作用水平與否明顯；4.在分組回歸狀況下，調(diào)節(jié)效應(yīng)看各組回歸方程的R2。注：上述四種辦法重要用于顯變量調(diào)節(jié)效應(yīng)檢查，且和x與m的變量類型有關(guān)，具體要根據(jù)下述幾個(gè)類型采用不同的方式檢查三、顯變量調(diào)節(jié)效應(yīng)分析的幾個(gè)類型根據(jù)調(diào)節(jié)效應(yīng)回歸方程中自變量和調(diào)節(jié)變量的幾個(gè)不同類型組合，分析調(diào)節(jié)效應(yīng)的辦法和操作也有區(qū)別以下：1.分類自變量（x）+分類調(diào)節(jié)變量(m)如果自變量和調(diào)節(jié)變量都是分類變量的話，事實(shí)上就是多元方差分析中的交互作用明顯性分析，如x有兩種水平，m有三種水平，則能夠做2×3交互作用方差分析，在spss里面能夠很容易實(shí)現(xiàn)，這我就不多講了，具體操作看spss操作工具書就能夠了。2.分類自變量（x）+持續(xù)調(diào)節(jié)變量（m）這種類型調(diào)節(jié)效應(yīng)分析需要對(duì)分類自變量進(jìn)行偽變量轉(zhuǎn)換，將自變量和調(diào)節(jié)變量中心化（計(jì)算變量離均差）然后做層次回歸分析。分類自變量轉(zhuǎn)換為偽變量的辦法：假設(shè)自變量X有n種分類，則能夠轉(zhuǎn)換為n-1個(gè)偽變量，例如自變量為年收入水平，假設(shè)按人均年收入水平分為8千下列、8000~2萬、2萬~5萬、5萬~10萬、10萬以上四種類型，則能夠轉(zhuǎn)換為3個(gè)偽變量以下：x1x2x310萬以上1005萬到10萬0102萬到5萬0018千下列000上述轉(zhuǎn)換在spss中能夠建立3個(gè)偽變量x1、x2、x3,變量數(shù)據(jù)中心化后原則回歸方程表達(dá)為：y=b1x1+b2x2+b3x3+cm+e3)y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e4)x1=1表達(dá)10萬以上；x2=1表達(dá)5萬到10萬；x3=1表達(dá)2萬到5萬；8千下列=0。此時(shí)8千下列的回歸方程表達(dá)為：y=cm+e(在x1、x2、x3上的偽變量值為0)；之因此單獨(dú)列出這個(gè)方程，是為了方便大家根據(jù)回歸方程畫交互作用圖,即求出c值就能夠根據(jù)方程畫出8千下列變量的調(diào)節(jié)效應(yīng)圖。檢查辦法為分析R2明顯性或調(diào)節(jié)系數(shù)C’明顯性。注：在這4種分類自變量的調(diào)節(jié)效應(yīng)分析中，采用R12和R22明顯性檢查時(shí)，是對(duì)4種類型自變量在調(diào)節(jié)變量作用下的調(diào)節(jié)效應(yīng)的整體檢查，總體明顯的效果可能會(huì)掩蓋某種類型自變量與調(diào)節(jié)變量的交互作用不明顯的狀況，此時(shí)，我們就要逐個(gè)審查各個(gè)交互項(xiàng)的偏有關(guān)系數(shù)。對(duì)方程4）而言，如果檢查調(diào)節(jié)變量的偏有關(guān)系數(shù)，則有可能會(huì)出現(xiàn)某些調(diào)節(jié)變量偏有關(guān)系數(shù)不明顯的狀況，例如，c1明顯、c2和c3不明顯或c1和c2明顯，c3不明顯的狀況等，此時(shí)可根據(jù)交互項(xiàng)的偏有關(guān)系數(shù)來發(fā)現(xiàn)究竟是那種類型的自變量與調(diào)節(jié)變量的交互作用不明顯。3.持續(xù)自變量（x）+分類調(diào)節(jié)變量（m）這種類型的調(diào)節(jié)效應(yīng)需要采用分組回歸分析，所謂分組回歸分析既是根據(jù)調(diào)節(jié)變量的分類水平，建立分組回歸方程進(jìn)行分析，回歸方程為y=a+bx+e。固然也能夠采用將調(diào)節(jié)變量轉(zhuǎn)換為偽變量后來進(jìn)行層次回歸分析，層次回歸具體環(huán)節(jié)同上，見三、2，需要注意的是，分類的調(diào)節(jié)變量轉(zhuǎn)換為偽變量進(jìn)行層次回歸分析后，調(diào)節(jié)效應(yīng)是看方程的決定系數(shù)R2明顯性整體效果，這和不同分類水平的自變量下調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)識(shí)別有區(qū)別。我們這里重要講下如何進(jìn)行調(diào)節(jié)效應(yīng)分組回歸分析，調(diào)節(jié)效應(yīng)的分組回歸分析能夠在SPSS中完畢，固然也能夠通過SEM分析軟件如AMOS來實(shí)現(xiàn)，我們首先來看看如何通過SPSS來實(shí)現(xiàn)分組回歸來實(shí)現(xiàn)調(diào)節(jié)效應(yīng)分析的。