中介效應(yīng)分析方法學(xué)生：肖翔導(dǎo)師：曾曉青

中介變量的定義：考慮自變量X對因變量Y的影響,如果X通過影響變量M來影響Y,則稱M為中介變量。例如，“專業(yè)滿意度”影響“專業(yè)承諾”，進(jìn)而影響“對該專業(yè)的學(xué)習(xí)投入”?！皩I(yè)承諾”是中介變量。某一變量成為中介變量需要滿足如下條件：（1）自變量與中介變量對因變量均有影響；（2）自變量對中介變量的回歸系數(shù)顯著；（3）控制中介變量后，自變量對因變量的影響減弱，依據(jù)減弱程度的不同分為部分中介和完全中介作用。

假設(shè)所有變量都已經(jīng)中心化(即均值為零),可用下列方程來描述變量之間的關(guān)系:Xce1YX

YXMe2abc'(1)(2)(3)圖1：變量關(guān)系圖

對于這樣的簡單中介模型，中介效應(yīng)等于間接效應(yīng)，即等于系數(shù)乘積ab，它與總效應(yīng)和直接效應(yīng)有下面關(guān)系：檢驗(yàn)間接效應(yīng)的兩類方法：（1）檢驗(yàn)H0:ab=0（間接檢驗(yàn)和直接檢驗(yàn)）（2）是檢驗(yàn)H0：c-c’=0。間接檢驗(yàn)：依次檢驗(yàn)回歸系數(shù)直接檢驗(yàn)：sobel法、bootstrap法和MCMC法

中介效應(yīng)分析的3中方法：（1）依次檢驗(yàn)回歸系數(shù)法（2）系數(shù)乘積檢驗(yàn)法（3）系數(shù)差異檢驗(yàn)法sobel法的檢驗(yàn)力高于依次檢驗(yàn)，但這個(gè)檢驗(yàn)統(tǒng)計(jì)量的推導(dǎo)要假設(shè)服從正態(tài)分布，就算其中每一個(gè)系數(shù)都是正態(tài)分布，其乘積通常也不是正態(tài)的，因而Sab的計(jì)算只是近似的，可能很不準(zhǔn)確，所以該檢驗(yàn)具有很明顯的局限性。

因此，Bootstrap法是公認(rèn)的可以取代Sobel法而直接檢驗(yàn)系數(shù)乘積的方法。偏差校正的非參數(shù)百分位bootstrap法（置信區(qū)間的檢驗(yàn)力更高）在某些條件下的第一類錯(cuò)誤率會(huì)超過設(shè)定的顯著性水平；而非參數(shù)百分位法bootstrap法不會(huì)有這個(gè)問題。檢驗(yàn)系數(shù)c依次檢驗(yàn)系數(shù)a，b檢驗(yàn)系數(shù)c’做Sobel檢驗(yàn)顯著都顯著至少有一個(gè)不顯著顯著不顯著顯著不顯著部分中介效應(yīng)顯著完全中介效應(yīng)顯著中介效應(yīng)顯著中介效應(yīng)不顯著X、Y不相關(guān)，停止中介分析圖2：依次檢驗(yàn)流程圖

依次檢驗(yàn)回歸系數(shù)法spss標(biāo)準(zhǔn)化回歸方程SEtp第一步Y(jié)=0.54X0.0317.52**0.00第二步W=0.6X0.0320.51**0.00第三步Y(jié)=0.31X0.048.53**0.00+0.39X0.0410.91**0.00表1：專業(yè)承諾的中介效應(yīng)依次檢驗(yàn)專業(yè)滿意度學(xué)習(xí)投入專業(yè)承諾c=0.54(c'=0.31)a=0.6b=0.39圖3：專業(yè)承諾對專業(yè)滿意度和學(xué)習(xí)投入的中介作用模型

依次檢驗(yàn)回歸系數(shù)法MplusTITLE:ThestructureofPTSDofDSM-4usingMLintable5-8!題目。DATA:FILEISPTSD.dat/.txt;!指定數(shù)據(jù)存儲(chǔ)位置。VARIABLE:NAMESAREx1x2y1-y17;!定義數(shù)據(jù)文件中的變量名。USEVARIABLESarey1-y17;

