1、中介效應重要理論及操作務實一、中介效應概述 中介效應是指變量間的影響關系（XY）不是直接的因果鏈關系而是通過一個或一個以上變量(M)的間接影響產生的，此時我們稱M為中介變量，而X通過M對Y產生的的間接影響稱為中介效應。中介效應是間接效應的一種，模型中在只有一個中介變量的情況下，中介效應等于間接效應；當中介變量不止一個的情況下，中介效應的不等于間接效應，此時間接效應可以是部分中介效應的和或所有中介效應的總和。在心理學研究當中，變量間的關系很少是直接的，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生對因變量的影響，而這常常被研究者所忽視。例如，大學生就業(yè)壓力與擇業(yè)行為之間的關系往往不是直

2、接的，而更有可能存在如下關系：就業(yè)壓力個體壓力應對擇業(yè)行為反應。此時個體認知評價就成為了這一因果鏈當中的中介變量。在實際研究當中，中介變量的提出需要理論依據(jù)或經驗支持，以上述因果鏈為例，也完全有可能存在另外一些中介因果鏈如下：就業(yè)壓力個體擇業(yè)期望擇業(yè)行為反應；就業(yè)壓力個體生涯規(guī)劃擇業(yè)行為反應；因此，研究者可以更具自己的研究需要研究不同的中介關系。當然在復雜中介模型中，中介變量往往不止一個，而且中介變量和調節(jié)變量也都有可能同時存在，導致同一個模型中即有中介效應又有調節(jié)效應，而此時對模型的檢驗也更復雜。以最簡單的三變量為例，假設所有的變量都已經中心化，則中介關系可以用回歸方程表示如下： Y=cx+

3、e1 1) M=ax+e2 2) Y=cx+bM+e3 3)上述3個方程模型圖及對應方程如下：二、中介效應檢驗方法中介效應的檢驗傳統(tǒng)上有三種方法，分別是依次檢驗法、系數(shù)乘積項檢驗法和差異檢驗法，下面簡要介紹下這三種方法：1.依次檢驗法（causual steps）。依次檢驗法分別檢驗上述1）2）3）三個方程中的回歸系數(shù)，程序如下：1.1首先檢驗方程1）y=cx+ e1，如果c顯著（H0:c=0被拒絕），則繼續(xù)檢驗方程2），如果c不顯著（說明X對Y無影響），則停止中介效應檢驗；1.2 在c顯著性檢驗通過后，繼續(xù)檢驗方程2）M=ax+e2，如果a顯著（H0:a=0被拒絕），則繼續(xù)檢驗方程3）；如果

4、a不顯著，則停止檢驗；1.3在方程1）和2）都通過顯著性檢驗后，檢驗方程3）即y=cx + bM + e3,檢驗b的顯著性，若b顯著（H0:b=0被拒絕）,則說明中介效應顯著。此時檢驗c,若c顯著，則說明是不完全中介效應；若不顯著，則說明是完全中介效應，x對y的作用完全通過M來實現(xiàn)。評價:依次檢驗容易在統(tǒng)計軟件中直接實現(xiàn)，但是這種檢驗對于較弱的中介效應檢驗效果不理想，如a較小而b較大時，依次檢驗判定為中介效應不顯著，但是此時ab乘積不等于0，因此依次檢驗的結果容易犯第二類錯誤（接受虛無假設即作出中介效應不存在的判斷）。2.系數(shù)乘積項檢驗法(products of coefficients)。此

5、種方法主要檢驗ab乘積項的系數(shù)是否顯著，檢驗統(tǒng)計量為z = ab/ sab，實際上熟悉統(tǒng)計原理的人可以看出，這個公式和總體分布為正態(tài)的總體均值顯著性檢驗差不多，不過分子換成了乘積項，分母換成了乘積項聯(lián)合標準誤而已，而且此時總體分布為非正態(tài)，因此這個檢驗公式的Z值和正態(tài)分布下的Z值檢驗是不同的，同理臨界概率也不能采用正態(tài)分布概率曲線來判斷。具體推導公式我就不多講了，大家有興趣可以自己去看相關統(tǒng)計書籍。分母sab的計算公式為：sab=，在這個公式中，sb2和sa2分別為a和b的標準誤，這個檢驗稱為sobel檢驗，當然檢驗公式不止這一種例如Goodman I檢驗和Goodman II檢驗都可以檢驗（