SPSS中對(duì)分組回歸的操作重要分兩步進(jìn)行，第一步是對(duì)樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割，第二步則是回歸分析。具體環(huán)節(jié)見下圖：第一步：對(duì)樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割：注：選用的gender為調(diào)節(jié)變量，分別為女=0，男=1，固然在實(shí)際研究中可能有更多的分類，大家完全能夠用1、2、3、4…….等來編號(hào)。這個(gè)窗口選用的兩個(gè)命令是比較多組(comparegroups和按分組變量對(duì)數(shù)據(jù)文獻(xiàn)排序（sortthefilebygroupingvariables）第二步：選擇回歸命令并設(shè)立自變量和因變量這個(gè)窗口里面選用了自變量comp和因變量pictcomp,然后再點(diǎn)擊statistics在彈出窗口中設(shè)立輸出參數(shù)項(xiàng)以下圖，勾取estimates\modelfit\Rsquaredchange：第三步：看輸出成果，分析調(diào)節(jié)效應(yīng)，見表格數(shù)據(jù)：表格1VariablesEntered/RemovedbgenderModelVariablesEnteredVariablesRemovedMethod01COMPa.Enter11COMPa.Entera.Allrequestedvariablesentered.b.DependentVariable:PICTCOMP表格1顯示了因變量是pictcomp,回歸辦法采用強(qiáng)行進(jìn)入法（enter），共有兩組回歸方程，一組是女性（0），另一組是男性（1）。表格2ModelSummarygenderModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChange01.349.122.1132.723.12214.1611102.00011.489.239.2282.647.23921.709169.000a.Predictors:(Constant),COMP表格2是回歸模型的總體狀況，男行和女性的兩組回歸方程含有明顯效應(yīng)(p<.001)，表明性別這一變量含有明顯的調(diào)節(jié)效應(yīng)。從表格數(shù)據(jù)能夠看出，女性組的回歸方程解釋了因變量11.2%的方差變異，男性組的回歸方程解釋了因變量22.9%的方差變異，（注：此模型的數(shù)據(jù)是虛擬的，只是方便大家理解，無實(shí)際意義，實(shí)際研究中回歸方程的自變量極少會(huì)只有一種的狀況）。表格3CoefficientsagenderModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta01(Constant)7.355.9437.797.000COMP.342.091.3493.763.00011(Constant)5.6261.1055.090.000COMP.490.105.4894.659.000a.DependentVariable:PICTCOMP此表格給出了自變量的原則化回歸系數(shù)Beta值，在女性組中，原則化Beta為.349;在男性組中Beta值為.489,且都達(dá)成明顯性水平p<.001，闡明自變量comp對(duì)因變量有明顯的預(yù)測(cè)作用。上述對(duì)分類調(diào)節(jié)變量操作和解釋重要是基于SPSS來實(shí)現(xiàn)的，AMOS軟件也有同樣功效，下面以同樣回歸方程變量為例談下如何在AMOS中實(shí)現(xiàn)多組回歸分析（multiplegroupanalyze）：第一步：模型設(shè)立好后，點(diǎn)擊analyze\managegroups:第二步：在彈出的窗口輸入女，以下：第三步：設(shè)立好第一組名稱后，點(diǎn)擊new,急速輸入第二組名稱：第三步：設(shè)立好兩個(gè)組后，關(guān)閉組別設(shè)立窗口，回到主界面，點(diǎn)擊File\datafiles，以下圖：第四步：在彈出窗口中能夠看到以下兩組名稱：第五步：然后點(diǎn)擊女組數(shù)據(jù)，再點(diǎn)擊filename,打開數(shù)據(jù)文獻(xiàn)，然后點(diǎn)擊groupingvariable,這時(shí)系統(tǒng)會(huì)彈出你的spss數(shù)據(jù)文獻(xiàn)中的變量，在其中選擇你的分類變量，按分組變量的值設(shè)立好女性組的數(shù)據(jù)；男組數(shù)據(jù)重復(fù)這個(gè)過程，見下圖：設(shè)立好分組后來，點(diǎn)擊ok，回到主界面，進(jìn)行模型比較設(shè)立（溫忠麟有關(guān)在AMOS中進(jìn)行分組比較的方略，采用以下做法：先將兩組的構(gòu)造方程回歸系數(shù)限制為相等,得到一種χ2