!由于數(shù)據(jù)文件中包含多個(gè)變量，在單個(gè)研究中并非會(huì)使用，所以需要定義本研究中使用y1-y17;ANALYSIS:ESTIMATOR=ML;!選擇估計(jì)方法，Mplus默認(rèn)的估計(jì)法為ML；MODEL:f1BYy1-y5;!定義模型，因子f1由y1y2y3y4y5五個(gè)指標(biāo)測量。f2byy6-y12;!定義模型，因子f2由y6-y12七個(gè)指標(biāo)測量。f3byy13-y17;!定義模型，因子f3由y13-y17五個(gè)指標(biāo)測量。PTSDbyF1-F3;!定義二階測量模型。OUTPUT:STANDARDIZED;!要求Mplus輸出標(biāo)準(zhǔn)化解。15可編輯Mplus結(jié)果解讀指標(biāo)：（1）SRMR<0.08標(biāo)準(zhǔn)化殘差均方根（2）RMSEA<0.08近似誤差均方根（3）CFI>0.95比較擬合指數(shù)（4）NNFI/TLI>0.95非規(guī)范擬合指數(shù)先看以上指標(biāo)，如果滿足以上條件，則模型符合擬合指標(biāo)。

再看STDYXStandardization輸出數(shù)據(jù)，確定中介調(diào)節(jié)效應(yīng)

偏差校正的非參數(shù)百分位bootstrap法Mplus(檢驗(yàn)潛變量中介效應(yīng)）DATA:FILEISp.dat;!p.dat是原始數(shù)據(jù)文件,按x1-x4m1-m3y1-y3順序排列VARIABLE:NAMESAREx1-x4m1-m3y1-y3;!變量名稱Analysis:bootstrap=1000;!Bootstrap法抽樣1000次MODEL:Ybyy1-y3;!y1-y3是潛變量Y的指標(biāo)Mbym1-m3;!m1-m3是潛變量M的指標(biāo)Xbyx1-x4;!x1-x4是潛變量X的指標(biāo)YonX;!做Y對X的回歸MonX(a);!做M對X的回歸,X的回歸系數(shù)命名為aYonXM(b);!做Y對X和M的回歸,M的回歸系數(shù)命名為b,需要單獨(dú)一行MODELCONSTRAINT:new(H);!定義輔助變量H=a*b;!系數(shù)乘積ab的估計(jì)OUTPUT:cinterval(bcbootstrap);!輸出各個(gè)系數(shù)及系數(shù)乘積ab的偏差校正的非參數(shù)百分位Bootstrap法置信區(qū)間若要得到(不校正的)非參數(shù)百分位Bootstrap法置信區(qū)間,只需將OUTPUT中的cinterval(bcbootstrap)改為cinterval(bootstrap)即可。

偏差校正的非參數(shù)百分位bootstrap法Mplus(檢驗(yàn)顯變量中介效應(yīng)）DATA:FILEISp.dat;!p.dat是原始數(shù)據(jù)文件,按XMY順序排列VARIABLE:NAMESAREXMY;!變量名稱Analysis:bootstrap=1000;!Bootstrap法抽樣1000次MODEL:YonX;!做Y對X的回歸MonX(a);!做M對X的回歸,X的回歸系數(shù)命名為aYonXM(b);!做Y對X和M的回歸,M的回歸系數(shù)命名為b,需要單獨(dú)一行MODELCONSTRAINT:new(H);!定義輔助變量H=a*b;!系數(shù)乘積ab的估計(jì)OUTPUT:cinterval(bcbootstrap);!輸出各個(gè)系數(shù)及系數(shù)乘積ab的偏差校正的非參數(shù)百分位Bootstrap法置信區(qū)間若要得到(不校正的)非參數(shù)百分位Bootstrap法置信區(qū)間,只需將OUTPUT中的cinterval(bcbootstrap)改為cinte