6、見下）,但在樣本比較大的情況下這些檢驗效果區(qū)別不大。在AMOS中沒有專門的soble檢驗的模塊，需要自己手工計算出而在lisrel里面則有，其臨界值為z/20.97或z/2-0.97(P 0.05，N200)。關于臨界值比率表見附件（虛無假設概率分布見MacKinnon表中無中介效應C.V.表，雙側概率，非正態(tài)分布。這個臨界表沒有直接給出.05的雙側概率值，只有.04的雙側概率值；以N=200為例，.05的雙側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。關于這一點，我看了溫的參考文獻中提到的MacKinnon那篇文章，發(fā)現(xiàn)溫對于.97的解釋是直接照搬MacKinno

7、n原文中的一句話，實際上在MacKinnon的概率表中，這個.97的值是在N=200下對應的.04概率的雙側統(tǒng)計值，而不是.05概率雙側統(tǒng)計值，因為在該表中根本就沒有直接給出.05概率的統(tǒng)計值。為了確定這點，我專門查了國外對這個概率表的介紹，發(fā)現(xiàn)的確如此，相關文章見附件mediationmodels.rar。當然，從統(tǒng)計概率上來說，大于0.97在這個表中意味著其值對應概率大于.05，但是當統(tǒng)計值小于0.9798th時而大于0.8797th，其值對應概率的判斷就比較麻煩了，此時要采用0.90作為P.05的統(tǒng)計值來進行判斷。之所以對溫的文章提出質疑，是因為這涉及到概率檢驗的結果可靠性，我為此查了很

8、多資料，累）。Goodman I檢驗公式如下 Goodman II檢驗檢驗公式如下 注：從統(tǒng)計學原理可知，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，幾乎可以忽略不計算，因此MacKinnon et al. (1998)認為乘積項在樣本容量較大時是“trivial”（瑣碎不必要的）的，因此sobel檢驗和Goodman檢驗結果在大樣本情況下區(qū)別不大，三個檢驗公式趨向于一致性結果，因此大家用soble檢驗公式就可以了（詳情請參考文獻A Comparison of Methods to Test Mediation and O

9、ther Intervening Variable Effects. Psychological Methods2002, Vol. 7, No. 1, 83104）。評價：采用sobel等檢驗公式對中介效應的檢驗容易得到中介效應顯著性結果，因為其臨界概率（MacKinnon）P0.90或z/2-0.90，而正態(tài)分布曲線下臨界概率P1.96或z/2-1.96，因此用該臨界概率表容易犯第一類錯誤（拒絕虛無假設而作出中介效應顯著的判斷）3.差異檢驗法(difference in coefficients)。此方法同樣要找出聯(lián)合標準誤，目前存在一些計算公式，經過MacKinnon等人的分析，認為其中

10、有兩個公式效果較好，分別是Clogg 等人和Freedman等人提出的，這兩個公式如下：Clogg差異檢驗公式 Freedman差異檢驗公式 這兩個公式都采用t檢驗，可以通過t值表直接查出其臨界概率。Clogg等提出的檢驗公式中，的下標N-3表示t檢驗的自由度為N-3，為自變量與中介變量的相關系數(shù)，為X對Y的間接效應估計值的標準誤；同理見Freedman檢驗公式。評價：這兩個公式在a=0且b=0時有較好的檢驗效果，第一類錯誤率接近0.05，但當a=0且b0時，第一類錯誤率就非常高有其是Clogg等提出的檢驗公式在這種情況下第一類錯誤率達到100%，因此要謹慎對待。4.溫忠麟等提出了一個新的檢驗

11、中介效應的程序，如下圖：這個程序實際上只采用了依次檢驗和sobel檢驗，同時使第一類錯誤率和第二類錯誤率都控制在較小的概率，同時還能檢驗部分中介效應和完全中介效應，值得推薦。三 中介效應操作在統(tǒng)計軟件上的實現(xiàn) 根據(jù)我對國內國外一些文獻的檢索、分析和研究，發(fā)現(xiàn)目前已經有專門分析soble檢驗的工具軟件腳本，可下掛在SPSS當中；然而在AMOS中只能通過手工計算，但好處在于能夠方便地處理復雜中介模型，分析間接效應；根據(jù)溫忠麟介紹，LISREAL也有對應的SOBEL檢驗分析命令和輸出結果，有鑒于此，本文擬通過對在SPSS、AMOS中如何分析中介效應進行操作演示，相關SOBEL檢驗腳本及臨界值表（非正

12、態(tài)SOBEL檢驗臨界表）請看附件。1.如何在SPSS中實現(xiàn)中介效應分析 這個部分我主要講下如何在spss中實現(xiàn)中介效應分析（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同，中介變量為焦慮，因變量為工作績效）。第一步：將自變量（X）、中介變量(M)、因變量(Y)對應的潛變量的項目得分合并取均值并中心化，見下圖在這個圖中，自變量（X）為工作不被認同，包含3個觀測指標，即領導不認同、同事不認可、客戶不認可；中介變量（M）焦慮包含3個觀測指標即心跳、緊張、坐立不安；因變量（Y）包含2個觀測指標即效率低和效率下降。Descriptive Statistics 工作不被認同焦慮工作績效Val

13、id N (listwise)N489489489489Mean2.08212.08592.2807 上面三個圖表示合并均值及中心化處理過程，生成3個對應的變量并中心化（項目均值后取離均差）得到中心化X、M、Y。第二步：按溫忠麟中介檢驗程序進行第一步檢驗即檢驗方程y=cx+e中的c是否顯著，檢驗結果如下表：Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.678(a).460.459.

14、70570.460414.2651487.000a Predictors: (Constant), 不被認同（中心化） 由上表可知，方程y=cx+e的回歸效應顯著，c值.678顯著性為p.000,可以進行方程m=ax+e和方程y=cx+bm+e的顯著性檢驗；第三步：按溫忠麟第二步檢驗程序分別檢驗a和b的顯著性，如果都顯著，則急需檢驗部分中介效應和完全中介效應；如果都不顯著，則停止檢驗；如果a或b其中只有一個較顯著，則進行sobel檢驗，檢驗結果見下表：由上面兩個表格結果分析可知，方程m=ax+e中，a值0.533顯著性p.000，繼續(xù)進行方程y=cx+bm+e的檢驗，結果如下表：由上面兩個表的

15、結果分析可知，方程y=cx+bm+e中，b值為0.213顯著性為p.000,因此綜合兩個方程m=ax+e和y=cx+bm+e的檢驗結果，a和b都非常顯著，接下來檢驗中介效應的到底是部分中介還是完全中介；第四步:檢驗部分中介與完全中介即檢驗c的顯著性:由上表可知，c值為.564其p值.05，各項擬合指數(shù)皆較理想，說明模型較理想，下面我們來看下模型的總體效應和間接效應的文本輸出，見下表：Standardized Total Effects (Group number 1 - Default model)Standardized Total Effects - Lower Bounds (BC) (

16、Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.554.000.000績效表現(xiàn).714.077.000效率下降.612.068.830效率低.661.070.889領導不認可.818.000.000同事不認可.771.000.000客戶不認可.729.000.000坐立不安.451.776.000緊張.405.688.000心跳.436.753.000Standardized Total Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.703.000

17、.000績效表現(xiàn).831.303.000效率下降.733.263.905效率低.771.284.958領導不認可.907.000.000同事不認可.858.000.000客戶不認可.841.000.000坐立不安.600.883.000緊張.540.802.000心跳.582.868.000Standardized Total Effects - Two Tailed Significance (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率下降.000.002.001效率低.000.002.001領

18、導不認可.000.同事不認可.001.客戶不認可.001.坐立不安.000.001.緊張.000.000.心跳.000.000.上述三個表格是采用BC(bias-corrected)偏差校正法估計的總體效應標準化估計的下限值、上限值和雙尾顯著性檢驗結果，雙尾檢驗結果顯示，總體效應顯著，提示自變量（工作不被認可）對因變量（績效表現(xiàn)）的總體效應顯著）值顯著，P.000；下面我們繼續(xù)看直接效應的文本輸出結果，如下表：Standardized Direct Effects (Group number 1 - Default model)Standardized Direct Effects - Low

19、er Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.554.000.000績效表現(xiàn).549.077.000效率下降.000.000.830效率低.000.000.889領導不認可.818.000.000同事不認可.771.000.000客戶不認可.729.000.000坐立不安.000.776.000緊張.000.688.000心跳.000.753.000Standardized Direct Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認

20、可焦慮績效表現(xiàn)焦慮.703.000.000績效表現(xiàn).759.303.000效率下降.000.000.905效率低.000.000.958領導不認可.907.000.000同事不認可.858.000.000客戶不認可.841.000.000坐立不安.000.883.000緊張.000.802.000心跳.000.868.000Standardized Direct Effects - Two Tailed Significance (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率下降.001效率低.00

21、1領導不認可.000.同事不認可.001.客戶不認可.001.坐立不安.001.緊張.000.心跳.000.和總體效應輸出表格形式一致，前兩個表格都是標準化估計的95%置信區(qū)間的上限值和下限值，第三個表格提示了直接效應顯著，見紅體字部分（在本例中即為中介效應ab和c）。下面我們來看下間接效應的顯著性分析結果，見下圖：Standardized Indirect Effects (Group number 1 - Default model)Standardized Indirect Effects - Lower Bounds (BC) (Group number 1 - Default mod

22、el)工作不被認可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).050.000.000效率下降.612.068.000效率低.661.070.000領導不認可.000.000.000同事不認可.000.000.000客戶不認可.000.000.000坐立不安.451.000.000緊張.405.000.000心跳.436.000.000Standardized Indirect Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).197.000.000效率下降.

23、733.263.000效率低.771.284.000領導不認可.000.000.000同事不認可.000.000.000客戶不認可.000.000.000坐立不安.600.000.000緊張.540.000.000心跳.582.000.000Standardized Indirect Effects - Two Tailed Significance (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.績效表現(xiàn).002.效率下降.000.002.效率低.000.002.領導不認可.同事不認可.客戶不認可.坐立不安.000.緊張.000.心跳.

24、000.表格形式同上，顯著性見紅體字部分，在本例中即為c。綜合上述文本化輸出的結果，我們可以判定，c,a,b,c的估計值都達到了顯著性，下面，我們來看些這四個路徑系數(shù)的標準化估計值和標準誤到底是多少呢？見下表：Standardized Regression Weights: (Group number 1 - Default model)ParameterSESE-SEMeanBiasSE-Bias焦慮-工作不被認可.038.000.628-.001.001績效表現(xiàn)-工作不被認可.053.001.659.000.001績效表現(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客戶不認可-工作不被認可.028.000.790.000.000同事不認可-工作不被認可.023.000.818.001.000領導不認可-工作不被認可.023.000.865-.001.000效率低-績效表現(xiàn).017.000.927.000.000效率下降-績效表現(xiàn).020.000.871.000.000緊張-焦慮.029.000.747.000.000上表是采用bootstrap方法得出的標準化估計值及其標準誤，se表示估計值標準誤；se-se表示用bootstrap估計標準誤而產生的標準誤；mean